数据驱动型决策 2.0 |SKIM 资源

当今数据驱动型决策面临的挑战与机遇

“数据驱动型战略”的转型，得益于“数字优先”经济、数据及人工智能的蓬勃发展。2019年，全球在大数据分析技术和服务方面的支出达到1800亿美元，年增长率为12%。与此同时，企业仍在不断追求更快、更全面、更可靠的决策。

然而，为了以最佳效果应对当前和未来的业务挑战，企业必须仔细考虑如何整合混合型信息和数据源。

数据驱动型决策的下一个时代，将源于对信息和数据的新分析方式，以及激活分析结果的新方法。

为了更好地了解企业在推进数据驱动型决策方面所处的阶段，我们采访了部分SKIM 的客户、信息专家以及业内思想领袖。

“我们拥有相应的模式，能够以恰当的语气、在恰当的时机，以恰当的价格向客户提供合适的产品。”

能够有效适应这些变化的企业，将使数据驱动的商业战略成为现实。在当今瞬息万变的市场中，正是这些企业将拥有竞争优势并实现增长。

选择合适的分析方法，以做出更全面的数据驱动型决策

无论所属行业如何，如今大多数企业都认识到不同数据和信息来源中蕴藏的潜在价值。它们看到了做出更全面决策和更准确预测的可能性。

然而，各家组织在实现这一目标——即在整个组织范围内实现真正的数据驱动型决策——的道路上所处的阶段各不相同。每家组织都面临着独特的挑战，并且根据其在“数据”发展道路上的所处阶段，采取了不同的实现方式。

尽管数据来源可能分散在公司的各个角落，但只有将这些来源与最佳的分析方法相结合，才能做出更准确的预测。

根据所面临业务问题的类型和性质，企业可以通过以下三种方式整合数据和信息来源：

1. 数据三角验证（概念性）

通过交叉比对混合数据和信息来源，企业能够对它们进行综合评估。

“数据源不必在技术上相互关联。易用性和可访问性比技术集成更为重要。”

这种整合并非在技术层面实现，而是在概念层面实现的。对于某些客户而言，这种方法能带来立竿见影的价值。

2. 数据集成（技术数据融合）

整合数据源可以量化不同数据集之间的关系，尤其能提高预测的可靠性和准确性。由于历史数据与预测数据被结合在一起（例如，销售数据、分销数据加上联合分析数据），这种方法本质上能提供更全面的视图。持续整合数据源意味着以大规模和高速的方式连接并建模数据源。正如一位客户所言：

“而这就是圣杯。”

预测基于每周甚至每天更新的数据源，按渠道甚至零售商层面进行分析。通过这种方法，可以更快、更准确地做出数据驱动的决策。

“数据驱动的决策”在实践中是怎样的

无论所属行业如何，所有企业都认识到，释放这些分散的数据和信息源的价值具有巨大的增长潜力。然而，各企业实现这一目标的方式却大相径庭。每家企业都踏上了不同的征程，以实现真正的数据驱动型决策。根据企业在这一征程中所处的位置不同，数据驱动型决策将呈现出不同的形式，并带来不同的商业效益。

发掘消费品及服务的增长机遇

整合数据源以优化定价策略

定价和市场洞察领域的专业人士深知，revenue management 策略的制定过程十分复杂。没有任何事情是孤立存在的。如何确定应运用哪些业务杠杆——品牌、产品、价格、促销——以及何时运用，才能实现增长最大化？

在做出这些决策时，还应充分考虑竞争对手、当前的行业状况、各种渠道以及消费者。

在我们的 整体定价决策 网络研讨会中，我们的NRM和定价业务负责人将通过真实案例，分享企业如何运用数据融合研究技术来优化revenue management 策略。

提高制药和消费健康市场的产品预测准确性

整合医疗保健专业人员与患者/消费者的视角，以实现可靠的预测

医疗保健治疗和非处方药的决策过程比以往任何时候都更加复杂。就药品而言，医疗保健专业人员已不再是医疗保健治疗的唯一决策者。在某些情况下，掌握更多信息的患者甚至可以对医生的建议提出质疑。在消费者健康领域，营销人员正致力于应对医疗保健专业人员对非处方药购买决策日益增长的影响，从婴儿配方奶粉到维生素均是如此。

为了更准确地预测治疗和购买决策，预测研究不应仅局限于单一视角。该模型应与当今决策行为的实际情况相吻合。

注册参加 “决策影响建模”网络研讨会 ，深入了解一种全新的数据融合分析方法，该方法整合了医疗保健专业人员（HCP）与患者/消费者决策行为的相关组合。