著名咨询公司美国兰德公司指出：世界上每100家破产倒闭的大企业中，85%是因为企业管理者的决策不慎造成的。

何为决策？决策是为了达到一定的目标，从两个或两个以上的可行方案中选择一个合理方案的分析判断过程。决策正确与否，很大程度上决定着企业的成败。正确的决策能指导企业沿着正确的方向、合理的路线前进；错误的决策则会使企业走上错误的道路，甚至可能导致企业失败、消亡。

决策失败是中国企业家的头号失败原因。在谈及中国企业家失败的原因时，新希望集团董事长刘永好表示：70%～80%是由于投资失败，而投资失败又源于决策失败。

人们已经深刻认识到“拍脑门”决策所带来的危害，企业决策正由“经验决策”不断向“数据决策”转变。经历了一次次的失败与摸索后，“用数据做决策”的思想和方法受到了越来越多的重视，逐步被企业管理者所接受和采用。

被称为百货商店之父的约翰·沃纳梅克曾经说道“我的广告费有一半浪费掉了，可我不知道是哪一半”。当时，数据搜集太困难，需要大量的时间和资金成本，没有足够的数据，也就解决不了哪一半广告费被浪费掉的问题。如今，随着技术日新月异的发展，搜集数据、分析数据的成本大大降低，同时从大数据中还会涌现出之前我们发现不了的信息和知识，数智化新时代，企业管理者如能把握数据分析之道，将如虎添翼、事半功倍。

麦肯锡的研究分析表明：充分利用海量数据的零售商可将其经营利润提高60%以上；欧洲发达经济体中，通过利用海量数据提升政府行政管理方面的运作效率，可节省开支1000亿欧元以上；世界500强企业中，90%以上的重要投资与经营决策都取决于充分的数据分析支持；美国、欧盟、日本等发达国家和地区，数据分析已经被普遍作为经营决策的前提要素，为社会经济的高速发展做出了巨大贡献。

数据已经逐渐成为公司新的核心资产，大大促进了劳动生产率的提高和资产收益率的增加。因此，市场上已经涌现出大量在商业中运用数据分析的成功案例，人们越来越认识到合法、合理经营数据的重要性。

企业经营决策贯穿于企业运营管理的各个方面、各个层级，从影响大小来看，企业经营决策可分为涉及企业长期战略或投资的大型决策、面向业务部门中短期规划的中型决策、与具体事务相关的细小事务型决策。

（1）战略决策

企业生产和服务方向一般在企业建立时就已经确定了，但由于企业内外部环境因时因势而变，企业需要随之重新研究和确定企业生产和服务方向：当外部环境对企业原定方向影响不大时，应坚持原来方向；企业在做好原有方向的基础上，若仍有充足余力，则可考虑增加新的方向；当原有客户和服务对象的需求逐步减少，竞争强敌增多，或受到其他条件的限制，经研判企业已经难以取胜，就要下决心转变方向。

（2）产品和服务结构决策

即企业生产什么样的产品，提供什么样的服务。企业要综合考虑各方面的因素，比如产品和服务的市场前景、收益性、竞争对手情况，企业所具备的技术、设备、资金、人力等条件，国家法律、政策、标准等方面的要求，由此作出合理的产品和服务结构决策。基本原则是要实现企业经济效益好、资源利用程度高和经营比较稳定。

（3）价格决策

企业提供产品和服务时，是以利润为主要目标，以扩大市场占有率为重要目标，同时要适应激烈的市场竞争。这就要求企业作出科学的价格决策，以合适的产品和服务价格赢得用户满意，提高经济和社会效益。常用的定价策略包括成本导向定价、需求导向定价和竞争导向定价等。

（4）营销决策

好的营销是企业成功的重要原因和动力，做好营销决策是企业管理者的重要职责。营销决策主要解决如何尽可能高效率、高效益地销售企业产品和服务，提高用户满意度和忠诚度，提升企业品牌影响力，包括但不限于渠道选择、促销措施、用户运营、品牌策略等。

（5）采购决策

采购事关企业生产、运营成本，事关产品和服务质量，事关企业经营的持续性、稳定性。每个企业管理者都应重视采购决策。采购决策包括但不限于物料需要量计算、物料需求计划、物料供应商选择、物料采购批量决策等，基本原则是在满足企业生产经营过程需要的同时，将物料成本尽可能降到最低。

（6）预算决策

经过市场需求预测、市场营销决策、生产方案决策、物料需求计划和物料采购批量决策等一系列过程，企业已形成生产经营决策方案，接下来需要对该决策方案下的企业营收和成本费用进行全面预算，从而测算出该方案下的企业经营成果是否满足企业发展目标和要求。

数据分析的根本目的是要洞察数据背后的规律和发现数据潜藏的价值，基于科学、有效的数据分析，企业能够做出正确的决策并采取相应措施和行动，进而达成企业发展目标和想要的结果。数据分析分为四个层次：

（1）描述性分析

描述性分析是用数据对已经发生的事实作出准确的描述，也就是发生了什么。比如某企业本月订单签约额从上个月的1000万元增加到1100万元，但同时发现订单履约率却从98%下降到了95%，库存周转率从0.8下降到了0.7。

（2）诊断性分析

诊断性分析是通过运用工具对描述型数据进行评估和深入分析，从而发现为什么会发生。比如经过分析，发现订单履约率下降的原因是成品生产不出来，无法完成交付，进一步分析后发现成品生成不出来的原因则是部分原材料的供应商未能按时交货，导致原材料不齐备，无法开始生产。

（3）预测性分析

预测性分析对事件未来发生的可能性预测一个可量化的值，或者预估事情发生的时间点，也就是什么可能会发生。比如基于历史数据和环境数据，通过建模可预测本月该供应商可能会使企业订单履约率下降2%。

（4）处方性分析

处方性分析基于对“发生了什么”“为什么会发生”和“可能发生什么”的分析，来帮助用户决定应该采取什么措施，也就是该做些什么。通常情况下，处方性分析是在前面的所有方法都完成之后，最后要完成的分析。比如，上面的例子中，预测性分析发现供应商A会导致本月订单履约率下降，那么可能采取的措施就是把A换掉，现在有B和C两个供应商供选择，通过分析和计算发现选用供应商B会比选C的订单履约率高1%，因此建议选择供应商B。

数据分析的一般过程是：首先进行描述性分析，明确现状、问题以及业务人员和管理人员的需求，做到有的放矢；其次进行诊断性分析，寻找与问题相关的特征，探寻问题发生的原因并进行建模；最后根据不同的业务场景和需求，给出具体的解决方案和实施建议。

因而，一个优秀的数据分析系统，迭代过程应该是无需人工干预、智能自动完成的，这也是目前机器学习和人工智能方法的最大优势。处方式分析是最高阶的数据分析方法形态，也是在商业环境中对企业最有用、价值最大的方法。

免责申明：

本文系转载，版权归原作者所有，如若侵权请联系我们进行删除！

想了解或咨询更多有关袋鼠云大数据产品、行业解决方案、客户案例的朋友，浏览袋鼠云官网：https://www.dtstack.com/?src=bbs

同时，欢迎对大数据开源项目有兴趣的同学加入「袋鼠云开源框架钉钉技术群」，交流最新开源技术信息，群号码：30537511，项目地址：https://github.com/DTStack