当数据很有趣但不确定时

有有趣但不确定的数据是很常见的。如果这发生在项目的早期阶段,那就没有问题。有时,您确实需要浏览数据以获得感觉。如果这发生在项目结束时,那么您就有问题了。领导们不会为资助一个仅仅是有趣的项目而高兴。

在讨论如何处理不确定的研究结果之前,我们要清楚,研究结果从来都不是完全确定的。如果你假装他们是,那么你就是在误导你的观众。循证研究结果的作用是减少不确定性。你是应该在河内还是胡志明市开设办事处?你永远不可能确定哪个是最好的,但如果你分析了数据,你就可以更有信心地提出建议。

当你的数据非常不确定,只是有趣的时候,那通常是因为你没有清楚地定义你想要解决的问题。

以河内和胡志明市为例。假设该公司承诺在越南开设办事处,并将范围缩小到这两个城市。那么,综合考虑所有因素,数据必然会向一个或另一个方向倾斜。当一个分析项目的目标是支持一个特定的决策时,那么你不太可能得到一个完全不确定的结果。同样,如果你有一个明确的可回答的问题或假设,证据很可能会倾向于这样或那样。

继续下面的条

如果你确实遇到了“不确定的数据”问题,那么你就需要回到明确你想要解决的问题的阶段。这似乎很简单,但对于那些刚接触分析的人来说,这往往是一个绝望的深渊。坚持询问商业问题、选择、你试图做出的决定、行动的潜在承诺、假设等。

当所有这些都发生在项目早期时,这就不是问题了。如果是在项目的最后,那么你需要承认这个问题,并表明你非常清楚需要做哪些额外的工作才能让项目取得成功。

大卫·克里尔曼是Creelman研究.他主要在多伦多工作,部分在吉隆坡工作,最著名的是他对人力资源最新问题的研究。

他与纽约的Talent Tech Labs、东京的works Institute、波士顿的Workforce Institute和伦敦的CRF等智库合作。他曾与亨利·明茨伯格(领导力发展)、埃德·劳勒(《适应变化》)和约翰·布德罗(《工作的未来》)等知名学者合作。

他的著作包括人事首席营销官:像管理客户一样管理员工,提供沉浸式可预测的体验,推动生产力和绩效与GrandRound的CHRO Peter Navin;而且领导工作:引领就业之外的世界与John Boudreau(南加州大学)和Ravin Jesuthasan (Willis Towers Watson)合作。

你可以用这个联系克里尔曼先生LinkedIn

主题