摘要:我们都知道数据是客观的,但是为什么基于数据却会产生不同的认知呢?可以从三个方面来解决。
我们都知道数据是客观的,但是基于数据却会产生不同的认知,在实践中这种情况还是非常多的。
为什么会出现这种情况呢?今天我们来聊一聊。
1.看待问题角度不同
不同的人针对同一事情,看待问题的角度不同也会影响他们对数据结果的判断。
某公司业务团队离职率为20%,在年终会议上,业务负责人和人力负责人针对业务部门的离职率有了争执。
人力负责人认为业务部门的离职率最好控制在12%,最高不能超过15%,因为人员流动性大,离职成本非常高,也给业务团队的稳定带来了不安因素,而且对部门的招聘带来了压力,人员还没培养好,就辞职或者被解除劳动关系了。
业务负责人认为业务部门要保持人员流动才能留下真正优秀的人员,他们主张每月至少要主动和10%的低绩效员工解除劳动合同,这样才能给业务人员带来压力,激发员工的斗志,再者有员工主动离职,20%的数字并不高。而且他们还提到,针对他们花费了很大的力气和精力培养新员工、激励老员工,员工绩效还不能提升,说明他们本身不适合这个团队。
我们会发现,人力负责人和业务负责人站在各种的角度来考虑问题,针对20%这个数字,双方的意见可以说完全相反。
面对相同数据,不同的人有不同的认知,这对数据分析人员的压力也是比较大的,一方面要建立数据分析逻辑,用数据讲故事,让他人接受自己的观点。另一方面数据分析人员要面向业务,千万不要脱离业务。
2.知识储备不同
并不是每一个人都对数据分析知识有深入了解,这就造成了每个人只会在自己的知识层次来理解和分析数据,针对一组数据会产生不同的结论。
如下图,是下半年经过密集培训后上、下半年的绩效情况。
经过调查大部分人员的分析是培训有了效果,因为绩效平均分增长了。
也有人分析到,其实绩效和考试相关性弱,说明培训并没有预期的效果,有的人提升了还有人下降了,正常情况应该是绩效高的继续保持、绩效低的要有提升。
也有人分析后将参训员工分成不同的人群,分别给了不同的建议。
我们发现,不同的人分析的方法是不一样的,结论也是不一样的,而且给出的结论或建议也是不同的。这和他们的知识储备有关系,如果没有经过数据分析训练的人员来说,相信主要还是采用第一种分析方法。
3.衡量标准不同
15%的离职率高不高?相信不同的人有不同的答案,这就是衡量标准不同,因为每个人的行业、公司情况、认知不同,会产生不同的答案。
参加某公司的年度总结会议,HR负责人汇报年度离职率超过了100%,要知道年度离职率有不同的算法,超过了100%的情况是有可能的。
老板听到了非常生气,他的理解角度是离职率超过了100%,代表公司的人换了一轮还要多,所以在会场发了很大的脾气。
且不论HR负责人的汇报技巧,如果静下心来思考,我们会有很多角度的解释向老板说明不是他想的这样。但是我们要注意,老板已经从另外一个标准来衡量这个离职率,哪怕纠正,有可能也不是立即就有效果的。
如果数据分析人员不能让别人接受自己的观点,这和工具人是没有任何区别的。
针对相同的数据会产生不同认知这种情况,对数据分析人员的考验是非常大的,而且这种情况有时候是不可避免的,数据分析人员要尽可能的减少这种情况,需要做的事情是建立数据分析逻辑,用数据讲故事,吸引客户,让客户深入到故事中来接受自己的结论和观点。
14楼 心雨深圳
案例很清楚,说的很明白
13楼 LV136
角度不同,知识储备不同带来的差异真的大
12楼 asher杨
打卡
11楼 sekien
这才是真正的工作思维,而不是像有些老师一样说着不知所云的东西
10楼 学习的力量
纯干货
9楼 宙斯盾
全面的看问题
8楼 820123820123
学习了
6楼 zwd1314520
谢谢老师分享,绝对是三茅的精华!
5楼 乌托邦囡囡
老师多来打卡哈
齐涛
@乌托邦囡囡:每周五打卡
4楼 无声无息1111
理科思维
3楼 浅沐微雨
谢谢分享!
2楼 向左还是向右呢?
我是老师的粉丝!
1楼 大卡
齐涛老师——
本篇文章来自齐涛老师的分享。大家可以在评论区多多留言与老师互动,也可以点击老师头像订阅,关注老师上线的多套热销课程!