下载掌阅APP，畅读海量书库
立即打开
现代企业管理的一个核心理论是PDCA循环，又称“戴明环”。该理论最早是由美国质量管理专家沃特·阿曼德·休哈特（Walter A.Shewhart）博士提出的，现在已经在企业管理的各个环节中得到了很好的应用。PDCA循环指的是一种由各个步骤阶段在既定标准、流程下，采用螺旋的方式持续上升的一种有机系统。PDCA是英文Plan（计划）、Do（执行）、Check（检查）和Action（行动）的第一个字母，其流程如下所述。
P：计划。包括方针和目标的确定，以及活动规划的制定。
D：执行。根据已知的信息，设计具体的方法、方案和计划；再根据方案和计划进行具体运作，实现计划中的内容。
C：检查。总结执行计划的结果，分清哪些对了，哪些错了，明确效果，找出问题。
A：行动。对检查的结果进行处理，对成功的经验加以肯定，并予以标准化；对失败的教训也要总结，引起重视。对于没有解决的问题，应使其进入下一个PDCA循环，以得到彻底解决。
上述各个流程的开展，可以保障每一个环节的质量、效率得以显著提升，最终通过量的积累实现质的飞跃，以此形成周而复始的不断优化。
数据分析作为一种专注于从数据中提升洞察能力的学科，一般可以划分为以下4种常见类型。
（1）描述性分析：即发生了什么，以及现在正在发生什么。描述性分析使用来自多源的历史数据和当前数据，通过识别趋势和模式来描述企业当前状态。
（2）诊断分析：即为什么会这样。诊断分析使用数据来发现导致过去表现结果的因素或原因。
（3）预测分析：即未来可能发生什么。预测分析将统计建模、预测和机器学习等技术应用于描述性和诊断分析的输出，以预测未来的结果。预测分析通常被认为是一种“高级分析”，并且经常依赖于机器学习和深度学习。
（4）规范性分析：即我们需要做什么。规范性分析是一种高级分析，是指通过特定算法来推荐可实现预期结果的特定解决方案，可以理解为分析之后的行动推荐。
不难发现，数据分析的这几种类型，与PDCA循环存在着极强的关联性。
PDCA的第一个节点P，在企业管理中指的是计划。计划是一切管理的起点，核心为目标管理。我们可以将其简单理解为“做什么”“要达到什么样的目标”。如果目标不明确，那么事情成功的可能性也就为零了。计划帮助管理者制定目标及预期要达到的结果，有了目标才有执行和其他步骤。古人云，“凡事预则立，不预则废”，说的就是这个道理。
那么计划和数据分析是怎么关联起来呢？首先，我们需要思考第一个问题：如果我们要从企业的数据中分析出某个管理活动执行效果的好坏，以及是否应该改善，那么最基本的前提是先明确好与坏的评价标准，即何为好、何为坏。由此不难发现，数据分析的起点也是计划。因为只有计划才能定义出各种指标的标准。只有和标准相比较，才能知道企业活动结果的偏离度，才能明确企业活动是否需要改善及改善的方向是什么。计划也可以看作企业编制各种预算指标的过程。这些预算指标是企业管理效果的评价标准，也是我们进行数据分析的基本参照物。
第二个问题是：如何制定出一个好的计划呢？即计划的科学性如何保证？在这一方面，数据分析可以“大展身手”。预测分析就是对计划管理功能的有效支持。预测分析方法是根据事物的过去和现在预估未来，根据已知预测未知，从而减少对未来事物认识的不确定性，以指导我们快速做出决策，降低决策的盲目性。
通过各种预测算法，我们可以相对科学地得到一个初始版本的计划。仅通过预测还不足以得出完美的计划，很多计划的关联影响要素无法预测，且需要人工调整各类要素来组合出最佳结果。这时，数据分析的另一种具体应用形式——模拟假设可以发挥作用。
模拟假设又称“What-if分析”，是指通过各种参数的调整来实现数据的动态关联变化，进而根据不同结果来选择最优决策的分析场景。“预测分析+模拟假设”可以为企业制订一个相对科学和“完美”的计划提供数据支持，从而确定后续所有经营活动的标准。
PDCA的D和C，即执行和检查。执行指的是企业具体的业务活动，检查指的是业务活动之后的复盘。所谓经营结果复盘，就是一个经营周期结束了，我们对这个经营周期的核心的各项表现（如财务指标）进行回顾，了解这段时间利润是多少、销售收入是多少、资产的周转情况有没有得到改善、生产成本和管理费用如何变化、目前账户上有多少资金等。
但是传统的复盘只能告诉我们发生了什么，不能告诉我们为什么发生。因此，接下来我们还需要围绕业务洞察来进行问题探索，这主要是从业务的角度回答为什么经营结果复盘的数据是这样的。特别是表现异常的一些数据（即和计划相比有重大偏差的数据），管理者往往希望能针对其进行深入分析。
例如，销售目标完成数据有异常，管理者可能希望得到销售目标为什么无法达成的具体原因。能够支持结果复盘和业务洞察的，就是数据分析中的描述性分析和诊断分析。其中，描述性分析有助于找到问题，即和计划数据相比，偏差度大的关键指标。而诊断分析通过指标的多层钻取，帮助管理者找到原因，找到影响这个问题最关键的二级、三级指标（问题的核心原因），从而通过数据找到问题的解决方向。按照智扬信达的BI（Business Intelligence，商务智能）设计方法论，我们将这两种分析类型统称为“偏差归因”。
PDCA的A是对检查的结果进行处理。一方面，在下一个经营周期中进行活动监控，保证过程指标不偏离之前制定的行动方案；另一方面，如果确认改善方案有效，就可以将其标准化，纳入企业的知识库，完成从数据到信息再到知识的闭环。
数据分析中的规范性分析（通过算法给出解决方案）和指标阈值预警功能可以为检查提供有力的支持，做到既关注管理结果，也关注管理过程。因为只有过程得到保障，结果才有可能实现。在智扬信达的BI方法论中，这种分析类型被称为“过程纠偏”。
另外，在制定改善方案的过程中，商务智能的假设模拟功能也能发挥很大的作用：通过调整各种明细指标，监测对结果指标（一般是一级指标）的影响，在结果和可实现性这两个角度不断地平衡，制定更科学合理的改善方案。
如果管理者想要用数据解决经营管理问题，真正实现经营改善，就需要实现数据分析的“完整”和“深入”。“完整”是指数据能够支撑PDCA的各个过程，计划的制订、结果的复盘、问题的解决都能得到数据的助力。“深入”是指核心的业务关注点需要进行偏差归因，用数据分析的手段快速定位最大的影响因素。完整和深入缺一不可，它们能够助力企业实现“看得到、看得快、看得远和看得清”的目标，是构建企业经营管理数字化决策体系的基本要求。
如果我们把企业运营的逻辑链条看作一个个完整的商业故事，那么数据分析不是简单地陈列数据，而是讲故事，即讲PDCA的故事，让企业从故事中获得启示，不断优化，得到成长。
例如，某企业某年年底使用商务智能系统，基于实际数据和预测算法，再借助模拟假设功能，发现将次年的利润率目标设置为“收入的10%”是合理且应该可以完成的，因此就按此设定指标。但是次年上半年利用数据分析进行经营复盘时，管理者发现利润率只完成了一半。管理者使用商务智能的钻取功能，监测影响利润的下一级指标，发现和利润关联的几个核心要素中，数量和价格目标都基本完成了，但是产品销售的结构表现（即高、中、低端产品的销售比）和最初目标比，表现较差。因而管理者优化了针对高端产品的促销计划和对销售渠道的激励政策，经过过程监控（数据预警）的协助管理以及对各种情况的不断调整（模拟假设），终于在下半年大幅度改善了产品销售结构，最终完成了指标的逆转，达成了经营计划的结果要求。
通过上述案例我们可以发现，要想真正实现现代企业管理下的科学决策，企业的数据分析及其关联的商务智能系统要做到全流程支持，需要从管理的起点贯穿终点，同时具备计划、预测、可视化、洞察、模拟假设等功能。这样才能真正为管理者提供一个有效的、可以推动企业不断优化的强大工具。