概述和简要介绍
这是一个系列文章的第一篇，该系列文章探讨了一个特定组织的数据驱动型组织是什么. 作者面临的问题是，每个组织都有自己的目标和需求. 因此，数据驱动型组织的“一刀切”概念要么太过模糊而不适用(i.e. 测量所有的东西，然后运用数学推理来做出决策!)或者根本不相关. 为了解决这个问题, 我们将把重点放在一个至关重要的领域, 对所有组织来说都是通用的，它将引导组织进入一个位置，在这个位置上，“数据驱动”只是一种事实上的存在模式. 它将提供可以应用于其他地方的工具、方法和示例.
这篇文章是全球最大的博彩平台为什么我们应该关心数据驱动的组织, 驱使我们进入这个领域的具体问题，并形成了如何分解这个大主题的方向的基础. 在我们确定问题的解决方案之前, 我们需要理解它试图解决的问题.
每个组织都需要做决定——如果你正在读这篇文章的话, 希望你能把这些决定建立在测量外部世界的基础上——IE数据. 这是对数据驱动型组织最宽泛但最没用的理解.
技术
毕竟，做决定的方式有很多种, 运气好但技术上是错误的，好过运气不好但技术上是正确的! 然而，在任何领域，糟糕的技术最终都会限制你的进步能力. 在组织中，我们关心的技术是决策能力, 从表面上看，一个基于数据在各个层面上做出决策的组织似乎是一个数据驱动的组织.
我们在这里要讨论的是一组关键问题，作为制定这种战略的核心的一部分，需要加以解决. 关键在于，如果企业知道衡量什么以及如何衡量, 它们已经是数据驱动型组织. 所以这个定义是基于每个人的测量, 分析和获取数据以增加竞争优势，表明对正在解决的问题存在危险的误解. 如果他们遵循这个定义，开始衡量和分析数据，他们就会投入大量额外的工作，而对如何产生回报却知之甚少. 这将是一种同样的做法的回归，这种做法最初导致人们问“我们如何才能做出更好的决策”.
问题(或原因)
从你所处行业的历史来看，我们知道我们并不擅长成功的项目. 是什么让你觉得自己与众不同? 你有办法自信地回答这个问题吗? 你是如何前进的?
达克
曾经有一个人没戴面具就抢劫了一家银行，被抓住并被起诉. 他宣称:“但我穿着果汁。”. 不知何故，他认为如果他涂上柠檬汁(因为它是用在隐形墨水里的)，相机就看不到他了.
这是一个很好的例子，说明在另一个世界里，一系列假设可能是好的, 要是那个人测试过就好了. 结果是, 邓宁和克鲁格曾就这种认知偏见发表过一篇论文，名为《十大正规博彩网站评级》。.
这是一个特别有趣的例子，因为它是一个局部最优. 从一个高峰移动到另一个高峰的问题是，必须下降到一个混乱的山谷.
为什么你应该关心?
- 你怎么知道自己没有陷入邓宁-克鲁格效应呢?
- 这种自信(或缺乏自信)从何而来?
问题
就组织而言，我们可以重申上述问题:
- 如果我们集体发现自己处于一个强化系统中，使我们在组织技能和意识方面都陷入这种状态，会发生什么呢?
- 你怎么知道?
你的组织如何学习?
假设是我们被困住了，因此, 难道学习不是因为每个行业都有项目拖延和预算超支的情况吗?然而每个行业都有组织抵制这种趋势的例子. 即使他们已经完成了，东西已经被削减(和添加)。. 这就是为什么像格伦费尔大厦灾难这样的悲剧发生一年后，我们的建筑上仍然有相同的包层. 类似的, 我们得到的网络项目不仅晚了一年, 但成本高于系统被替换，提供更少的功能.
My challenge to the reader is to prove the hypothesis wrong; what follows in these posts are a set of ideas and strategies to get into the heart of the problem.
我们不擅长软件项目，这在20年前是正确的，今天仍然是正确的——这表明我们不擅长软件项目，而且我们还没有变得更好. 我们陷入了邓宁克鲁格情景——尽管有些人感兴趣，但现状并没有改变. 但这也表明，这里还有很大的创新空间.
邓宁-克鲁格是指一个实体无法评估自己的想法，因此无法以有指导的方式行动 因为它的各个部分是独立运动的，并且朝着相互冲突的方向运动.
时尚的危险
多年来，有很多方法可以做到这一点, 然而, 这些方法中的许多都是基于管理顾问公认的智慧——通常是基于时尚. 基于时尚的建议的一个很好的例子是饮食建议，它更容易与人联系起来.
提供饮食建议, 分析结果有太多的噪音和差异，很难知道什么是真的，什么是假的. 结果是，几乎不可能以客观的方式评估所有不同的和相互矛盾的建议——所以大多数人都保持安全，限制卡路里摄入并进行锻炼.
饮食建议的问题在于有些是正确的，有些是错误的(假设有些是正确的)!). 我们没有办法知道，所以我们找到了一个妥协——i.e. 我们既不接受正确的，也不接受错误的，而采取的新立场肯定不是最优的——它是不正确的，而且有一些错误. 结果是, 很可能很少有人拥有我们所追求的“健康”饮食——但我们拥有的还可以. 然而根据 NHS的统计数据在美国，不仅肥胖人数在上升，入院人数也在上升，而且97%的成年人都很活跃. 其他统计数据显示，超重是相当稳定的，但肥胖却在增加. 也许饮食建议是导致肥胖的原因? (但我们稍后会看到相关性和因果关系). 也许这种妥协比我们原始的大脑所意识到的更具破坏性!
而不是像这样妥协, 我们要寻找可以找到错误假设的情况，并试图通过找到一个可以同时满足这两个条件的环境来打破矛盾，即找到双赢的情况. 在这里，保持健康身体的愿望与两个相互矛盾的假设相悖——也许我们可以看看上下文，确定在某些情况下两者都是有效的, 然而在另一些地方却是假的. 现在我们有了可检验的假设.
考虑到生物化学这个基本上看不见的世界的复杂性和反馈循环，这种妥协是可以理解的. 幸运的是，公司要简单得多，而且可以在很大程度上被观察到.
科学的方法
科学的方法包括从逻辑上做出假设，然后通过可重复的实验来验证这个假设. 理解改变某物的效果需要将其分离出来，并自行改变，以测量效果并绘制结果图——由此我们可以建立复杂的关系并对其进行测试.
如果我们想要数据驱动，我们不仅需要对数据做出反应，还需要知道数据的含义. 我们通过不断构建我们对组织的外部和内部世界的理解，并根据它运行测试来做到这一点.
因此, 我们不仅需要进行分析的工具, 但我们也需要知道我们想要测量什么. 更重要的是, 我们需要一种强大的逻辑，使我们能够一次识别和改变组织的一个部分——这样我们就可以衡量其对整个组织的影响.
幸运的是, 其他人已经做了很多这方面的工作, 他的名字是Eliyahu Goldratt他提出了约束理论. 将其与数据驱动的组织目标和原则结合使用是一种强大的聚焦工具.
分辨率提示
这里的重点将是利用数据驱动，使组织更有能力实现其目标. 这包括理解如何定义目标, 如何将区域与它们对齐并分解它们, 如何帮助员工以源自组织需要的量度来代表他们的工作，从而符合整体的需要. 我们的目标是完全避免存在本地化目标的想法(例如，没有直接联系的部门目标)。.
技术债务是需要克服的问题的缩影
其中一个例子就是技术债务的概念. 这是一个可怕的短语——它暗示在满足业务需求之外，还有一些技术上正确的东西. 当人们想从系统中摆脱技术债务时，就会有阻力. 该组织有自己想要达到的目标，而“技术债务”不在其中.
此外, “债务”之所以存在，是因为决定不做某件事，因为它与更大的组织目标不一致. 这是一个非常好的本地度量的例子——一群开发者不喜欢全局决策. 这个术语似乎有价值，但实际上只是与真正的目标背道而驰. 当谈到“修复”这个问题时，会有一个非常简单的商业案例——现在需要完成这项工作，因为我们想要做x, 为了使x更快更安全我们需要做功y. 这一切都是自然地折叠成一件作品，没有任何阻力.
技术债务存在于产品和开发团队不以组织需求为语言的组织中. 在我看来，“技术债务冲刺”是组织上最矛盾的事情，而且它确实隐藏了一些其他问题——但这是另一个话题了!
优化整体
So, 解决方案将是将组织视为一个整体，并进行有利于组织而不是个别部分的实验. 通过重新定位整体, 我们期望用逻辑和数据进行假设，然后用统计方法进行仔细的测量来评估并获得新的方向.
The resolution cannot be a control structure; we need an organisation to organise itself into being successful, 否则，我们只有极少数人的专业知识来做这些决定.
在这个过程中, 每个人的决策和判断技巧的重新定位都需要朝着全球而不是局部的方向重新调整. 没人能被命令这么做, 它需要是系统通过其需要诱导的行为(戴明). 如果做得好，这是否会自然发生，或者每个人都团结一致，这尚无定论, 这实际上是由系统的结构决定的(我们将在稍后讨论学习型组织时看到Demmin和Sange更多这方面的内容). 一旦我们认为我们理解了我们的系统，并开始专注于改变系统(即通信模式)以消除约束以满足需求，那么——正是因为我们满足了人们的需求——行为就会出现.
什么下一个?
感谢阅读! 下次我们将看看数据驱动的组织是什么样子的, 从它做什么和如何做的角度来看. 这将涉及到数据与信息, 相关性与因果关系, 行为, 学习组织和系统思维.
