在过去的几年里一些公司的领导在大力宣传大数据的价值，包含公司内部数据或者外部数据所产生的一些有用信息。其实他们真正想告诉我们的是我们能基于数据驱动做一些决策，而且会比常规的决策（拍脑袋）要好很多。当然做出的决策有背后数据支持听起来确实比较靠谱，但是怎么样去实施基于数据驱动的决策却是一项挑战。
数据驱动意味着什么？
成为一个数据驱动型公司不仅仅是收集数据然后偶尔去看一下。真正的数据驱动型公司，做每一个决策都是根据分析大量的相关数据得出，而且整个公司的大方向也是由不断的进行数据分析得来。
每一个员工应该把收集数据，分析数据和从中学习当做一个日常事务。数据应该被分享，被用做商业计划、商业报告和对目标的内部监控，还为了说出我们的故事。
为什么数据驱动很重要？
答案很简单：因为有数据当作证据做出的决策比一些带有主观意识的直觉和假设会可靠.用数据驱动的方法，我们可以随着时间的推移观察出我们所做决策所产生的效果，对问题也变得容易标查觉，还可以很清楚的发现可接受的创新或者解方案。MIT(Massachusetts Institute of Technology)麻省理工学院数字化商业研究中心发现数据驱动型的公司会提高4%的生产率和6%的盈利。
数据还可以帮助员工提供一个很好的基线去把他们的行动和产出连接起来，这些可以给提升带来更多的机会。
绩效考核能基于可衡量的工作成就而且管理者也能观察出整个团队做得怎么样，团队的长处和短处在哪里。
Fred Shilmover，InsightSquared 公司的创始人兼CEO，在访谈时说：
“你能选择很好的利用数据去做更好的决策也可以忽视它而被抛在身后”
数据驱动策略的4步
1.尽可能收集多的数据
基于数据做决策的第一步就是拥有数据。 想想现在的云平台多么便宜，没有借口说是不去收集和存储数据。这些数据或许有用，或许没用，不过直到我们把这些数据真正的分析起来我们永远不知道这些数据有没有用。
当我们收集数据时需要收集公司内部产生的数据（google分析，Saclesfoce，用户数据，订单数据等等）和 外部的一些数据（社交数据，竞争者的数据，市场数据等等）。现有的一些数据收集和分析工具允许我们添加任何种类的数据，只要我们能想得到。
2.设置可衡量的目标
设置一个可以衡量的目标（如： 年收入增长20%），这样当我们没有达到这个目标的时候会去分析为什么没有达到。去分析我们没达到目标的唯一算途径就是去分析相关数据。这将帮助我们去看哪些数据会影响到相关业务。我们做的每一次决策都应该有可以衡量的输出。这些目标并不是什么比较高级的目标，我们可以在不同的项目，不同的人身上设置不同的目标。这个举动不仅仅只是评估决策带来的效果，而且可以让员工感觉到他们对公司做出的贡献。
3.确保数据对每一个人都可用
当我们收集到数据之后，确保数据对每个人都是可用的，不是只给IT部门使用。为了培养数据驱动的氛围，每个部门要承担与该部门业务相关数据Owner的职责。为了达到这个目的，培养员工对数据的熟悉程度非常重要。
Elissa Fink，Tableau软件的CMO说：带领公司走向成功意味首着要给人们和数据一起工作的机会。让数据对所有员工都变得易使用能转变公司的文化。有利于建立公司的底线。
要使得数据让每个人都能用，我们需要一位主管级的人物来对数据的策略实施进行负责。管理团队里的人需要拥护数据驱动的实施策略，而且要从下至下进行实施。
4.雇用数据专家
我们需要把公司中每个部分的数据都融合起来，但是真正要从中做比较深入的分析还是需要数据专家。我们的员工可能熟悉使用和分析数据，但是我们不能期望他们做比较复杂的数据挖掘。这样我们需要试着去找一些数据专家，能在数据科学，数据挖掘，数据营销和策略都有比较深入研究的专家。这些专家不仅仅能把非结构化数据转换成结构化数据然后做常规分析，而且还能帮助公司去思考哪些数据需要收集，哪些消费者真正需要数据分析，怎么样把基于大数据的产品和服务整合成有效的商业模型。
提高数据驱动的进程的优先级
成为数据驱动型公司首要就是提高这项目事务的优先级，从最高管理层出发。公司里的每个人都应该积极的响应去达到数据驱动的目标。这意味着需要组建一种这样的公司文化。
有远见的公司会把数据分析当作日常事务来处理。他们把数据分析放在所有重要决策的核心位置。他们还能容忍问题，甚至质疑关于商业决策的过程，只要是该问题是基于数据分析提出来的。这就意味着这是一家数据驱动型的公司。
