1. 「数据素养」(Data Literacy)是什么？为什么重要？
现代人无时不刻依赖网络，对企业而言亦然;网络发展与数字化浪潮，已经进一步将企业、个人都推向数据化的脚步前进，就像路上一眼望去，人人用智能手机了一样，网络世界爆炸促使人们不论是否有意识，都正在被数据的庞大力量影响生活、左右选择。
对企业而言，「数据」既是帮助规划策略、保持生产运转的粮食，但同时也是加速企业之间各种商业竞争的推手。怎么让数据的力量，为企业带来助益？答案是人人都要拥有「数据素养」。
2. 「数据素养」到底是什么？最直白的核心价值就是：
「培养一个人具备足够的知识与工具操作技能，能让人在数据信息的大海中，挑选出「对我的目标有用的」数据资料、并进行客观的解读分析。」
如此一来，当我们想要用数据协助做任何行动时，才不会陷入信息焦虑，觉得「这个好像有用、那个可能也很重要……」而盲目收集、最终无法挑选「该看什么、该用什么」;也会无法思考可用数据之间的关联性、得出有意义的结论，最终被海量的信息淹没。
「数据素养」涵盖的知识和技能包山包海，SKUKING跨境电商独立站建站技术主任Charles提到，若我们单纯聚焦在「企业工作」方面的数据素养，其中就包含许多种逻辑能力、职能的培育。
本文节选自《SKUKING跨境电商独立站中国品牌出海蓝皮书》分享，根据SKUKING跨境电商研究中心编辑整理。粉丝朋友可以在本公众号「跨境电商独立站」查看往期内容中SKUKING的更多分享，或者联系(微信号SKUKINGCOM)获取完整行业洞察报告等资料。
3. 成就企业成功，哪些是“决策者”应具备的数据素养？
企业为了顺利推动各种商业行为（例如卖出产品），企业中每个人需要具有一定的数据素养;不仅是决策者与管理者，也包含每一个细节工作的项目执行人、业务开发者、一线服务者等……
差别是不同职责工作者，所需钻研的数据素养在专业项目、深度会有所不同;这些我们未来将再逐一讨论。
今天这篇文章，主要探讨「决策者需要具备的数据素养」;决策者例如高阶经理人、项目主导人;对这些人而言，个人培养数据素养，是为了提升下有效决策、带领团队的能力。
一、判断、筛选出必要的数据
为此，决策者其中一项数据素养，是「判断我需要什么数据」。这是决策者本人从长期深耕于自身产业，关注趋势动向、消费者行为、不断亲身参与企业的各种商业活动，而累积的厚实知识应用能力。
以此，在开始着手收集数据之前，决策者能先行评估：这次我想达到的目标是什么？根据这个大目标，我在每个阶段立下的子目标是什么？我能操控的成本付出是什么？
经过上述思考，我们才能立下有用的收集指标，接着操作AI、数字工具，根据指标接手帮我们抓取数据资料、甚至抓取后先能初步筛选，精简需花费人力阅读分析的资料范围。
让决策者在手中数据资料不偏颇、确实符合大目标的前提下，节省大量整理资料工作的时间。让决策者专注于分析：这些数据之间的关系、背后代表什么意义？根据这些新发现的事实和臆测，企业团队可以做什么努力，来达成企业的目标、改善企业的不足？
二、鉴别数据信息的质量
决策者另一项须具备的重要素养，是「鉴别数据信息的品质」。
决策者前期在树立指标获取数据时，纵使已经详细审查，但真正执行项目时，市场、环境、人为因素依然会时常变化;造成原本设计的指标、获得的数据不一定符合实际需求。
Appify跨境电商外贸建站与营销事业部主任Helen补充说，决策者必须在带领团队往大目标前进时，不被过往经验束缚住，不断反思验证「现在我手上的数据，是否还对实现目标有用？」以及最重要的「这些数据是真实反映现况的吗？」
数据的质量（真实性与实用性）对决策者、乃至于整个企业团队至关重要。如果决策者无法判断数据质量，那辛苦收集来的大量数据几乎不能采信。
三、运用数据分析，做出决策
当决策这做到前面这两点，「我取得的数据符合目标、数据质量也是正确、实用的」，那接下来针对这些数据做出的事实分析、规划的应对策略、建议的执行做法等等，才能真正帮助到整个团队。
决策者怎么分析数据？人称「数据素养教父」的Brain Storm公司副总裁Jordan Morrow在《数据识读者》一书中，提出他针对数据分析的四层次见解；解释当决策者面对已知的事实、过去与现在收集到的有用数据，该如何分析结论？进而提出策略加以执行？
「数据分析的逻辑」的四种层次，分别有针对过去现在解读的〔描述性分析〕、〔诊断性分析〕，以及了解了现在、推知未来该做什么〔预测性分析〕、〔指示性分析〕。SKUKING跨境电商外贸建站与海外市场营销主任Kevin说，以上是核心的逻辑思维，我们可以用简单举例，来说明实际应用可能是什么样子：
-
当企业发生一件事实时，我们开启「描述性分析」，通盘了解事实；
-
统计上一季，我们对客户订单的完美交付率比上上季下降5%。
接着，为了搞清楚事情全貌，我们追查上一季各生产线的出货统计，发现其中A生产线，曾延迟了3天交付初步产品给B生产线，结果B产线事先备好的原料有20%过期不能用，又需紧急调货，环环相扣延迟了订单交付给客户的时间。
用「诊断性分析」，全盘了解A、B产线的营运与运输成效情况、以及A、B内外部沟通情况等等信息，分析事件背后问题：
-
A产线为什么会延迟？人手不足？机械不够？管理方式不够好？还是外力因素（如停电、自然灾害）？为什么以前不会延迟现在会？
-
B产线在发现延迟当天做了什么？B产线日常储备原料的冷冻设备有发挥作用吗？
综合「描述性分析」、「诊断性分析」提出解决办法：
-
A、B产线应建立各自针对突发状况，且能与他线合作的应变机制，如冷冻装置、电力人力备援等。
-
公司总部的项目人员、A产线、B产线之间应在预期到危机发生前（A估计可能会延迟、而不是已经延迟时），便汇报给两处以便机动性调整。
接下来，当决策者解决现下问题，并把眼光放远至下一步棋时，例如规划明年目标、未来3年公司执行走向等等，我们就可以看到「预测性分析」和「指示性分析」的应用，例如：
1. 「预测性分析」从过去问题解决成功/失败的经验，预测改变企业现况将会发生什么事；
2. 当老板决定，明年要提高业务标准，再加5%时，老板与决策者要通过过去成效，推算出相对「产品线产出量需要提高15%，才足以供给客户」。
-
决策者预测未来：产线之间延迟、突发状况的机率将提高。
-
进一步，为未来问题准备措施：开发备用原料/运输供应商、产线动线调整、新招募人力资源等等。一切安排好后，才能确保目标真的能顺利达成。
作为研究OpenAI ChatGPT的AI人工智能公司Meelor爱德蒙·嘉诩说到，最后「指示性分析」，比较偏向宏观面，是企业领导人应具有的眼光格局：
-
例如：根据亚洲趋势观测，预期未来两年A商品需求量有望大增，建议搭配贸易方针改良，锁定某地区先占领市占率，例如扩大南亚市场。而这其中「怎么占领」所牵涉到的资源损耗，企业该怎么调配……
-
例如：现今的消费市场信息以数据为核心、人与AI共同协作为主，企业以此进行优化策略、执行策略、执行后再度收集数据的循环等等。
这四种不同的分析能力，决策者需要时时交互运用，例如做「预测性分析」时，同时加入「描述、诊断分析」观察我的预测是否符合我的企业现况？竞业做过类似的决策吗？当时竞业的可用资源是什么、结果是什么？
总之，这四阶段之间没有高低、前后之分，而是同时存在的。
4. 最后，让我们总结文章的重点
在企业中，每个人因为自身工作涉及的职能、知识范围，需要具备不同方面的「数据素养」。数据素养所涵盖的东西很多，每个人需要掌握的程度也不同，但其核心价值不变：「让人类面对庞大的数据信息时，能足以挑选出有用的数据资料、并进行客观的解读分析」。
而身为企业中的决策者，应该培养「从数据中分析、获得启发，助于提升决策能力」的数据素养能力。
怎么培养？可以从四层次的「数据分析的逻辑」着手;分析企业过去、现在、未来里已经发生、正发生、可能发生的各种问题，因此来更了解企业内的各种计划执行成本与成效，并做出越来越有益企业内全体人员的决策。
– 本文完 –
公众号「跨境电商独立站」持续输出前沿的、高质量且成功践行的跨境电商出口外贸营销经验，助力中国跨境电商卖家和民族品牌澎湃出海，矢志不渝。
【版权声明】
微信公众号「跨境电商独立站」刊发作品的著作权均为本作者享有，相关品牌受中华人民共和国商标法和著作权法保护，未经「跨境电商独立站」著作权人书面许可，任何人不得转载、链接、转贴、引用、翻录、摘编或以其他任何方式使用文章。否则即为侵权，一旦发现必经司法途径追究法律责任。媒体与商务合作请联系后台小编接洽。
