是什么让你的公司不能运用数据分析，走向数据驱动之路呢？可以给一个提示——它与Hadoop无关。

在SAS举办的高端业务领导者会议上，麻省理工学院的首席科学家Andrew McAfee声称，制定有效的数据驱动的决策的阻力往往来自于“高层管理者的意见”，有时公司的管理者会成为通向数据驱动的巨大障碍。

很多公司在运用数据分析的时候都会面临这样一种情况：数据团队希望通过数据分析找到最佳的战略或方法，但公司总裁或管理层可能根据非专业的因素处理数据工作，比如他们的直觉或经验。这种方式不但大大缩小了数据产生的影响，而且妨碍在决策制定流程中直接使用数据。

McAfee认为，很多上述管理者觉得自己制定决策没问题，毕竟，他们自诩拥有多年从业经验和精深的专业知识。但是事实证明，让这些所谓的专家凭着直觉做决策，远不如采用数据驱动的决策流程。曾任职于纽约时报的Nate Silver在2012年大选时运用数据分析预测各州选票结果，大获成功。这就是一个很好的例子。

美国明尼苏达大学所做的题为“临床对比机器预测：元分析”的研究表明：预测人类行为的时候，数据建模明显比专家意见更准确。McAfee认为，该研究恰能说明，公司应该修改决策制定流程，以免过度依赖专家。

“研究表明数据驱动方式是对的。但实行起来也面临着困难，因为这需要高层管理者的配合。”

数据不是万能的，管理者仍是决策制定的一部分。总要有一个人决定要利用数据做什么。

例如，数据驱动的决策可以告诉零售商，它的优质客户是谁，什么样的广告能够刺激他们购买。但它无法决定业务的增长目标是什么，公司在竞争对手中处于什么样的位置。这是决策执行者掌控的范畴。McAfee认为，这意味着在决策制定流程的起始，问题还不很明确的时候，应该征求管理者的意见。

英国零售连锁店乐购的前CEO Terry Leahy也出席了该会议，他表示成功的业务，是聆听消费者需求的业务。这就需要使用消费者产生的数据来指导市场战略、产品采购和决策制定。

Leathy强调：“数据是消费者发出的声音，你需要把它带入组织的核心。消费者的声音比CEO的想法更重要。”

不过Leathy也承认，很难在公司文化中融入这样的理念。目前很多CEO确实让数据帮助制定决策，但不会过多地抬高数据的地位。

Leathy建议，在帮助管理者理解数据驱动决策的意义时，分析人员在呈现数据结果的时候，可以着重介绍数据是如何反映消费者需求的。很多分析人员只顾着讲专业的数据统计，要知道这既无聊又让人不知所云，只会让管理者更难以认同数据驱动决策的价值。但管理者很容易理解数据反映出的关于消费者的生活方式和偏好等信息。