2.1　什么是分析

当使用分析这个词时，我们指的是将整体分解为各个组成部分，以理解各个部分的价值、种类、数量或者质量的过程。这不仅意味着从整体得到特定情况的成因，也不只意味着总结采集的信息，这是分解问题。现在的管理思路是，每个组织至少需要一些专业人士，主动地参与每个部分的评估和检查。

你怎么评估和检查每个部分？

分析是科学和非科学过程的多角度、多学科组合，人们利用它解读数据或者信息，提供有意义的见解。它用于找出关联，评估趋势和模式，识别绩效差距，最终识别和评估组织的机遇。分析回答和所收集数据相关的“那又怎么样”和“现在怎么办”等关键问题，提供与决策直接相关的深刻见解。

高效的分析需要经验、好的输入信息、直觉、模型，有些人甚至认为需要好的运气。必须不断改变和平衡艺术与科学、常识与模型以及直觉与指令的组合。

我们进行分析的原因是，虽然存在丰富的信息，需要分析的问题往往很复杂，实际的总体情况可能并不是显而易见的。

图2.1说明了分析的通用方法。

图2.1　分析的通用方法

分析过程取决于原始数据。但是，仅凭数据并不能促成高效的分析。采集和用于响应需求的数据必须经过评估，了解其准确性和可靠性。

你必须知道，了解准确性意味着至少承认不是所有数据的质量都一样。有些数据可能很出色，有些数据无足轻重，有些数据很糟糕，有些甚至是欺骗性的。你必须评估数据来源，知道输入数据是否准确可靠。无效的数据几乎总是产生无效的发现，正如俗话所说，“种瓜得瓜，种豆得豆”。

数据来源提供数据往往有不同的原因。知道个人或者群体数据的根本成因在确定它们是否适合于分析时很重要。有些数据来源因为在数据集中引入偏见而臭名昭著。例如，有政策议题的宣传小组往往在提供给政策制定者的数据中带有偏见，有时候遗漏对其立场不利的数据，而过分强调支持其立场的数据。你可能已经知道，高效的分析取决于高效的数据采集和信息收集。

数据采集欠佳，无法执行好分析。我们曾经遇到许多人，他们希望痛饮神秘的“分析之泉”，也就是使用人们更熟知的所谓“魔弹”软件，依靠它们可靠地执行分析任务。这种东西并不存在，而且我们非常怀疑它有朝一日是否真会出现。不过，我们相信参加某些活动，确实有可能提高这一过程的专业水平。

·清楚地了解决策的客户将使用分析的哪些结果，如何使用这些结果

·选择和分类数据及输入信息（也就是，从“最好知道”或者“谁对这个感兴趣”的项目中得出“必须知道”的项目）

·选择适用于特殊需求的分析技术，以及应用它们的时机和顺序

·知道你需要了解和传达的信息，高效地通知组织决策和决策者（也就是意义表达）

好的分析源自持续的实践。正如顶级的运动员反复地练习和改进动作，直到能够毫无缺陷地完成它们一样，对本书中描述的技术进行越多实践，对每种技术的应用就越娴熟，你提出的见解就越高明。

分析技术的应用是否能够实现其效果取决于许多因素。根据我们对这些技术应用的经验和理解，你在进行正式分析时应该记住几个要点。

首先，许多组织使用正式的方法作为管理决策的捷径。本书的方法以实验研究为基础，并由一系列管理学科发展出来的可靠理论支持。我们以简洁的风格单独介绍各种方法，不宣称这些应用能够带来“魔弹”般的答案。

其次，没有适合所有情况的分析工具。分析的深度与复杂度取决于商业环境和你的需求。先理解需求非常重要，没有一种方法能够回答决策者在改进竞争力中所需要了解的所有问题。特定分析技术几乎总是用于特定的目的，多种技术组合应用才能得到最优的结果。

第三，你应该警惕，不要过于依赖少数技术。这在没有经验的分析人员中很常见，原因主要有：

·他们过去应用某种特殊技术得到了正面的结果。

·他们已经适应了这种技术。

·他们拥有支持重复应用相同技术的方便数据。

可能由于各种原因，使用本书中描述的技术不能让你得到构想和实施有效竞争战略所必要的分析质量和数量。例如，我们的经验表明，利用这些技术，很容易从不完整或者有缺陷的数据中得出不正确的结论。如前所述，数据的质量对于高效的分析输出至关重要。

你还应该注意，尽管分析技术十分丰富——我们在本书中就描述了其中的12种，有些管理人员仍然会因为认知的扭曲和偏见做出糟糕的决策。研究人员已经找出了分析过程中可能出现的各种常见偏差，包括以下几种。

·加大投入：管理层在一个项目中投入越来越多的资源，甚至在他们收到了项目正在走向失败的证据时也不肯罢手。更为理智的行动应该是以放弃减少损失。但是在这种情况下，理智往往无法战胜个人的责任感、不愿意承认失败或者不愿意承认支持初始决策的前提已经变化的心态。

·群体思维：这发生在一群决策者（例如高管团队）没有全面考虑决策前提就着手一系列行动的情况下。这类行动往往基于情感而非对正确行动的客观评估，在具有强势领导和文化的组织中，最常出现这种情况。

·控制错觉：这是人们过高估计自身对事件控制能力的倾向。例如，某人曾经多次选中获奖的彩票号码，他可能开始相信自己擅长此道，这往往是过度自信的结果。高级管理人员特别容易出现这种认知偏差。

·先入为主：笃信变量之间关系的人倾向于根据这些信念做出决策，甚至在分析提出与之相悖的证据时也不做改变。此外，这些人往往只寻求和使用能够确认他们的信念的数据，而忽略与之抵触的数据。从战略的角度看，这可能发生在管理人员坚信组织现行战略有效时，即使证据显示其并不恰当，他们仍然继续鼓吹现行战略。

·简化：人们用简单的例子去理解并不是那么简单的问题。过度简化复杂的问题是危险的，可能误导组织做出错误的决策。这是我们在应用本书所述技术时最应该注意的关键点之一。

·代表性：这是违反大数统计原则的一种偏见。人们往往表现出一种倾向：从少量样本（例如经验）归纳，得出对更普遍的现象或者更大群体的解释。

上述偏差的存在，为分析过程及其目的和结果带来了问题。组织中的人常常采集超出决策需求的信息，这样做部分是为了影响其他人，另一部分是为了表现自己工作勤奋并让自己的结论显得很合理。换言之，分析常常不仅用于客观的决策，还用于政治目的。

实际上，如果人们能够自行决策，没有必要说服别人，那么分析的必要性就大打折扣了。

因为这些问题和相关的其他问题，本书所描述的技术绝不应该用于回避为了全面理解组织目前与未来商业和竞争环境所必需的战略性思考，这些技术有助于深化战略思考，但不能代替它们。

成功地执行分析需要什么条件呢？成为高效的分析人员就像冲浪——日复一日地到海边去，尝试寻找和利用最好的波浪。在每个项目中，最好的分析人员不断地做出权衡，沿着分析环境中的12个连续统一体重新定位理想化的方法，这些统一体包括：

资料来源：C.S.Fleisher和S.Wright“Causes of competitive analysis failure：Understanding and responding to problems at the individual level”，Journal of Strategic Marketing，2010，18（7），pp.553~572页。

我们可以在本书中描述数百种战略、战术和经营分析技术，但是我们没有这么做，而是广泛地研究了这一领域的大量文献，结合调查研究和我们自己的经验，确定最适合在分析过程中广泛应用的方法，介绍给广大读者。

正如第1章所述，本书研究了12种所谓的“经典”商业和竞争数据信息分析技术。这些技术包括了环境、行业、竞争对手和组织分析模型，能够帮助任何商业人士从有限的数据中得出高效的结论，将似乎并不匹配的信息组合起来。

记住，任何技术列表都会遇到语义和定义混乱的问题。本书所描述的一些技术有多种名称。这可能是因为该技术与特定的起源组织（例如BCG矩阵）或作者（例如Porter的五力模型）相关，也可能是因为该技术已经有了一个通用的术语（例如竞争对手分析）。我们承认，本书介绍的某些技术在多年的使用中已经进行了改良，或者本身就是其他相关技术的衍生品。在所有情况下，我们都试图加入最为人熟知的版本，而不是该技术的所有衍生品。我们将在正文中引用支持技术，提醒你不同技术的重叠之处。

我们还必须指出，我们的意图并不是重新设计现有的分析技术，本书介绍的技术都有其历史。它们已经实际用于组织之中，并不只存在于教室或者理论之中，它们可以实实在在地用于分析你的组织遇到的市场挑战和机遇。