数据驱动型决策：数字时代的成功之道
有效制定数据驱动型决策的6个步骤这些步骤可以帮助您搞清楚“谁、什么、哪里、何时以及为什么”，从而让您自己、您的同事和企业能够充分利用数据。但是请记住，可视化分析周期并不是一个线性周期。一个问题常常会牵出另一个问题，这可能意味着您需要返回其中某个步骤或跳至另一个步骤，最终得出有价值的见解。
步骤1-确定业务目标：此步骤要求您了解贵组织的执行目标和下游目标。这既可能是非常具体的目标（例如提高销售量和网站流量），也可能是较为模糊的目标（例如提高品牌认知度）。这将帮助您在稍后的步骤中选择影响数据决策的关键绩效指标(KPI)和指标—它们将帮助您确定应该分析的数据以及应该提出的问题，从而使您的分析能够支持关键业务目标。例如，如果营销活动的重点是提高网站流量，则可以将KPI与捕获的联系信息提交量联系起来，以便销售人员可以对潜在客户进行跟进。
步骤2-对业务团队开展关键数据源调查：为了确保成功，必须从整个组织收集意见和建议，以便了解短期和长期目标。这些意见和建议可以提供关于人们在分析中提出哪些问题的信息，帮助您确定已认证数据源的优先级别。
来自整个组织的宝贵意见将为您的分析部署和未来目标提供指导信息-包括角色、职责、架构和流程，以及能够让您了解进度的成功衡量标准。
步骤3-收集和准备您需要的数据：如果您的业务信息分散于多个相互隔离的数据源中，那么您需要克服很大的障碍才能访问高质量的可信数据。一旦了解整个组织的数据源广度，您便可以开始准备数据了。
首先准备影响力高但复杂性低的数据源。优先考虑受众最多的数据源，以便迅速产生影响。使用这些数据源来开始构建高影响力仪表板。
借助一个能够提高数据准备速度的分析平台，营销机构Tinuiti对100多个数据源进行了集中化，从而能够为500多家客户创建自定义仪表板，并向他们全面介绍其品牌工作。
步骤4-查看和浏览数据：数据的可视化对于数据驱动型决策(DDDM)至关重要。如果能够以具有视觉冲击力的方式呈现您的见解，您就可以对高层领导和其他员工的决定施加更大的影响。
数据可视化包含大量可视化元素（例如图表、图形和地图），让您可以便捷地查看和了解数据中的趋势、异常值和模式。您可以使用多种受欢迎的可视化类型来有效显示信息：使用条形图来进行比较，使用地图来呈现空间数据，使用折线图来呈现时序数据，使用散点图来比较两个度量等。
步骤5-形成见解：使用数据进行批判性思考意味着找到有用的见解，并以实用、精彩的方式传达这些见解。可视化分析是针对数据提出和回答问题的一种直观方法。发现影响您能否成功或能否解决问题的机会或风险。
JPMorganChase采用了现代分析解决方案来制定对银行的正常运营至关重要的决策。JPMC借助客户数据来查看业务线关系（即产品、营销和服务接触点），从而全面了解客户历程。举例来说，营销运营团队会执行各种分析，这些分析会影响各方面的设计决策，例如网站、营销材料，以及Chase移动应用程序等产品。
步骤6-根据见解采取行动以及分享见解：发现见解后，您需要采取行动或与他人共享见解以进行协作。一种方法是共享仪表板。通过使用信息丰富的文本和交互式可视化来突出显示关键见解，您可以影响受众的决定，并帮助他们在日常工作中采取更明智的行动。
“数据驱动的织造智能工厂关键技术研究及产业化”项目通过科技成果鉴定
2023年7月2日，受中国纺织工业联合会委托，中国纺织机械协会在浙江省兰溪市组织召开了由浙江理工大学、浙江鑫兰纺织有限公司等承担的“数据驱动的织造智能工厂关键技术研究及产业化”项目科技成果鉴定会。
该项目研发了整经自动挂纱-送纱机器人、浆纱自动上下轴机器人、织机自动上轴-落布机器人、坯布整理自动上下卷机器人、经轴布轴智能立库等系列自动化装置，打通了织造物流流程断点；创新了多曝光图像融合增强算法及高质量瑕疵样本数字化合成深度网络算法，构建了基于并行空洞注意力模块和有偏特征融合结构的织物瑕疵图像检测模型，研发了基于多面阵相机的宽幅织物瑕疵检测系统，提升了瑕疵检测效率与精度；构建了云边协同的企业数字化应用模型，开发了适用于织造企业的ERP、EMS、APS、MES、SCADA等信息化系统，实现了织造企业生产管理、质量管控、流程执行、订单排产、业务协同等数字化场景的快速部署与动态加载。
鉴定委员会专家听取了项目的研究工作和技术报告、用户使用报告、查新报告等，审查了相关资料，考察了生产现场，复核了主要技术指标，经过质询讨论，形成鉴定意见如下：浙江理工大学、浙江鑫兰纺织有限公司等承担的“数据驱动的织造智能工厂关键技术研究及产业化”项目整体技术达到国际先进水平，鉴定委员会一致同意该项目通过鉴定，并建议进一步加快市场推广应用。