1.和量化人员共事。
关于计量分析师，与他们建立紧密的工作关系，对经理人来说相当重要。你懂得商业问题；而你的「计量分析师」懂得如何收集有关那个问题的数据并加以分析。为了让这样的合作关系顺利运作，双方都要互相援助。你基本上算是非计量的经理人，必须帮助你的计量分析师全面了解你的问题，一个做法也许是让他们在相关领域工作几天。你的计量分析师必须用一般的商业语言来和你沟通，处理你的问题，努力解决它直到你满意为止。你的分析师或许不是非常擅长和经理人应对，而你可能对计量分析心怀畏惧。但你们总是得设法找到形成共识的基础。
2.理解不同类型的数据和它们的涵义。
最近，你会听到许多关于大数据对你的事业多有价值的说法。但是大多数的经理人，并不真正了解数据大与小的差异，并滥用「大数据」这个词汇。你用什么名称来说你的数据资料，并不是那么重要，但是，知道不同类型数据的差别，却相当重要。
小数据──尽管「小」，但很有用──指的是资料量是能被管理的规模大小（能够置于单一伺服器内）、形式已经结构化（行与列）、变动相对较不频繁的数据。小数据最有可能来自你组织的交易系统，例如财务系统、客户关系管理（CRM），或是订单管理系统。你们公司大概已经分析这种类型的资料很多年了。虽然最近小数据没有得到媒体太多关注，但是它对理解你的客户和公司的财务表现、调整你的供应链，都是必要的。
大数据则难以驾驭。资料量太大无法放进单一伺服器，相对比较不结构化，而且变动快速。大数据更有可能来自你组织外的业务交易──你的顾客和潜在顾客在社群媒体上谈论的内容、他们向你的电话客服中心说了什么、还有他们在你的商店里的举动。大数据带来非常好的机会，但是将它转化为易于分析的结构化形式，往往是个挑战。如果你想成功运用它，与你合作的计量人员可能必须是数据科学家。
3.理解不同类型的分析和它们的涵义。
许多年来，大多数的分析都是叙述性的──将过去发生的事情，总结在简单的数字报告和数字图表中。但那不是唯一的种类。预测分析运用统计模型，使用过去的资料预测未来。规范分析（prescriptive analytics）为人们如何在工作中做决策提出建议。大部分的经理人，需要别人催促才会采用这些不太熟悉的预测分析、规范分析，它们的价值通常远远高过叙述分析。几年前，我制作了一支影片，解释叙述、预测和规范分析的相异之处，需要多补充这方面知识的经理人，很适合看看那支影片。这些种类的分析仍然非常重要，但我日渐着重于一个新的种类：自动分析。这些分析性的决策不是由人类，而是由电脑所作。许多常见的分析性决策，完全是自动产生，例如银行发行信用卡或是保险合约。这些现象预告了，我们在公司内组织与管理分析的方式会产生剧变，甚至可能对决策者的工作造成威胁。
4.探索分析的内部与外部运用。
最后，经理人必须知道分析的内部、外部运用有何区别。过去以来，分析几乎只用在支援内部决策。当然，这方面仍然有用，但是公司现在也使用数据与分析，来创造新产品和新服务。而且不只是你预料中的Google、LinkedIn那类数位公司会这么做；主流企业像奇异（GE）、孟山都（Monsanto）和一些大型银行，都推出这类「数据产品」。这是组织的新选项，而经理人需要理解、探索它。
掌握这些基本知识无法让你成为分析专家，但会让你更有效使用这项重要资源。而现代商业世界中，不懂得分析，会对你和你的公司荣景造成危险。