共计 7682 个字符,预计需要花费 20 分钟才能阅读完成。
笔者在《深刻聊一聊企业数字化转型这个事儿》一文中给出了数字化转型的定义,即:通过利用数字化技术来重塑企业的信息化环境和业务过程。实质上来讲,企业数字化转型,不仅是技术方面的降级,更是企业文化、思维形式的转变。
那么,企业数字化转型到底须要什么样的思维形式?
一、企业数字化转型须要什么样的思维形式?
不晓得你有没有过这样的感觉:不晓得从什么时候开始,和人沟通过程,以及要压服他人的时候,光靠一嘴的“笨口拙舌”仿佛行不通了,他人总会要求你“用数据谈话”;当你给领导汇报工作的时候,领导也会要求你“用数据谈话”。事实上,用数据谈话就是一种思维形式的转变。
数字化时代,数据连贯所有,数据驱动所有、数据重塑所有,数据是企业数字化转型的外围因素。数据在企业决策过程中,将施展出越来越重要的作用,尤其是在商业活动中,数据不仅可能辅助企业疾速做出决策,实现降本增效,甚至能够重构企业的商业模式。
- 数据连贯所有
数字化时代,人们所处的环境是一个由事实世界和网络世界组成的虚实交错的世界。人们把事实世界的事物、事实和分割,用数据记录下来,造成了一个形象的网络世界。在事实世界中的人、事、物,都有着泛滥的特色和千头万绪的分割,这一切都是通过数据来形容和连贯,数据实现了人与人、人与物、物与物之间和互联,造成了对事实世界的形象。
- 数据驱动所有
数字化时代,在各种数字化技术的影响下,数据的个性和价值产生了很大的变动,从原来数据只是作为业务流程的输出和输入,转变为驱动企业经营和治理的重要因素。企业通过将各业务畛域的数据进行收集、交融、加工、剖析、开掘,从而可能发现业务中问题,帮忙企业做出科学合理的决策。数据是主观的、清晰的,可能帮忙企业化繁为简,通过繁芜的流程看到商业的实质,更好的优化决策。例如:利用各类经营数据,驱动的精细化治理;利用客户数据、商品数据、销售数据等实现精准化营销;利用订单数据、商品数据、客户数据,制订正当的生产打算等等。
- 数据重塑所有
数字化时代,数据的价值不仅在于它能够记录历史,还能预测将来。数据对各行各业正在产生着翻天覆地的影响。例如:在金融行业,企业通过多维度的数据采集与获取、数据的深度加工和利用,实现实时征信、危险审计、外部治理、精准举荐、客户预测、客户散失剖析等诸多利用场景。再如:在制作行业,企业通过对外部利用零碎、内部电商平台、物联网 IoT、以及相干产业链之间的数据买通和交融,摸索和实际智能工厂、个性化定制、制作服务化、产业链全面协同等方面的利用,实现企业业务翻新。
综上,企业数字化转型须要建设“数据思维”,从数据中发现问题、洞察法则,开掘价值,帮忙企业优化资源配置,扩充经营范围,重塑商业模式。
二、什么是数据思维?
企业数字化转型须要数据思维,那么,什么是数据思维?
古希腊哲学家说:“思维是灵魂的自我谈话”。思维是一个比拟玄乎,难以用一两句话说的的分明的货色,其本质是人脑的流动,以摸索和发现事物的实质分割和规律性。
先看一个故事,说某天公司领导要求一项目经理汇报我的项目的实现状况,对话如下:
项目经理:报告领导,我的项目曾经差不多实现了!
公司领导:差不多是差多少?请用数据阐明下状况,能量化的尽量量化。
项目经理:我的项目曾经实现靠近 99% 了!
公司领导:晕~~~
故事中的项目经理是数据思维吗?
显然不是。只管他的汇报中也用了“数字”,但并不是因为有数字,就是数据思维。就像咱们问 1 + 1 等于几?三岁小孩也能迅速答复进去。但这并不是数据思维,而是人脑依据人体的感官作出的一种天然反馈,是人类进化中对数据的一种天生携带感。
咱们判断和剖析事物的变动造成论断,个别有两种办法,一种是通过对事物所波及的一系列数据进行收集、汇总、比照、剖析而造成论断。另一种是通过感官、教训、主观和理性判断而造成论断。前者能够称为“数据思维”,后者能够称为“教训思维或传统思维”。
数据思维是用数据来摸索、思考事物的一种思维模式,用数据来发现问题、洞察法则、摸索真谛。企业的数字化转型过程须要的数据思维,就是用数据思考,用数据谈话、用数据管理、用数据决策。
- 用数据思考,就是捕风捉影、保持以数据为根底感性思考,防止情绪化、主观化,防止负面思维、以偏概全、繁多视角。
- 用数据管理,就是对主观、实在的数据进行科学分析,并将剖析后果使用到生产、营运、销售等各环节的业务管理过程中。
- 用数据谈话,就是要杜绝“大略、兴许、可能、差不多……”,而是要以实在的数据为根据,基于正当、有逻辑的“推论”,去压服他人,去汇报工作。
- 用数据决策,就是要以事实为根底、以数据为根据,通过数据的关联剖析、预测剖析、事实推理取得论断,防止通过直觉做决定和情绪化决策。
数据思维具备可简化、可量化、可翻新、追求真理等特点。
- 数据思维是一种简化思维
咱们当下生存在一个信息盛大庞杂的时代,咱们的身边充斥着各种侧面的、负面的、全面的、全面的、实在的、虚伪的,各种各样、真真假假的信息,一不小心就会被纷繁复杂的因素所烦扰。在纷纷的信息中咱们思考问题要长于简化,抓住重点,聚焦外围问题,以终为始、抽丝剥茧、多维度收集信息、多角度思考问题,找到高效的解决方案。
- 数据思维是一种量化思维
数据化的外围是量化,所有的业务都能够用数据来量化形容。在咱们的工作中,用数据来量化业务是非常常见的,不论是企业高层领导作出的年度经营报告,还是企业日常的生产打算、采购计划、销售实现状况等都须要用数据来量化形容。短少数据形容的工作报告,无论词藻再富丽,语言再柔美,构造再谨严,其内容都是苍白无力的。数据量化所有,当文字变成数据、当沟通变成数据、当考核变成数据,皆可被量化的所有事物,正在将数据化变成社会倒退的主旋律。
- 数据思维是一种翻新思维
数据是一种“可再生资源”,咱们能直观看到、感触到的价值只是数据价值的“冰山一角”。数据具备可重复使用,组合应用,跨平台应用的特点,企业能够通过多维度的数据采集、交融、重组、扩大和再利用,冲破部门边界、业务边界、零碎边界、技术边界的解放,翻新新模式,开辟新畛域,确立新决策,一直挖掘数据背地所暗藏的“价值”。
- 数据思维是一种追求真理的思维
尽管咱们说“数据不仅可能记录历史,还能预测将来!”。然而,我更要给你强调的是“数据不是万能的”。要晓得,世间万物的关系是非常复杂的,咱们尽管能够用数据来对其简化,但简化必然会导致误差;咱们也能够用数据来对其进行量化,但却无奈穷尽。更要晓得,数据都是历史的,而万物是动态变化的,现有的常识都是也有真伪的。因而,咱们须要深刻探索数据的真实性、客观性,一直探寻暗藏在数据背地的假相,追求真理永无止境。
三、警觉,数据思维中的认知陷阱!
数据思维具备可简化、可量化、可翻新、追求真理等特点。数字化时代,每个人都应该建设起用数据思考,用数据谈话、用数据管理、用数据决策的思维模式,造就用数据来发现问题、解决问题能力。
数据很重要,然而,企业在数据驱动的数字化转型的过程中,也要防止掉入数据思维中的认知陷阱。
3.1 数据收集,越大越好?
数字化时代,随着企业对数据的重要性的意识越来越高,以及数据收集的技术、办法越来越欠缺,即使是小公司也可能轻易领有海量的“大数据”。企业在数据的收集和剖析和过程中,应防止掉入“大而不全”的陷阱。
- 大,次要是指数据的量大,规模大,体量大;
- 全,指的是数据要全面、残缺,思考的数据维度要足够多。
给大家讲一个战国“孙庞斗智”的故事:
在马陵之战中,庞涓长于数据分析,一场战斗过后,他可能通过剖析战败敌军抛弃的“灶”剖析出敌军的人数和战力状况。而孙膑反其道而用之,通过假造“使齐军入魏地为十万灶,明日为五万灶,又明日为三万灶”的数据,胜利施行了诱敌深入,杀死了庞涓。庞涓之死,不仅在于其过于轻敌,但更重要的数据收集的不全面。孙膑撤退的过程中,外表在一直缩小吃饭的灶坑,却在暗地里偷偷增兵,如果庞涓可能在察看认真一些,数据在收集全面一些,不难发现孙膑的“阴谋诡计”。
企业的数据分析也一样,不肯定是收集的数据量越大越好,而更应该重视数据的完整性,器重数据治理,以实现全维度、全过程、全场景的数据分析,反对企业的数字化转型。
3.2 有数据就肯定有假相?
数据作为以后时代重要的生产因素其重要性是显而易见的,然而有数据不肯定有假相。
早在 2008 年的时候,iPhone 手机刚刚诞生不到一年,并没有体现出现在这样的劣势,手机界的霸主仍然是诺基亚和摩托罗拉。那时候,挪动端智能终端设备还存在诸多不成熟的中央,很多人认为智能手机就只是一种时尚,这股时尚风潮也会很快过来,手机还得是要品质牢靠,皮实耐用的。
而 Nokia 也不是齐全没有器重智能手机,他已经做了一个高达 100 万人参加的调研样板,而在那个智能手机尚未遍及,概念都不够清晰的年代,绝大多数的用户压根不分明调研所指的手机和他们本人所用的手机有何区别,大多数用户面对这样宽泛而粗略的调研,答复非常简单:没有趣味。
毕竟:“谁会想携带一部轻便而续航差的智能手机呢?更何况它还那么软弱”。
然而谁又会想到,在不久之后,人们为了购买一台智能手机,宁肯去借钱,甚至去“卖肾”!
因而,有数据也不肯定有假相。数据很重要,但也不要过于科学数据。数据分析样本的片面性、
时效性、数据自身的品质缺点都会导致数据后果失真。即便数据分析后果是实在的,也须要咱们在实践中一直去验证。
3.3 数据让治理变得简略?
随着数据收集和存储变得越来越简略和高价,即便是小公司也能领有“大数据”。从而基于数据的整合、加工、解决、剖析和开掘,帮忙企业发现业务中问题,帮忙企业做出科学合理的决策,“数据驱动治理”的时代曾经到来。
然而世间万物都存在不确定性,企业治理也一样。管理决策、数据分析都存在肯定的不确定性,即使领有了百分百主观的数据分析,也无奈保障决策后果的百分百正确。
企业治理中的不确定性,来自于影响企业管理决策的各种因素的变动速度和复杂性。这些因素包含企业外部治理因素,例如:组织机构、人员、产品、业务流程、信息系统等,以及外部环境因素,例如:竞争环境、政治环境、法律环境、经济环境等。复杂性带来信息的收缩和因素之间的因果关系含糊,疾速变动使得决策难以跟上变动的速度。
数据分析中的不确定性,来自于数据收集,数据处理,数据分析等过程的不确定性,数据收集是否残缺和齐全,数据处理是否正当和精确,数据分析是否及时和无效,后果的解读是否规范统一等等,简直每一个环节都存在不确定性
不确定性让治理变得错综复杂,各种表象覆盖了事实。如果企业管理者不足对信息和数据的洞察力,不足透过信息表象追溯根源的分析判断能力,不足大局观和利弊差别的决断能力,不足决策后可能结果的预测预防推算能力,即便有了主观残缺的数据,也不会让企业治理变得简略。
数据可能为业务赋能,但也要分明事物是动态变化的,任何预测都存在不确定性,必须联合现状和需要,通过“数据和业务的双引擎驱动”循序渐进的推动企业的数字化转型。
四、数据思维该如何建设和造就?
4.1 造就对数据的敏感度
数据敏感度是对数据感知、计算、理解能力,是通过数据的表象了解事物本质的水平。对数据敏感的人,看到数据可能找出问题,找到法则,发现机会或做出决断;对数据不敏感的人,看到数据只会问这是什么,这反映了什么,这能阐明什么?对数据毫无敏感而言的人,“数据就是数据”,甚至不会想到以上问题。
人并非天生就会对数据产生敏感度,人们对数据的敏感度来源于教训的积攒,看的数据越多,品种越丰盛,解决的问题越多、敏感性就越强。因而,数据敏感度是能够造就的。
所谓造就数据敏感度,实质上就是造就通过数据发现问题、解决问题的能力,能够从以下几个方面动手:
- 品质评估,对数据的表象和品质进行评估,判断数据是否残缺、是否精确、是否合乎业务标准?
- 辨认真伪,可能对数据的虚实做出判断,看出数据中存在的猫腻,例如:年度报告,本事业部往年老员工的到职率为 0,实际上新入职的员工有少量到职的。
- 找到因果,可能通过数据找到事物之间因果关系,从而找到产生问题的次要起因和根本原因。例如:产品销量降落了,间接起因是客户量减少了,实质起因是市场呈现了更具竞争力的产品。
- 找出关联,可能通过数据多维采集和剖析找到事物之间关联关系,关联剖析是洞察事务实质的重要形式,关键点在于数据维度全、数据样本残缺且具备足够的代表性。
- 判断优劣,可能通过数据的比照判断事物的好坏优劣,例如:季度销售完成率为 50% 的报告,如果没有历史数据作为比照很难判断出这个季度销售业绩的好坏。
- 洞察法则,可能从数据中找到事物倒退的法则,例如:今人为了农业生产须要,适应自然规律,通过对春夏秋冬、冷热交替的不同工夫的记录和钻研,总结进去了二十四节气。
- 预测预估,可能从已知的数据中提取到的规定,从而对未知的业务影响作出预测。
4.2 造就了解和应用数据的能力
“数据为王,业务是外围”,与其说造就了解数据的能力,不如说是了解业务的能力。只有将数据置于业务场景中,数据能力变得有意义。企业数据化转型过程中,要求数据管理和数据分析人员懂业务,了解数据的对业务价值;要求业务人员要懂数据、会应用数据。
- 对于数据管理或数据分析人员,要可能看得懂数据并了解数据背地的业务含意。
作为数据管理或数据分析人员,首先须要你摸清楚企业的外围业务价值链,甚至企业多处行业的整个产业链业务状况。其次,你须要逐渐理解企业都波及哪些业务域,每个业务域中蕴含哪些业务流程,每个业务流程之间的连接关系,以及每个业务的输入输出等。最初,无理分明业务域以及业务流程的输入输出后,须要对具体列出每个业务的绩效考核指标(KPI),再通过对每个指标进行更粗疏的拆分,最终落地的内容数据数据分析所需的报表、指标、维度、明细等。
- 对于业务人员,要懂数据,会应用数据领导业务发展。
数据源于业务,并服务于业务。作为业务人员,首先你要晓得数据对业务的重要性,分明数据的规范,按标准规范输出数据,并确保数据后果的正确输入。其次,你要可能辨认业务数据的真伪,判断数据品质的优劣,并可能为数据品质的改善提供必要的改良倡议。最初,你还须要增强对数据管理和数据分析工具的把握,利用数据管理工具将数据正当、正确、标准的治理起来;利用数据分析工具自助进行剖析建模、场景设计、数据摸索、价值开掘。
4.3 造就问题拆解的能力
数据思维的外围在于用数据发现并解决问题,学会用结构化、量化的思维形式去剖析问题、拆解问题、解决问题,可能让咱们事倍功半。
如果你是一家批发企业的数据分析师,日常次要工作是销售数据的采集、整合、解决和剖析。有天,公司领导忽然让你写一个 PPT,谈一谈如何用数据做业务预判、如何用数据赋能业务,晋升产品销量,实现业务增值?
这是一个典型的开放式问题:
- 第一,不足明确指标和范畴,例如:哪些业务须要研判,业务遇到的问题是什么;
- 第二,不足明确的判断根据和规范,例如:产品销量要进步多少?
很多数据我的项目往往都死于此,这时候就须要有问题拆解的思维。数据赋能业务的过程肯定是一个循序渐进的,逐渐建设共识的过程。
例如基于以上问题:
- 首先,要搞清楚业务的指标是否明确,如果指标不明确,则先明确指标。例如:通过收集和剖析现有的数据报表状况对销售业务现状进行研判,找出改良点。
- 第二,在明确业务指标之后,要搞清楚是否有业务判断的规范,判断规范肯定要建设起来,不然晋升多少才算好都不晓得,预先不免陷入扯皮和纠结。例如:XX 产品同比增长 20%
- 第三,定了判断规范之后,要剖析用什么样的策略撑持实现这个指标。例如:优化举荐算法、减少线下营销流动等。
- 第四,在明确了施行策略之后,要制订策略执行打算。例如:算法的降级须要谁来负责、什么工夫实现?
- 第五,在明确行动计划之后,还须要通过数据来监控执行状况,并实时反馈执行的成果。
4.4 造就用数据谈话的习惯
数字化时代,每个人都应该具备量化思维,习惯用数据谈话。用数据谈话不是单纯的应用“数字”,而是用数据来反对观点,做到有理有据。
- 第一,在肯定水平上,数据就是证据和事实,用数据谈话,可能加强你的说服力
任何观点都会有漏洞,但数据摆在那里却难以让人反驳。如果你是企业销售主管,给领导汇报销售状况,不要说你的市场竞争多强烈,你的销售人员多致力,你的指标多高远,间接说你减少了多少客户,晋升了多少客单量、实现了多少销售业绩、减少多少我的项目漏斗,这样的汇报成果会更好一些。
- 第二,数据能够揭发问题,发现实质,用数据谈话,能够辅助你做出正确的决策
数字化下,企业治理不仅须要管理者丰盛的治理教训,还须要有多维的数据撑持。如果你是一个企业领导,你更违心做薄利多销,还是保持确保每一单都要保障肯定的利润?貌似抉择哪个计划都能够,要害是要看具体的场景和数据撑持。失常状况下,如果是批产的产品,能够思考薄利多销,以量取胜;如果是定制产品,就须要思考肯定的利润空间。如果只是从利润角度思考,有产品定价数据、销量数据就能容易做出决策,但如果还须要思考产品的市场定位,客户的回头率,企业的售后服务能力等因素,就不能只思考价格和销量两个维度信息,应该建设多维度分析模型,以帮忙你做出更正当的决策。
- 第三,用数据谈话要有量化思维,简化思维,还要尽量避免应用太过业余的术语
量化,有利于对事物(业务)给出一个判断规范,例如:进步产品销量,晋升用户活跃度,到底销售多少算是进步?怎么的用户才算沉闷用户?只有将指标进行量化,能力推动达成共识。
简化,有利于抓住主要矛盾,直击事物(问题)的实质,解脱各种简单状况,轻松应答难题。例如:某企业要其对 10W+ 条物资编码进行治理,通过对历史数据分析,发现这些物资编码中,有 40%3 年之内只用过一次,还有 10% 在业务中素来没有应用过。基于这个剖析后果,发现企业真正要花力量治理的数据只有 5W 多条,而不是 10W 条。简化的思维就是对简单问题进行拆解、降维、极限演绎,筛选并只应用相干数据,从而找到简略且可行的解决方案。
用数据谈话实质上还是沟通,为晋升沟通的效率,要尽可能应用“规范语言”,或者对方可能听得懂的语言。从这点上讲,数据治理就显得非常重要,对立企业的数据规范,明确业务术语、指标、维度的业务含意、规定等,可能晋升业务部门之间、业务与 IT 之间的沟通效率。
写在最初的话
数据思维是一种“知行合一”的思维模式和口头总则。数据思维的建设,不仅仅须要对数字的敏感,更须要善于察看数据,从数据中找出问题、找到法则并提炼见解,让数据赋能业务,服务治理。数据思维的建设,也不仅仅要懂数据,了解数据背地的业务含意,更须要有将数据用起来的能力,只有真正将数据用起来,能力测验数据的对错,发现数据的价值。
起源:谈数据
作者:石秀峰
申明:文章取得作者受权在 IDCF 社区公众号(devopshub)转发。优质内容共享给思否平台的技术伙伴,如原作者有其余思考请分割小编删除,致谢。
玩乐高,学麻利,规模化麻利联合作战沙盘之「乌托邦打算」,12 月 25-26 日登陆深圳,将“多团队麻利协同”基因内化在研发流程中,为规模化晋升研发效力保驾护航!!🏰⛴公众号回复“乌托邦”可加入