作者：石秀峰

來(lái)源：談數據，本文經授權轉載發布

本質上來(lái)講，企業數字化(huà)轉型，不僅是技術方面的(de)升級，更是企業文化(huà)、思維方式的(de)轉變。

那麽，企業數字化(huà)轉型究竟需要什(shén)麽樣的(de)思維方式？

不知道你有沒有過這(zhè)樣的(de)感覺：不知道從什(shén)麽時(shí)候開始，和(hé)人(rén)溝通(tōng)過程，以及要說服别人(rén)的(de)時(shí)候，光(guāng)靠一嘴的(de)“伶牙俐齒”似乎行不通(tōng)了(le)，别人(rén)總會要求你“用(yòng)數據說話(huà)”；當你給領導彙報工作的(de)時(shí)候，領導也(yě)會要求你“用(yòng)數據說話(huà)”。事實上，用(yòng)數據說話(huà)就是一種思維方式的(de)轉變。

數字化(huà)時(shí)代，數據連接一切，數據驅動一切、數據重塑一切，數據是企業數字化(huà)轉型的(de)核心要素。數據在企業決策過程中，将發揮出越來(lái)越重要的(de)作用(yòng)，尤其是在商業活動中，數據不僅能夠輔助企業快(kuài)速做(zuò)出決策，實現降本增效，甚至可(kě)以重構企業的(de)商業模式。

數據連接一切

數據驅動一切

數據重塑一切

數字化(huà)時(shí)代，數據的(de)價值不僅在于它可(kě)以記錄曆史，還(hái)能預測未來(lái)。數據對(duì)各行各業正在産生著(zhe)天翻地覆的(de)影(yǐng)響。例如：在金融行業，企業通(tōng)過多(duō)維度的(de)數據采集與獲取、數據的(de)深度加工和(hé)應用(yòng)，實現實時(shí)征信、風險審計、内部管理(lǐ)、精準推薦、客戶預測、客戶流失分(fēn)析等諸多(duō)應用(yòng)場(chǎng)景。再如：在制造行業，企業通(tōng)過對(duì)内部應用(yòng)系統、外部電商平台、物(wù)聯網IoT、以及相關産業鏈之間的(de)數據打通(tōng)和(hé)融合，探索和(hé)實踐智能工廠、個(gè)性化(huà)定制、制造服務化(huà)、産業鏈全面協同等方面的(de)應用(yòng)，實現企業業務創新。

綜上，企業數字化(huà)轉型需要建立“數據思維”，從數據中發現問題、洞察規律，挖掘價值，幫助企業優化(huà)資源配置，擴大(dà)經營範圍，重塑商業模式。

古希臘哲學家說：“思維是靈魂的(de)自我談話(huà)”。思維是一個(gè)比較玄乎，難以用(yòng)一兩句話(huà)說的(de)的(de)清楚的(de)東西，其本質是人(rén)腦(nǎo)的(de)活動，以探索和(hé)發現事物(wù)的(de)本質聯系和(hé)規律性。

先看一個(gè)故事，說某天公司領導要求一項目經理(lǐ)彙報項目的(de)完成情況，對(duì)話(huà)如下(xià)：

顯然不是。盡管他(tā)的(de)彙報中也(yě)用(yòng)了(le)“數字”，但并不是因爲有數字，就是數據思維。就像我們問1+1等于幾？三歲小孩也(yě)能迅速回答(dá)出來(lái)。但這(zhè)并不是數據思維，而是人(rén)腦(nǎo)根據人(rén)體的(de)感官作出的(de)一種自然反應，是人(rén)類進化(huà)中對(duì)數據的(de)一種天生攜帶感。

我們判斷和(hé)分(fēn)析事物(wù)的(de)變化(huà)形成結論，一般有兩種方法，一種是通(tōng)過對(duì)事物(wù)所涉及的(de)一系列數據進行收集、彙總、對(duì)比、分(fēn)析而形成結論。另一種是通(tōng)過感官、經驗、主觀和(hé)感性判斷而形成結論。前者可(kě)以稱爲“數據思維”，後者可(kě)以稱爲“經驗思維或傳統思維”。

數據思維是用(yòng)數據來(lái)探索、思考事物(wù)的(de)一種思維模式，用(yòng)數據來(lái)發現問題、洞察規律、探索真理(lǐ)。企業的(de)數字化(huà)轉型過程需要的(de)數據思維，就是用(yòng)數據思考，用(yòng)數據說話(huà)、用(yòng)數據管理(lǐ)、用(yòng)數據決策。

用(yòng)數據思考，就是實事求是、堅持以數據爲基礎理(lǐ)性思考，避免情緒化(huà)、主觀化(huà)，避免負面思維、以偏概全、單一視角。

用(yòng)數據管理(lǐ)，就是對(duì)客觀、真實的(de)數據進行科學分(fēn)析，并将分(fēn)析結果運用(yòng)到生産、營運、銷售等各環節的(de)業務管理(lǐ)過程中。

用(yòng)數據說話(huà)，就是要杜絕“大(dà)概、也(yě)許、可(kě)能、差不多(duō)……”，而是要以真實的(de)數據爲依據，基于合理(lǐ)、有邏輯的(de)“推論”，去說服别人(rén)，去彙報工作。

用(yòng)數據決策，就是要以事實爲基礎、以數據爲依據，通(tōng)過數據的(de)關聯分(fēn)析、預測分(fēn)析、事實推理(lǐ)獲得(de)結論，避免通(tōng)過直覺做(zuò)決定和(hé)情緒化(huà)決策。

1、數據思維是一種簡化(huà)思維

2、數據思維是一種量化(huà)思維

3、數據思維是一種創新思維

4、數據思維是一種追求真理(lǐ)的(de)思維

雖然我們說“數據不僅能夠記錄曆史，還(hái)能預測未來(lái)！”。但是，我更要給你強調的(de)是“數據不是萬能的(de)”。要知道，世間萬物(wù)的(de)關系是非常複雜(zá)的(de)，我們雖然可(kě)以用(yòng)數據來(lái)對(duì)其簡化(huà)，但簡化(huà)必然會導緻誤差；我們也(yě)可(kě)以用(yòng)數據來(lái)對(duì)其進行量化(huà)，但卻無法窮盡。更要知道，數據都是曆史的(de)，而萬物(wù)是動态變化(huà)的(de)，現有的(de)知識都是也(yě)有真僞的(de)。因此，我們需要深入探究數據的(de)真實性、客觀性，不斷探尋隐藏在數據背後的(de)真相，追求真理(lǐ)永無止境。

數據思維具有可(kě)簡化(huà)、可(kě)量化(huà)、可(kě)創新、追求真理(lǐ)等特點。數字化(huà)時(shí)代，每個(gè)人(rén)都應該建立起用(yòng)數據思考，用(yòng)數據說話(huà)、用(yòng)數據管理(lǐ)、用(yòng)數據決策的(de)思維模式，培養用(yòng)數據來(lái)發現問題、解決問題能力。

1、數據收集，越大(dà)越好？

數字化(huà)時(shí)代，随著(zhe)企業對(duì)數據的(de)重要性的(de)認識越來(lái)越高(gāo)，以及數據收集的(de)技術、方法越來(lái)越完善，即便是小公司也(yě)可(kě)能輕易擁有海量的(de)“大(dà)數據”。企業在數據的(de)收集和(hé)分(fēn)析和(hé)過程中，應避免掉入“大(dà)而不全”的(de)陷阱。

大(dà)，主要是指數據的(de)量大(dà)，規模大(dà)，體量大(dà)；

全，指的(de)是數據要全面、完整，考慮的(de)數據維度要足夠多(duō)。

給大(dà)家講一個(gè)戰國“孫龐鬥智”的(de)故事：

2、有數據就一定有真相？

數據作爲當前時(shí)代重要的(de)生産要素其重要性是不言而喻的(de)，但是有數據不一定有真相。

早在2008年的(de)時(shí)候，iPhone手機剛剛誕生不到一年，并沒有體現出如今這(zhè)樣的(de)優勢，手機界的(de)霸主依然是諾基亞和(hé)摩托羅拉。那時(shí)候，移動端智能終端設備還(hái)存在諸多(duō)不成熟的(de)地方，很多(duō)人(rén)認爲智能手機就隻是一種時(shí)尚，這(zhè)股時(shí)尚風潮也(yě)會很快(kuài)過去，手機還(hái)得(de)是要質量可(kě)靠，皮實耐用(yòng)的(de)。

而Nokia也(yě)不是完全沒有重視智能手機，他(tā)曾經做(zuò)了(le)一個(gè)高(gāo)達100萬人(rén)參與的(de)調研樣闆，而在那個(gè)智能手機尚未普及，概念都不夠清晰的(de)年代，絕大(dà)多(duō)數的(de)用(yòng)戶壓根不清楚調研所指的(de)手機和(hé)他(tā)們自己所用(yòng)的(de)手機有何區(qū)别，大(dà)多(duō)數用(yòng)戶面對(duì)這(zhè)樣廣泛而粗略的(de)調研，回答(dá)非常簡單：沒有興趣。

畢竟：“誰會想攜帶一部笨重而續航差的(de)智能手機呢(ne)？更何況它還(hái)那麽脆弱”。

但是誰又會想到，在不久之後，人(rén)們爲了(le)購(gòu)買一台智能手機，甯可(kě)去借錢，甚至去“賣腎”！

3、數據讓管理(lǐ)變得(de)簡單？

随著(zhe)數據收集和(hé)存儲變得(de)越來(lái)越簡單和(hé)低價，即使是小公司也(yě)能擁有“大(dà)數據”。從而基于數據的(de)整合、加工、處理(lǐ)、分(fēn)析和(hé)挖掘，幫助企業發現業務中問題，幫助企業做(zuò)出科學合理(lǐ)的(de)決策，“數據驅動管理(lǐ)”的(de)時(shí)代已經到來(lái)。

但是世間萬物(wù)都存在不确定性，企業管理(lǐ)也(yě)一樣。管理(lǐ)決策、數據分(fēn)析都存在一定的(de)不确定性，即便擁有了(le)百分(fēn)百客觀的(de)數據分(fēn)析，也(yě)無法保證決策結果的(de)百分(fēn)百正确。

企業管理(lǐ)中的(de)不确定性，來(lái)自于影(yǐng)響企業管理(lǐ)決策的(de)各種因素的(de)變化(huà)速度和(hé)複雜(zá)性。這(zhè)些因素包括企業内部管理(lǐ)因素，例如：組織機構、人(rén)員(yuán)、産品、業務流程、信息系統等，以及外部環境因素，例如：競争環境、政治環境、法律環境、經濟環境等。複雜(zá)性帶來(lái)信息的(de)膨脹和(hé)因素之間的(de)因果關系模糊，快(kuài)速變化(huà)使得(de)決策難以跟上變化(huà)的(de)速度。

數據分(fēn)析中的(de)不确定性，來(lái)自于數據收集，數據處理(lǐ)，數據分(fēn)析等過程的(de)不确定性，數據收集是否完整和(hé)齊全，數據處理(lǐ)是否合理(lǐ)和(hé)準确，數據分(fēn)析是否及時(shí)和(hé)有效，結果的(de)解讀是否标準一緻等等，幾乎每一個(gè)環節都存在不确定性

不确定性讓管理(lǐ)變得(de)撲朔迷離，各種表象掩蓋了(le)事實。如果企業管理(lǐ)者缺乏對(duì)信息和(hé)數據的(de)洞察力，缺乏透過信息表象追溯本源的(de)分(fēn)析判斷能力，缺乏大(dà)局觀和(hé)利弊差異的(de)決斷能力，缺乏決策後可(kě)能後果的(de)預測預防推算(suàn)能力，即使有了(le)客觀完整的(de)數據，也(yě)不會讓企業管理(lǐ)變得(de)簡單。

數據能夠爲業務賦能，但也(yě)要清楚事物(wù)是動态變化(huà)的(de)，任何預測都存在不确定性，必經結合現狀和(hé)需求，通(tōng)過“數據和(hé)業務的(de)雙引擎驅動”循序漸進的(de)推動企業的(de)數字化(huà)轉型。

1、培養對(duì)數據的(de)敏感度

數據敏感度是對(duì)數據感知、計算(suàn)、理(lǐ)解能力，是通(tōng)過數據的(de)表象理(lǐ)解事物(wù)本質的(de)程度。對(duì)數據敏感的(de)人(rén)，看到數據能夠找出問題，找到規律，發現機會或做(zuò)出決斷；對(duì)數據不敏感的(de)人(rén)，看到數據隻會問這(zhè)是什(shén)麽，這(zhè)反映了(le)什(shén)麽，這(zhè)能說明(míng)什(shén)麽？對(duì)數據毫無敏感而言的(de)人(rén)，“數據就是數據”，甚至不會想到以上問題。

人(rén)并非天生就會對(duì)數據産生敏感度，人(rén)們對(duì)數據的(de)敏感度來(lái)源于經驗的(de)積累，看的(de)數據越多(duō)，種類越豐富，處理(lǐ)的(de)問題越多(duō)、敏感性就越強。因此，數據敏感度是可(kě)以培養的(de)。

所謂培養數據敏感度，本質上就是培養通(tōng)過數據發現問題、解決問題的(de)能力，可(kě)以從以下(xià)幾個(gè)方面入手：

質量評估，對(duì)數據的(de)表象和(hé)質量進行評估，判斷數據是否完整、是否準确、是否符合業務規範？

識别真僞，能夠對(duì)數據的(de)真假做(zuò)出判斷，看出數據中存在的(de)貓膩，例如：年度報告，本事業部今年老員(yuán)工的(de)離職率爲0，實際上新入職的(de)員(yuán)工有大(dà)批離職的(de)。

找到因果，能夠通(tōng)過數據找到事物(wù)之間因果關系，從而找到産生問題的(de)主要原因和(hé)根本原因。例如：産品銷量下(xià)降了(le)，直接原因是客戶量減少了(le)，本質原因是市場(chǎng)出現了(le)更具競争力的(de)産品。

找出關聯，能夠通(tōng)過數據多(duō)維采集和(hé)分(fēn)析找到事物(wù)之間關聯關系，關聯分(fēn)析是洞察事務本質的(de)重要方式，關鍵點在于數據維度全、數據樣本完整且具有足夠的(de)代表性。

判别優劣，能夠通(tōng)過數據的(de)對(duì)比判斷事物(wù)的(de)好壞優劣，例如：季度銷售完成率爲50%的(de)報告，如果沒有曆史數據作爲對(duì)比很難判斷出這(zhè)個(gè)季度銷售業績的(de)好壞。

洞察規律，能夠從數據中找到事物(wù)發展的(de)規律，例如：古人(rén)爲了(le)農業生産需要，順應自然規律，通(tōng)過對(duì)春夏秋冬、冷(lěng)熱(rè)交替的(de)不同時(shí)間的(de)記錄和(hé)研究，總結出來(lái)了(le)二十四節氣。

2、培養理(lǐ)解和(hé)使用(yòng)數據的(de)能力

“數據爲王，業務是核心”，與其說培養理(lǐ)解數據的(de)能力，不如說是理(lǐ)解業務的(de)能力。隻有将數據置于業務場(chǎng)景中，數據才能變得(de)有意義。企業數據化(huà)轉型過程中，要求數據管理(lǐ)和(hé)數據分(fēn)析人(rén)員(yuán)懂(dǒng)業務，理(lǐ)解數據的(de)對(duì)業務價值；要求業務人(rén)員(yuán)要懂(dǒng)數據、會使用(yòng)數據。

對(duì)于數據管理(lǐ)或數據分(fēn)析人(rén)員(yuán)，要能夠看得(de)懂(dǒng)數據并理(lǐ)解數據背後的(de)業務含義。

作爲數據管理(lǐ)或數據分(fēn)析人(rén)員(yuán)，首先需要你摸清楚企業的(de)核心業務價值鏈，甚至企業多(duō)處行業的(de)整個(gè)産業鏈業務情況。其次，你需要逐步了(le)解企業都涉及哪些業務域，每個(gè)業務域中包含哪些業務流程，每個(gè)業務流程之間的(de)斜街(jiē)關系，以及每個(gè)業務的(de)輸入輸出等。最後，在理(lǐ)清楚業務域以及業務流程的(de)輸入輸出後，需要對(duì)詳細列出每個(gè)業務的(de)績效考核指标（KPI），再通(tōng)過對(duì)每個(gè)指标進行更細緻的(de)拆分(fēn)，最終落地的(de)内容數據數據分(fēn)析所需的(de)報表、指标、維度、明(míng)細等。

對(duì)于業務人(rén)員(yuán)，要懂(dǒng)數據，會使用(yòng)數據指導業務開展。

3、培養問題拆解的(de)能力

數據思維的(de)核心在于用(yòng)數據發現并解決問題，學會用(yòng)結構化(huà)、量化(huà)的(de)思維方式去分(fēn)析問題、拆解問題、解決問題，能夠讓我們事半功倍。

假如你是一家零售企業的(de)數據分(fēn)析師，日常主要工作是銷售數據的(de)采集、整合、處理(lǐ)和(hé)分(fēn)析。有天，公司領導突然讓你寫一個(gè)PPT，談一談如何用(yòng)數據做(zuò)業務預判、如何用(yòng)數據賦能業務，提升産品銷量，實現業務增值？

這(zhè)是一個(gè)典型的(de)開放式問題，第一，缺乏明(míng)确目标和(hé)範圍，例如：哪些業務需要研判，業務遇到的(de)問題是什(shén)麽；第二，缺乏明(míng)确的(de)判斷依據和(hé)标準，例如：産品銷量要提高(gāo)多(duō)少？很多(duō)數據項目往往都死于此，這(zhè)時(shí)候就需要有問題拆解的(de)思維。數據賦能業務的(de)過程一定是一個(gè)循序漸進的(de)，逐步建立共識的(de)過程。

例如基于以上問題：

首先，要搞清楚業務的(de)目标是否明(míng)确，如果目标不明(míng)确，則先明(míng)确目标。例如：通(tōng)過收集和(hé)分(fēn)析現有的(de)數據報表情況對(duì)銷售業務現狀進行研判，找出改進點。

第二，在明(míng)确業務目标之後，要搞清楚是否有業務判斷的(de)标準，判斷标準一定要建立起來(lái)，不然提升多(duō)少才算(suàn)好都不知道，事後難免陷入扯皮和(hé)糾結。例如：XX産品同比增長(cháng)20%

第三，定了(le)判斷标準之後，要分(fēn)析用(yòng)什(shén)麽樣的(de)策略支撐實現這(zhè)個(gè)目标。例如：優化(huà)推薦算(suàn)法、增加線下(xià)營銷活動等。

第四，在明(míng)确了(le)實施策略之後，要制定策略執行計劃。例如：算(suàn)法的(de)升級需要誰來(lái)負責、什(shén)麽時(shí)間完成？

4、培養用(yòng)數據說話(huà)的(de)習(xí)慣

數字化(huà)時(shí)代，每個(gè)人(rén)都應該具有量化(huà)思維，習(xí)慣用(yòng)數據說話(huà)。用(yòng)數據說話(huà)不是單純的(de)使用(yòng)“數字”，而是用(yòng)數據來(lái)支持觀點，做(zuò)到有理(lǐ)有據。

第一，在一定程度上，數據就是證據和(hé)事實，用(yòng)數據說話(huà)，能夠增強你的(de)說服力

任何觀點都會有破綻，但數據擺在那裏卻難以讓人(rén)反駁。如果你是企業銷售主管，給領導彙報銷售情況，不要說你的(de)市場(chǎng)競争多(duō)激烈，你的(de)銷售人(rén)員(yuán)多(duō)努力，你的(de)目标多(duō)高(gāo)遠(yuǎn)，直接說你增加了(le)多(duō)少客戶，提升了(le)多(duō)少客單量、實現了(le)多(duō)少銷售業績、增加多(duō)少項目漏鬥，這(zhè)樣的(de)彙報效果會更好一些。

第二，數據可(kě)以揭露問題，發現本質，用(yòng)數據說話(huà)，可(kě)以輔助你做(zuò)出正确的(de)決策

數字化(huà)下(xià)，企業管理(lǐ)不僅需要管理(lǐ)者豐富的(de)管理(lǐ)經驗，還(hái)需要有多(duō)維的(de)數據支撐。如果你是一個(gè)企業領導，你更願意做(zuò)薄利多(duō)銷，還(hái)是堅持确保每一單都要保證一定的(de)利潤？貌似選擇哪個(gè)方案都可(kě)以，關鍵是要看具體的(de)場(chǎng)景和(hé)數據支撐。正常情況下(xià)，假如是批産的(de)産品，可(kě)以考慮薄利多(duō)銷，以量取勝；假如是定制産品，就需要考慮一定的(de)利潤空間。如果隻是從利潤角度考慮，有産品定價數據、銷量數據就能容易做(zuò)出決策，但如果還(hái)需要考慮産品的(de)市場(chǎng)定位，客戶的(de)回頭率，企業的(de)售後服務能力等因素，就不能隻考慮價格和(hé)銷量兩個(gè)維度信息，應該建立多(duō)維度分(fēn)析模型，以幫助你做(zuò)出更合理(lǐ)的(de)決策。

第三，用(yòng)數據說話(huà)要有量化(huà)思維，簡化(huà)思維，還(hái)要盡量避免使用(yòng)太過專業的(de)術語

量化(huà)，有利于對(duì)事物(wù)（業務）給出一個(gè)判斷标準，例如：提高(gāo)産品銷量，提升用(yòng)戶活躍度，到底銷售多(duō)少算(suàn)是提高(gāo)？怎樣的(de)用(yòng)戶才算(suàn)活躍用(yòng)戶？隻有将指标進行量化(huà)，才能推動達成共識。

簡化(huà)，有利于抓住主要矛盾，直擊事物(wù)（問題）的(de)本質，擺脫各種複雜(zá)情況，輕松應對(duì)難題。例如：某企業要其對(duì)10W+條物(wù)資編碼進行治理(lǐ)，通(tōng)過對(duì)曆史數據分(fēn)析，發現這(zhè)些物(wù)資編碼中，有40%3年之内隻用(yòng)過一次，還(hái)有10%在業務中從來(lái)沒有使用(yòng)過。基于這(zhè)個(gè)分(fēn)析結果，發現企業真正要花力氣治理(lǐ)的(de)數據隻有5W多(duō)條，而不是10W條。簡化(huà)的(de)思維就是對(duì)複雜(zá)問題進行拆解、降維、極限歸納，篩選并隻使用(yòng)相關數據，從而找到簡單且可(kě)行的(de)解決方案。

用(yòng)數據說話(huà)本質上還(hái)是溝通(tōng)，爲提升溝通(tōng)的(de)效率，要盡可(kě)能使用(yòng)“标準語言”，或者對(duì)方能夠聽(tīng)得(de)懂(dǒng)的(de)語言。從這(zhè)點上講，數據治理(lǐ)就顯得(de)十分(fēn)重要，統一企業的(de)數據标準，明(míng)确業務術語、指标、維度的(de)業務含義、規則等，能夠提升業務部門之間、業務與IT之間的(de)溝通(tōng)效率。

寫在最後的(de)話(huà)