被誉为“企业管理的第一思维”——数据思维,到底是是什么?

学无止境,精益求精
文|帆软数据应用研究院  李向川

谈到数据,我们常常会听到数字化、数据思维、数据化管理等字眼。甚有数据思维被誉为未来“企业管理的第一思维”之说。都说数据很重要,运用数据的思维更重要,那当我们谈及数据、数据化管理思维的时候,到底在谈什么?本文主要想和大家来探讨这些。

什么是数据化管理的思维?
一句话概括:企业在管理过程中,依靠数据发现问题、分析问题、解决问题、跟踪问题的管理方式,就是数据化管理。

什么是数据化思维?
“数据化思维”是个新词。但其中的内涵,并不是个新鲜事物。所谓新鲜的成分,是我们对数据的解读有了另一种认知,或者说思维方式。
那数据化思维,到底是怎样一种思维方式呢?这里引用《企业数据化管理变革》一书中的理解:
“数据思维是根据数据来思考事物的一种思维模式,是一种量化的思维模式,是重视事实、追求真理的思维模式。”

开篇提到数字化、数据思维、数据化管理思维,我们这里开始捋一捋数字化与数据思维之间的联系和区别。数据思维并不是将事物单纯地数字化。数据思维要求形成定性结论的基础是数据,但并不排斥定性的描述和结论。

我们经常看到,很多数据报告汇报了一些列数据,但并未形成结论,这就不叫数据思维,而是单纯地引用数据。比如下面这个例子。
2017年第三季度,某品牌在江苏地区的三个销售代理商分别完成销售130.4万、210.5万、98.6万,共计439.5万;去年同期他们分别完成销售额110.2万、150.3万、96.3万,共计356.8。(注:该品牌在江苏地区只有三个代理商)

在这个例子中列举了很多经营数据,但并没有最终结论。第三季度总销售额439.5万是多还是少?三个代理商的销售额占比是否合理?和竞争对手相比,发展速度如何?只有数据没有结论,这不是数据思维。

这里笔者将上面的例子做个调整,就是数据思维的成果了。
2017年第三季度,某品牌在江苏地区的三个销售代理商 A、B、C分别完成销售130.4万、210.5万、98.6万,共计439.5万;去年同期他们分别完成销售额110.2万、150.3万、96.3万,共计356.8。总体同比增长了23.2%,有明显增长,但并未达到预期的30%。根据市场调研数据,竞争对手 XXX今年第三季度实现38%的增长,而其中在 C 代理商所负责的区域,竞争对手达到200%的爆发式增长,销售额达到约320万~350万。公司需要对 C 代理商进行重点关注,做出适当调整。(注:该品牌在江苏地区只有三个代理商)

我们对事物的变化形成定性的结论,一般有两种途径。一种是通过对数据对比和分析得到,一种是根据长期的经验积累形成的尝试来判断。前者可以称为“数据思维”,后者可以称为“经验思维”。那么接着又有下面一问了,到底什么是”经验思维”呢?

什么是经验思维?
经验思维是根据个人经验或者普适性的常识对事物做出判断,形成结论的模式。
经验思维有时候也是一种数据思维。经验丰富的人,一旦看到一组数据就能够做出定性的判断。这其中所依赖的,是在长期的数据积累。

举个例子,比如快消行业的营销高管,一看到某公司的营销费用占比才16%。就可以判断,这家公司的营销投入太低了。因为根据行业经验,快消品的行业营销费用占比一般不低于20%,有的甚至更高。如果明显低于20%,要么公司产品出奇的好,江湖上有口皆碑;要么就是产品的细分市场是个蓝海;如果都两者都不是,那么公司多半在业绩下滑,“大树将倒”。

笔者这里重点聊聊“经验思维”,并不是真的话题“跑偏”了。其实是捋清楚两者。因为,企业所谓的“数据化思维”,其沉淀下来的经验,是要相当程度转化成“经验思维”的。传承优秀知识和经验,不断开拓新的思维模式。这种“老带新”的模式是企业持续沉淀的踏实可行的方式,是有效落地、接地气的方案。

我们看宝洁公司,会有专门的 KM( Knowledge Management)知识管理系统,来记录目前最好的方法(CBA,Current Best Approach)。把标准的操作规程(SOP,Standard Operation Procedure) 沉淀大企业管理系统中来。及时将来人员岗位变动,甚至离职,优秀的经验不会随成员消失。而是会通过知识管理系统传递给新的成员,最终一直确保转化为企业的无形资产。
“数据化思维”要持续发挥价值,就要不断地将其中的优秀的、可复制的操作流程标准化,不断地沉淀到企业知识管理系统,不断地分享给不同的团队。实现一份优秀经验,大家一起学习成长,整体提高企业效率和效能。

“经验思维”这么好,也有其应用的局限性,或者说是一些适用范围。下面两种情况下,“经验思维”可能带来的成效弊大于利。
①当市场环境变化太快时,抱守原来的经验往往会导致错误的决策。
②在快速变化的的市场或者行业中,企业或者个人过去积累的经验很快会过时,仍然基于过去的情况作出经验性的判断,往往会带来决策失误。因此,需要根据新的形式,通过数据形成量化的评价,并在此基础上作出判断。

经验思维不会过时,而经验思维也是数据思维的一种沉淀方式。但是,如果不注重积累经验,不注重以团队的方式积累经验,经验就永远只是个人的,而不能成为公司的。所以在组织层面,企业除了需要构建一个不断完善的工作流程之外,还需要一个不断积累的、不依赖于个人的知识沉淀流程或者经验积累流程,让经验积累在组织内部。

数据思维是先天的还是后天的?
笔者认为:数据思维是一个综合性思维,但主要靠后天。

站在科学角度,人类的大脑分成左脑和右脑,有着不同的功能。左脑的功能侧重于逻辑、语言、数学、文字、推理、分析等方面,而右脑则侧重于画图、音乐、韵律、情感、想象和创造等方面。
数据思维要求能理性地对数据进行处理和分析,讲求逻辑推理。根据数据能够知道发生了什么,为什么会这样发生,有什么样的规律,这是左脑控制的;但数据思维还要有充分的想象力,能够将数据关联到管理流程和制度,并能国故创造性地提出不同的见解,这是右脑控制的。所以,数据思维是一个综合性思维,需要左脑和右脑的协调工作。

现在全球的数据科学家是极度缺少的,因为要做大数据分析工作,需要在三个领域有突出的表现:
① 信息技术,包括软件和硬件方面等;
② 数学领域;
③ 经济和管理领域。

大多数的大数据应用都是商业行为,不是为了兴趣爱好。所以需要利用数学知识,借助 IT 手段,将对大数据的挖掘转换成商业应用。
所以,对数据思维的训练也需要从这三方面入手。
第一,要不断积累管理经验,熟悉企业的经营环境、市场竞争,对经济学和商业运作有深刻的理解,对企业管理有丰富的经验,通过数据结果能够知道企业到底发生了什么;
第二,要有基本的数据库相关知识,包括软件和硬件知识,能够在数据采集、数据存储、数据传输等领域理解最新的技术,能够熟练处理大量的数据,能够对数据的结构进行优化,提高数据处理的效率;
第三,要有审核的数学专业功底,根据数据集进行建模,能够对模型进行优化,并利用相关的算法进行计算,计算之后能够对数据进行解读。

当然,仅仅有以上三类知识和技能也是不够的,数据的呈现需要一定的设计技巧,需要用可视化的语言将观点表达出来,能够有效地传递信息。特别是在企业中,并不是所有人都是数据专家,甚至可以说所有人都不是数据专家。只能把精于对数据处理的那部分员工成为数据专业人士。所以需要对数据进行深度加工,然后以别人能够理解得了的方式来呈现,才能让数据挖掘结果得到认可。

企业管理者为什么要有数据思维?
企业管理者对大数据和数据化管理的态度现状:
不同企业的中高层领导对大数据和数据化管理的感觉是不同的。真正希望利用大数据和数据化管理来提高本职岗位绩效的,往往是民营企业的中高层管理者。而且这个欲求的强烈程度与年龄无关,只与所处在的环境和个人心态有关。在某些国企或者事业单位,很多处于管理层的人基本都是多年才熬出来的。他们没有任何外部竞争的压力,大数据对于他们来说,只是处于好奇的阶段,只与大数据对自己有什么影响、对企业有什么影响,他们并不关心。

所以,给他们讲大数据,讲数据化管理,最多只能讲些故事或者与他们切身相关的例子而已;而对于民营企业的管理层,他们积极寻求在大数据时代的机会,希望在笔者的培训中能够找到帮助他们改善管理、提高竞争力的方法,甚至希望在这个领域能够有新的商业机会,所以他们对大数据更有兴趣。

现在的企业管理已经不是原来的传统的企业管理,数字化基础上的管理已经是现在企业管理的基本形式。如果没有数据思维,管理者在数据和事实面前会感到窘迫,并感到自己的权威受到挑战。所以管理者应该随趋势,与时俱进,用数据思维来武装自己,让自己的管理决策更加科学与合理,以便更加理性地处理商业环境下的各种关系。

随着数据技术的发展,企业面临的外部环境将更加复杂,需要处理的数据也会越来越多。如果企业还是在传统的思维模式,在市场竞争中必然会有落后于用数据来快速决策、高效处理问题的竞争对手。企业不重视数据,只会让自己在商业竞争中处于被动的位置。

参考文献
[1]        赵兴峰. 企业数据化管理变革[M]. 电子工业出版社, 2016.
[2]        毕然, 袁晓洁. 大数据分析的道与术[M]. 电子工业出版社, 2016.
[3]        黄成明. 数据化管理[M]. 电子工业出版社, 2014.

论坛-微信-引导页.png


编辑于 2017-10-31 10:41  

发表于 2017-11-20 14:42:37
发表于 2017-11-22 10:15:47
一句话概括:企业在管理过程中,依靠数据发现问题、分析问题、解决问题、跟踪问题的管理方式,就是数据化管理。
发表于 2018-5-4 00:45:19
来自手机
发表于 2018-9-19 20:55:17
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

返回顶部 返回列表