|
往期内容回顾：【数据重塑企业经营_01】消费行业企业数字化经营的趋势
【数据重塑企业经营_02】“数据驱动经营”面临的挑战
【数据重塑企业经营_03】如何进行指标体系建设？
上一节讲述企业如何做好内部的数字化经营，如何进行指标体系的构建？那在这个过程中数据治理非常关键。
1.如何进行数据治理？
数据治理本身要结合上节讲述的指标体系去看，我们一般叫做全面的数据治理，从根源上梳理整个流程，进行整个结构规范、字段规范，这种叫做推式的，先定标准文案后再去消费场景，这种是自下往上的一种数据治理方式。但实际上在帆软提到更多的是自上往下拉式的。它是以数据消费为场景，这种方式跟指标体系结合起来比较好。因为它的理论首先第一个要确定我们的用户是谁，第二个确定用户关注什么样的指标？上节讲到整个指标体系时，为什么不同用户关注点不一样？是因为它所在的层次不一样的，不同用户层次的关注点就会有差异，那指标体系的起点是用户，有了用户的分层，才有了指标体系，指标体系构建之后，从上往下去追的过程中，我们就用这个叫拉式的指标。这个方式实际上通过一个基本逻辑，就是数据流定位到信息流，再去定位到业务流。也就是这个数据可能有问题，它可能首先是在信息化系统这个层面上出现问题，那有的时候信息化系统层面没有问题或者有问题的时候，它的根源其实来自业务流程。
所以数据治理本身不是在治理数据，它在治理企业内部的流程，甚至它的管理，所以数据治理跟整个指标体系息息相关。所以我们讲的这个数据治理更多的是从上往下，从用户到指标，然后再往下就追根溯源，找到根源，而不是说一开始就搞一个非常大的全面的数据治理。因为全面数据治理是先建标准后消费，所以这个指标体系的梳理就变得更为重要。
我们以前也叫精益的数据治理，单纯的数据治理很难讲清楚业务价值。你跟老板说我做了一堆很标准化的数据，老板说又能怎样？其实他老板更多的是看实际的数据带来的价值，所以很多的时候我们先从下至上的，我先把有的数据我都治理一遍。但治理完了之后干嘛用？没有想起好场景，也没想起好对象，所以说就投入到了大量的人力。同时在进行业务治理是需要业务部门配合，但业务部门不清楚价值时，他不愿意配合，他都是被动的，后面没有持续性，后面会发现大量的脏数据还会产生，还会存在。因此在做数据治理时需要结合我们从上至下的指标体系方法论来进行配合。
其实在指标体系方法论里还有第二块，我们叫业务价值链，就是因为我们只是从上至下梳理出来哪些是关键指标，但是这个是基于目标进行，中间可能会有疏漏。其实还有一个不疏漏的——基于业务价值链，基于我们实际业务流程的发生是绝对不会有疏漏的。像我们产品的设计阶段，我们应该关注哪些指标？这是部门的一些关键指标或者 KPI 指标。像我们采购阶段会根据从上至下互相验证，它中间结合交叉的过程，所以我们做指标它不是单向的，做单向的你没法做验证。
第三块，其实在这个长链条里，我们要找关键，要将长链条分阶段来做。在这个阶段里面，有一个约束原则，是高德拉特的一个理论，说在我们这个长链条里面永远有个薄弱环节的，我们应该要把这个薄弱环节先找出来，不断做优化，这样我们整体优化才能开展。
如果我们不按照这种逻辑，我们花了大量精力在营销侧，在门店，但是整个价值就没有那么高。而关键点的梳理需要业务部门的强参与，虽然我们也有一些行业经验的输入，包括方法论的输入。但是在我以往服务的过程中，真正懂客户的还是客户自己，所以在这个过程中，我觉得还是需要我们业务部门，特别是有一些高管的强参与，这样我们才能知道在我们当前的整个的业务环节里面，到底哪些是我们的一个薄弱环节。再基于薄弱环节的薄弱瓶颈，掌握我们的前置条件再去做改善。这是一个立竿见影的事情。
举个例子，之前有一个消费品食品行业的客户，他们有一个很重要的节点——年货节，而年货节的销售占比全年40%。如果说年货节没做好，那它整一年的营收就要崩溃了。所以当时它的核心点是要把年货节先搞定，并围绕着年货节这个关键业务节点找准赋能场景点，如果这个场景点做好了，老板的满意度是飙升的。如果这环节点我不找准，我在其他方面跟数字化中心一起加再大的精力老板都是不满意的。因为老板觉得你没给我带来价值，但是有可能就因为年货节这块我们找准了，带来了它整个年货节的大幅度增长，你会发现整个数据平台的建设价值就是翻倍，是不一样的。所以可能做中间关键节点很重要，这个节点找完了之后，我们会发现还有第二薄弱环节点，然后我们再围绕着第二薄弱环节点，去做刚刚说的数据平台的建设。
当然了在这里面有个前提条件，还要评估我们数据探查的情况，因为有些可能它很关键，但是它之前的信息化基础建设特别弱，什么数据都没有。那只能退而求其次，先选第二个比较关键的节点了，所以整个业务蓝图规划就是这么推论出来的。它不是说我们拍脑袋拍出来的，它是通过刚刚说的从上至下我们叫决策链，从左至右叫价值链，决策链和价值链交叉平衡了之后推出的。
2.做好企业数据治理后，如何从数据应用场景出发把数据价值发挥出来？
其实指标体系对业务部门来讲是无感的，因为业务部门实际用的不是指标体系，用的是业务场景，用的是分析模型。所以核心来讲，我们怎么把指标体系通过数据模型的形式赋能到业务部门，这个才是一个真正的落脚点，在这里面也涉及到刚刚说的关键KPI。我们在整个业务流程梳理里面，一个是刚刚说的能找到关键节点，另一个是在每个关键节点里我们要洞察业务部门的痛点及需求。这个时候一定要抓痛点，因为我们当年在做数据应用场景建设的时候，有的时候没找到痛点，只是找到了痒点。其实痛点和痒点不一样的，很多时候只是痒点，他只是平时痒一会，他可能后面就不再用了。但是痛点这个东西可能对它的帮助会更大，所以我们做整个业务访谈时就会不一样。因为在我们梳理价值链的时候，其实是在梳理指标，还有一个就是在找痛点，找需求点。然后基于我们的核心KPI，结合痛点而言构建我们的分析模型。
分析模型怎么构建？也有一套方法论，就是数据模型落地的一套方法论。这里面关键的是我们要知道影响这个痛点的核心业务逻辑是什么？然后基于这个业务逻辑，要把影响痛点的关键要素通过数据指标把它量化出来。因为我们在做整个分析场景时，它永远是一个假设验证的过程。举个例子，像我们门店的销售没达标，他们每次的原因不一定因为商品不行，因为客流量，因为刮风下雨不行造成的，它可能有多种原因。有可能是因为门店关键品缺货，也有可能是我门口修路，真的有过这种可能，就是说我店服务没做好，卫生状况不行，人家从门口看两眼，他就不想进去。其实它这个里面的原因有多种多样，但是在这个里面我们要把这些影响要素都把它采集过来，然后我们要看哪些是能通过数据来量化的，这个也依赖于整个科技水平。
但是目前正常来讲，商品数据、库存数据、营销数据都能采集到，也能采集到可视化陈列数据、促销数据等。那基于这些数据我们就会综合分析判断。假如说影响门店销售有6个要素，那我就会告诉你六个要素里面概率最高的是哪个要素，我们会对这些指标进行判断。所以在做业务场景里最重要的一点是你对于业务的理解深度，你怎么将这些要素考虑的更全面，然后这些要素能不能更加系统的数字化、指标化的来做展现？当然在这里面还有业务逻辑，之前做过一个叫决策矩阵，判断哪个指标影响的概率是最高的。所以这就是数据赋能业务的时候的一套方法论，就是怎么把指标、影响要素、看板的设计布局等多项内容制作出来，以什么样的形式展开，怎么能让业务部门感受更直观，接受度会更高？所以在整个数据应用场景落地时，还有刚刚提到的一些关键要素指引，都是方法论里面的一个应用策略，原则上指标体系和数据应用场景不是割裂的，它是有机结合在一起，来赋能给我们的业务部门。
至此，数据重塑企业经营这一系列内容就讲述完毕。
相关视频课章节内容：4.数据赋能业务的应用场景.mp4 | 
