【行業資訊】企業數字化轉型，本質是思維方式的轉型？
發布時間：2022-06-17 文章來源：鴻宇科技 瀏覽次數：1145
本質上來講，企業數字化轉型，不僅是技術方面的升級，更是企業文化、思維方式的轉變。
那么，企業數字化轉型究竟需要什么樣的思維方式？
01企業數字化轉型，需要什么樣的思維方式？
不知道你有沒有過這樣的感覺：不知道從什么時候開始，和人溝通過程，以及要說服別人的時候，光靠一嘴的“伶牙俐齒”似乎行不通了，別人總會要求你“用數據說話”；當你給領導匯報工作的時候，領導也會要求你“用數據說話”。事實上，用數據說話就是一種思維方式的轉變。
數字化時代，數據連接一切，數據驅動一切、數據重塑一切，數據是企業數字化轉型的核心要素。數據在企業決策過程中，將發揮出越來越重要的作用，尤其是在商業活動中，數據不僅能夠輔助企業快速做出決策，實現降本增效，甚至可以重構企業的商業模式。
數據連接一切
數字化時代，人們所處的環境是一個由現實世界和網絡世界組成的虛實交織的世界。人們把現實世界的事物、事實和聯系，用數據記錄下來，形成了一個抽象的網絡世界。在現實世界中的人、事、物，都有著眾多的特征和千絲萬縷的聯系，這一切都是通過數據來描述和連接，數據實現了人與人、人與物、物與物之間和互聯，形成了對現實世界的抽象。
數據驅動一切
數字化時代，在各種數字化技術的影響下，數據的特性和價值發生了很大的變化，從原來數據只是作為業務流程的輸入和輸出，轉變為驅動企業經營和管理的重要要素。企業通過將各業務領域的數據進行收集、融合、加工、分析、挖掘，從而能夠發現業務中問題，幫助企業做出科學合理的決策。數據是客觀的、清晰的，能夠幫助企業化繁為簡，通過繁蕪的流程看到商業的本質，更好的優化決策。例如：利用各類運營數據，驅動的精細化管理；利用客戶數據、商品數據、銷售數據等實現精準化營銷；利用訂單數據、商品數據、客戶數據，制定合理的生產計劃等等。
數據重塑一切
數字化時代，數據的價值不僅在于它可以記錄歷史，還能預測未來。數據對各行各業正在產生著天翻地覆的影響。例如：在金融行業，企業通過多維度的數據采集與獲取、數據的深度加工和應用，實現實時征信、風險審計、內部管理、精準推薦、客戶預測、客戶流失分析等諸多應用場景。再如：在制造行業，企業通過對內部應用系統、外部電商平臺、物聯網IoT、以及相關產業鏈之間的數據打通和融合，探索和實踐智能工廠、個性化定制、制造服務化、產業鏈全面協同等方面的應用，實現企業業務創新。
綜上，企業數字化轉型需要建立“數據思維”，從數據中發現問題、洞察規律，挖掘價值，幫助企業優化資源配置，擴大經營范圍，重塑商業模式。
02企業數字化轉型需要數據思維，那么，什么是數據思維？
古希臘哲學家說：“思維是靈魂的自我談話”。思維是一個比較玄乎，難以用一兩句話說的的清楚的東西，其本質是人腦的活動，以探索和發現事物的本質聯系和規律性。
先看一個故事，說某天公司領導要求一項目經理匯報項目的完成情況，對話如下：
項目經理：報告領導，項目已經差不多完成了！
公司領導：差不多是差多少？請用數據說明下情況，能量化的盡量量化。
項目經理：項目已經完成接近99%了！
公司領導：暈~~~
故事中的項目經理是數據思維嗎？
顯然不是。盡管他的匯報中也用了“數字”，但并不是因為有數字，就是數據思維。就像我們問1+1等于幾？三歲小孩也能迅速回答出來。但這并不是數據思維，而是人腦根據人體的感官作出的一種自然反應，是人類進化中對數據的一種天生攜帶感。
我們判斷和分析事物的變化形成結論，一般有兩種方法，一種是通過對事物所涉及的一系列數據進行收集、匯總、對比、分析而形成結論。另一種是通過感官、經驗、主觀和感性判斷而形成結論。前者可以稱為“數據思維”，后者可以稱為“經驗思維或傳統思維”。
數據思維是用數據來探索、思考事物的一種思維模式，用數據來發現問題、洞察規律、探索真理。企業的數字化轉型過程需要的數據思維，就是用數據思考，用數據說話、用數據管理、用數據決策。
用數據思考，就是實事求是、堅持以數據為基礎理性思考，避免情緒化、主觀化，避免負面思維、以偏概全、單一視角。
用數據管理，就是對客觀、真實的數據進行科學分析，并將分析結果運用到生產、營運、銷售等各環節的業務管理過程中。
用數據說話，就是要杜絕“大概、也許、可能、差不多……”，而是要以真實的數據為依據，基于合理、有邏輯的“推論”，去說服別人，去匯報工作。
用數據決策，就是要以事實為基礎、以數據為依據，通過數據的關聯分析、預測分析、事實推理獲得結論，避免通過直覺做決定和情緒化決策。
數據思維具有可簡化、可量化、可創新、追求真理等特點。
1、數據思維是一種簡化思維
我們當下生活在一個信息浩大龐雜的時代，我們的身邊充斥著各種正面的、負面的、片面的、全面的、真實的、虛假的，各種各樣、真真假假的信息，一不小心就會被紛繁復雜的因素所干擾。在紛繁的信息中我們思考問題要善于簡化，抓住重點，聚焦核心問題，以終為始、抽絲剝繭、多維度收集信息、多角度思考問題，找到高效的解決方案。
2、數據思維是一種量化思維
數據化的核心是量化，所有的業務都可以用數據來量化描述。在我們的工作中，用數據來量化業務是十分常見的，不論是企業高層領導作出的年度經營報告，還是企業日常的生產計劃、采購計劃、銷售完成情況等都需要用數據來量化描述。確少數據描述的工作報告，無論詞藻再華麗，語言再優美，結構再嚴謹，其內容都是蒼白無力的。數據量化一切，當文字變成數據、當溝通變成數據、當考核變成數據，皆可被量化的一切事物，正在將數據化變成社會發展的主旋律。
3、數據思維是一種創新思維
數據是一種“可再生資源”，我們能直觀看到、感受到的價值只是數據價值的“冰山一角”。數據具有可重復使用，組合使用，跨平臺使用的特點，企業可以通過多維度的數據采集、融合、重組、擴展和再利用，突破部門邊界、業務邊界、系統邊界、技術邊界的束縛，創新新模式，開拓新領域，確立新決策，不斷發掘數據背后所隱藏的“價值”。
4、數據思維是一種追求真理的思維
雖然我們說“數據不僅能夠記錄歷史，還能預測未來！”。但是，我更要給你強調的是“數據不是萬能的”。要知道，世間萬物的關系是非常復雜的，我們雖然可以用數據來對其簡化，但簡化必然會導致誤差；我們也可以用數據來對其進行量化，但卻無法窮盡。更要知道，數據都是歷史的，而萬物是動態變化的，現有的知識都是也有真偽的。因此，我們需要深入探究數據的真實性、客觀性，不斷探尋隱藏在數據背后的真相，追求真理永無止境。
03警惕，數據思維中的認知陷阱！
數據思維具有可簡化、可量化、可創新、追求真理等特點。數字化時代，每個人都應該建立起用數據思考，用數據說話、用數據管理、用數據決策的思維模式，培養用數據來發現問題、解決問題能力。
數據很重要，然而，企業在數據驅動的數字化轉型的過程中， 也要避免掉入數據思維中的認知陷阱。
1、數據收集，越大越好？
數字化時代，隨著企業對數據的重要性的認識越來越高，以及數據收集的技術、方法越來越完善，即便是小公司也可能輕易擁有海量的“大數據”。企業在數據的收集和分析和過程中，應避免掉入“大而不全”的陷阱。
大，主要是指數據的量大，規模大，體量大；
全，指的是數據要全面、完整，考慮的數據維度要足夠多。
給大家講一個戰國“孫龐斗智”的故事：
在馬陵之戰中，龐涓善于數據分析，一場戰役過后，它能夠通過分析戰敗敵軍丟棄的“灶”分析出敵軍的人數和戰力情況。而孫臏反其道而用之，通過編造“使齊軍入魏地為十萬灶，明日為五萬灶，又明日為三萬灶”的數據，成功實施了誘敵深入，殺死了龐涓。龐涓之死，不僅在于其過于輕敵，但更重要的數據收集的不全面。孫臏撤退的過程中，表面在不斷減少吃飯的灶坑，卻在暗地里偷偷增兵，如果龐涓能夠在觀察仔細一些，數據在收集全面一些，不難發現孫臏的“陰謀詭計”。
企業的數據分析也一樣，不一定是收集的數據量越大越好，而更應該注重數據的完整性，重視數據治理，以實現全維度、全過程、全場景的數據分析，支持企業的數字化轉型。
2、有數據就一定有真相？
數據作為當前時代重要的生產要素其重要性是不言而喻的，但是有數據不一定有真相。
早在2008年的時候，iPhone手機剛剛誕生不到一年，并沒有體現出如今這樣的優勢，手機界的霸主依然是諾基亞和摩托羅拉。那時候，移動端智能終端設備還存在諸多不成熟的地方，很多人認為智能手機就只是一種時尚，這股時尚風潮也會很快過去，手機還得是要質量可靠，皮實耐用的。
而Nokia也不是完全沒有重視智能手機，他曾經做了一個高達100萬人參與的調研樣板，而在那個智能手機尚未普及，概念都不夠清晰的年代，絕大多數的用戶壓根不清楚調研所指的手機和他們自己所用的手機有何區別，大多數用戶面對這樣廣泛而粗略的調研，回答非常簡單：沒有興趣。
畢竟：“誰會想攜帶一部笨重而續航差的智能手機呢？更何況它還那么脆弱”。
但是誰又會想到，在不久之后，人們為了購買一臺智能手機，寧可去借錢，甚至去“賣腎”！
因此，有數據也不一定有真相。數據很重要，但也不要過于迷信數據。數據分析樣本的片面性、時效性、數據本身的質量缺陷都會導致數據結果失真。即使數據分析結果是真實的，也需要我們在實踐中不斷去驗證。
3、數據讓管理變得簡單？
隨著數據收集和存儲變得越來越簡單和低價，即使是小公司也能擁有“大數據”。從而基于數據的整合、加工、處理、分析和挖掘，幫助企業發現業務中問題，幫助企業做出科學合理的決策，“數據驅動管理”的時代已經到來。
但是世間萬物都存在不確定性，企業管理也一樣。管理決策、數據分析都存在一定的不確定性，即便擁有了百分百客觀的數據分析，也無法保證決策結果的百分百正確。
企業管理中的不確定性，來自于影響企業管理決策的各種因素的變化速度和復雜性。這些因素包括企業內部管理因素，例如：組織機構、人員、產品、業務流程、信息系統等，以及外部環境因素，例如：競爭環境、政治環境、法律環境、經濟環境等。復雜性帶來信息的膨脹和因素之間的因果關系模糊，快速變化使得決策難以跟上變化的速度。
數據分析中的不確定性，來自于數據收集，數據處理，數據分析等過程的不確定性，數據收集是否完整和齊全，數據處理是否合理和準確，數據分析是否及時和有效，結果的解讀是否標準一致等等，幾乎每一個環節都存在不確定性
不確定性讓管理變得撲朔迷離，各種表象掩蓋了事實。如果企業管理者缺乏對信息和數據的洞察力，缺乏透過信息表象追溯本源的分析判斷能力，缺乏大局觀和利弊差異的決斷能力，缺乏決策后可能后果的預測預防推算能力，即使有了客觀完整的數據，也不會讓企業管理變得簡單。
數據能夠為業務賦能，但也要清楚事物是動態變化的，任何預測都存在不確定性，必經結合現狀和需求，通過“數據和業務的雙引擎驅動”循序漸進的推動企業的數字化轉型。
04企業數字化轉型，數據思維該如何建立和培養？
1、培養對數據的敏感度
數據敏感度是對數據感知、計算、理解能力，是通過數據的表象理解事物本質的程度。對數據敏感的人，看到數據能夠找出問題，找到規律，發現機會或做出決斷；對數據不敏感的人，看到數據只會問這是什么，這反映了什么，這能說明什么？對數據毫無敏感而言的人，“數據就是數據”，甚至不會想到以上問題。
人并非天生就會對數據產生敏感度，人們對數據的敏感度來源于經驗的積累，看的數據越多，種類越豐富，處理的問題越多、敏感性就越強。因此，數據敏感度是可以培養的。
所謂培養數據敏感度，本質上就是培養通過數據發現問題、解決問題的能力，可以從以下幾個方面入手：
質量評估，對數據的表象和質量進行評估，判斷數據是否完整、是否準確、是否符合業務規范？
識別真偽，能夠對數據的真假做出判斷，看出數據中存在的貓膩，例如：年度報告，本事業部今年老員工的離職率為0，實際上新入職的員工有大批離職的。
找到因果，能夠通過數據找到事物之間因果關系，從而找到產生問題的主要原因和根本原因。例如：產品銷量下降了，直接原因是客戶量減少了，本質原因是市場出現了更具競爭力的產品。
找出關聯，能夠通過數據多維采集和分析找到事物之間關聯關系，關聯分析是洞察事務本質的重要方式，關鍵點在于數據維度全、數據樣本完整且具有足夠的代表性。
判別優劣，能夠通過數據的對比判斷事物的好壞優劣，例如：季度銷售完成率為50%的報告，如果沒有歷史數據作為對比很難判斷出這個季度銷售業績的好壞。
洞察規律，能夠從數據中找到事物發展的規律，例如：古人為了農業生產需要，順應自然規律，通過對春夏秋冬、冷熱交替的不同時間的記錄和研究，總結出來了二十四節氣。
預測預估，能夠從已知的數據中提取到的規則，從而對未知的業務影響作出預測。
2、培養理解和使用數據的能力
“數據為王，業務是核心”，與其說培養理解數據的能力，不如說是理解業務的能力。只有將數據置于業務場景中，數據才能變得有意義。企業數據化轉型過程中，要求數據管理和數據分析人員懂業務，理解數據的對業務價值；要求業務人員要懂數據、會使用數據。
對于數據管理或數據分析人員，要能夠看得懂數據并理解數據背后的業務含義。
作為數據管理或數據分析人員，首先需要你摸清楚企業的核心業務價值鏈，甚至企業多處行業的整個產業鏈業務情況。其次，你需要逐步了解企業都涉及哪些業務域，每個業務域中包含哪些業務流程，每個業務流程之間的斜街關系，以及每個業務的輸入輸出等。最后，在理清楚業務域以及業務流程的輸入輸出后，需要對詳細列出每個業務的績效考核指標（KPI），再通過對每個指標進行更細致的拆分，最終落地的內容數據數據分析所需的報表、指標、維度、明細等。
對于業務人員，要懂數據，會使用數據指導業務開展。
數據源于業務，并服務于業務。作為業務人員，首先你要知道數據對業務的重要性，清楚數據的標準，按標準規范輸入數據，并確保數據結果的正確輸出。其次，你要能夠識別業務數據的真偽，判斷數據質量的優劣，并能夠為數據質量的改善提供必要的改進建議。最后，你還需要加強對數據管理和數據分析工具的掌握，利用數據管理工具將數據合理、正確、規范的管理起來；利用數據分析工具自助進行分析建模、場景設計、數據探索、價值挖掘。
3、培養問題拆解的能力
數據思維的核心在于用數據發現并解決問題，學會用結構化、量化的思維方式去分析問題、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數據分析師，日常主要工作是銷售數據的采集、整合、處理和分析。有天，公司領導突然讓你寫一個PPT，談一談如何用數據做業務預判、如何用數據賦能業務，提升產品銷量，實現業務增值？
這是一個典型的開放式問題，第一，缺乏明確目標和范圍，例如：哪些業務需要研判，業務遇到的問題是什么；第二，缺乏明確的判斷依據和標準，例如：產品銷量要提高多少？很多數據項目往往都死于此，這時候就需要有問題拆解的思維。數據賦能業務的過程一定是一個循序漸進的，逐步建立共識的過程。
例如基于以上問題：
首先，要搞清楚業務的目標是否明確，如果目標不明確，則先明確目標。例如：通過收集和分析現有的數據報表情況對銷售業務現狀進行研判，找出改進點。
第二，在明確業務目標之后，要搞清楚是否有業務判斷的標準，判斷標準一定要建立起來，不然提升多少才算好都不知道，事后難免陷入扯皮和糾結。例如：XX產品同比增長20%
第三，定了判斷標準之后，要分析用什么樣的策略支撐實現這個目標。例如：優化推薦算法、增加線下營銷活動等。
第四，在明確了實施策略之后，要制定策略執行計劃。例如：算法的升級需要誰來負責、什么時間完成？
第五，在明確行動計劃之后，還需要通過數據來監控執行情況，并實時反饋執行的效果。
4、培養用數據說話的習慣
數字化時代，每個人都應該具有量化思維，習慣用數據說話。用數據說話不是單純的使用“數字”，而是用數據來支持觀點，做到有理有據。
第一，在一定程度上，數據就是證據和事實，用數據說話，能夠增強你的說服力
任何觀點都會有破綻，但數據擺在那里卻難以讓人反駁。如果你是企業銷售主管，給領導匯報銷售情況，不要說你的市場競爭多激烈，你的銷售人員多努力，你的目標多高遠，直接說你增加了多少客戶，提升了多少客單量、實現了多少銷售業績、增加多少項目漏斗，這樣的匯報效果會更好一些。
第二，數據可以揭露問題，發現本質，用數據說話，可以輔助你做出正確的決策
數字化下，企業管理不僅需要管理者豐富的管理經驗，還需要有多維的數據支撐。如果你是一個企業領導，你更愿意做薄利多銷，還是堅持確保每一單都要保證一定的利潤？貌似選擇哪個方案都可以，關鍵是要看具體的場景和數據支撐。正常情況下，假如是批產的產品，可以考慮薄利多銷，以量取勝；假如是定制產品，就需要考慮一定的利潤空間。如果只是從利潤角度考慮，有產品定價數據、銷量數據就能容易做出決策，但如果還需要考慮產品的市場定位，客戶的回頭率，企業的售后服務能力等因素，就不能只考慮價格和銷量兩個維度信息，應該建立多維度分析模型，以幫助你做出更合理的決策。
第三，用數據說話要有量化思維，簡化思維，還要盡量避免使用太過專業的術語
量化，有利于對事物（業務）給出一個判斷標準，例如：提高產品銷量，提升用戶活躍度，到底銷售多少算是提高？怎樣的用戶才算活躍用戶？只有將指標進行量化，才能推動達成共識。
簡化，有利于抓住主要矛盾，直擊事物（問題）的本質，擺脫各種復雜情況，輕松應對難題。例如：某企業要其對10W+條物資編碼進行治理，通過對歷史數據分析，發現這些物資編碼中，有40%3年之內只用過一次，還有10%在業務中從來沒有使用過。基于這個分析結果，發現企業真正要花力氣治理的數據只有5W多條，而不是10W條。簡化的思維就是對復雜問題進行拆解、降維、極限歸納，篩選并只使用相關數據，從而找到簡單且可行的解決方案。
用數據說話本質上還是溝通，為提升溝通的效率，要盡可能使用“標準語言”，或者對方能夠聽得懂的語言。從這點上講，數據治理就顯得十分重要，統一企業的數據標準，明確業務術語、指標、維度的業務含義、規則等，能夠提升業務部門之間、業務與IT之間的溝通效率。
寫在最后的話
數據思維是一種“知行合一”的思維模式和行動總則。數據思維的建立，不僅僅需要對數字的敏感，更需要擅長觀察數據，從數據中找出問題、找到規律并提煉見解，讓數據賦能業務，服務管理。數據思維的建立，也不僅僅要懂數據，理解數據背后的業務含義，更需要有將數據用起來的能力，只有真正將數據用起來，才能檢驗數據的對錯，發現數據的價值。
作者：石秀峰/來源：談數據
返回列表
