数据驱动未来—构建端到端全流程新价值体系

一、数字化时代已经到来

1996年的时候作者Negroponte的《Being Digital》（翻译为《数字化生存》）中提出数字化生活的概念。尼葛洛庞帝说：“在广大浩瀚的宇宙中，数字化生存能使每个人变得更容易接近，让弱小孤寂者也能发出他们的心声。”

而当前的数字化时代已经来临了，数字化带来的移动互联网、物联网、务联网已经全面侵入式的走进了我们的生活点点滴滴。电脑，PAD，手机、各种社交媒体、电子支付等各种数字化技术把我们的生活完全连接到了云端，连接到了网络，我们成为了一个巨大的数字化网络的一个节点，每时每刻，从云端获取和使用各种信息，各种状态，浏览和购买各种商品，从而实时的决定我们的决策和行动。我们可以通过天猫京东支付，可以远程为亲戚朋友滴滴打车，远程视频聊天通讯，远程共享社区生活，公交地铁扫描支付等等。

当今工业和信息化大潮流：大数据、云计算、人工智能，其中每一项核心内容都离不开数据驱动。在工业4.0大潮中，中国制造2025国家战略驱动下，未来信息技术在制造业的研发设计、生产装备、企业管理、产品流通到营销渠道等各个环节上的应用将进一步得到深化，信息技术与制造业将实现全面融合。所以企业在实施新的信息化过程中需要实现两化：数字化和智能化两大目的。其核心是智能生产技术和智能生产模式，旨在通过“互联网”+“物联网”+“务(服务)联网”，把产品、机器、资源、人有机联系在一起，推动各环节数据共享，实现产品全生命周期和全制造流程的数字化。通过数据驱动，管理优化，提升端到端的企业核心竞争力。好比IBM对《中国制造2025》的分析报告给出了新价值网络的定义：通过大数据、云计算、移动互联网、物联网等新技术的共同作用，充分把握新工业时代下信息资源带来的机遇，以数据驱动为核心驱动力，贯穿参与者、产品与生产，实现跨界和全球化互联互通的协同，形成集制造和服务为一体的全球化价值网络。

我们身处参与者、产品、生产是价值创造过程中的三个要素之中。在传统价值链下，三者之间缺乏交互作用，联系不紧密，企业以自有资源寻求客户和合作伙伴，以自有生产能力进行模式化产品的制造。然而在新价值网络下，通过大数据、云计算、物联网、移动互联网等新一代信息技术平台的作用，业能够获得精准的数据洞察，以此为核心驱动力，改造整个研发、生产、销售等环节，实现参与者、产品和生产的协同互联；同时，数据驱动始终贯穿参与者、产品和生产三个要素，使它们具有智能分析能力和自我优化能力，实现“智慧的参与者”、“智慧的产品”、“智慧的生产”的角色转变。

数据驱动作为核心驱动力，始终贯穿整个新价值网络。数据驱动以需求导向、创新驱动、敏捷生产、协同合作的方式贯穿整个新价值网络，实现精准实时响应需求、持续优化产品研发创新、实时指导生产资源配置和决策、以及全球范围内产业链的互联互通。

二、数据驱动对于一个企业意味着什么？

企业里每天很多业务部门会产生很多报表、给领导汇报，将故事说自己多么卖力干活，本月有多少成绩，难道我们的企业就“数据驱动”了吗？事实上，无论这些报告结构多么严谨，里面讲了多么美丽的故事（大部分并不美丽），我们也不过是在回顾过去。我们可能会描述一次上周的bug缺陷在下降，但是，我们并没有解释这次bug缺陷下降的原因以及接下来如何去做。而且，有的时候，如果这个报告根本没有被阅读，甚至更糟糕的是，被看过后完全置之一旁，那么这份报告没有对企业产生任何价值。从2014年到2017年，试想下我们每一个部门做了多少数据汇总和报告，但这些数据给我们带来数据收益了吗？2018年我们RDM上线，我们基于IPD产品开发流程，铺设数据管道，构建统一数据源，数据收集，数据分析开始从以前的2人天时间产生报告现在变成10秒，相信我们基于数据分析和预测未来在随着信息化建设将逐步完善和成型。

当然，成为一个数据驱动型企业，最低的标准是要引入具有前瞻性的数据分析。在这样的分析中，需要包含“在哪儿”，“为什么”，“谁”，“接下来是什么”这些问题。分析还需要提供更多有效的信息和证明对接下来的商业决策进行指导。大部分的前瞻性预测需要具有预见性，提供优化策略，并且进行假设分析和模拟推演（出自 Jim Davis’ levels of analytics 分析的最高阶段 ）。但是分析通常会和我们以前的Excel报表，PPT汇报或PLM仪表盘一样，遭受同样的命运：如果他们被忽视而不能对商业决策有所助益，那么他们没有“驱动”任何事情。2018年RDM和新的信息化还是同样的厄运吗？

三、数据价值体系需要从组织文化开始构建全流程数据驱动？

有幸在一次与美国研发中心石总裁管理探讨后，建议逐步构建数字驱动的企业管理体系，并且引荐了数据分析大师Carl Anderson 的著作——《创造数据驱动型企业（Creating a Data-Driven Organization）》。从数据工程、数据科学、支持业务分析和数据驱动文化，从本书我们可以吸取很多有价值的内容，特别强调了构建数据价值体系，让数据驱动成为一种企业文化，著作中指出在一个数据驱动的企业，数据是提供报告、深度模拟预测的来源，企业决策者应该将数据分析纳入公司决策流程，并对公司的决策提供价值和影响。当然数据驱动不是鄙弃流程，不是有人所说流程有罪，而是数据驱动与业务流程紧密结合，才能通过数据分析，数据决策实现数据价值。否则数据就是脏数据，或是数据是历史罪过。

当然，数据驱动企业最大的特点是拥有一套完整的数据价值体系。数据价值体系指的是一套完整的从数据收集、整理、报告到转化成行业洞见和决策建议的流程。

诚然，最重要的是这些洞见和决策建议真正能够被企业决策者使用，并且帮助他们做出高效、明确的决定。数据价值体系是自我迭代的流程，首先，需要改进公司业务（当然有的时候最好的决策是不改变），其次，对商业的影响可以被评判，再次，对商业的影响是可以用数据证实并有衡量标准。其实，大家普遍认为数据分析可以帮助决策者采取行动、获得价值，事实上并不是这样。在著作《创造数据驱动型企业》的第10章节里面特别提到数据驱动文化的构建：反对HIPPOs。在很多情况下，数据会终止在 HIPPOs（Highest Paid Person’s Opinions，最高收入人意见）。

这些HIPPO（最高收入人），他们好像知道一切规则，忽略数据、证据和建议。他们觉得只要去做自己想做的就可以，因为他们知道什么是最好的。如果他们不依靠数据做出的决定是正确且运行良好的固然很好，然而，大多数情况下并不是这样。很多公司完全缺少问责性，有的评论家甚至会说：“他们不这样做是因为，他们没有办法被问责。如果你敢展现那些会明显否定 HIPPO 观点的数据，在小部分公司里你会完全被否决，甚至会被解雇。”形成有效的数据价值体系，关键在于让数据驱动深入到企业文化中。为此，我们需要培养“数据驱动文化”。这是一个多层面的问题，它包括了数据质量、数据分享、数据分析师的招聘和培养、沟通、可分析的公司组织结构、量化设计、A/B测试、决策流程等。

数据驱动文化构建需要在以下六大方面进行设计，如下图所示：

1. 文化：合作，兼容，开放，好奇。如我们在项目团队创建和项目文件建设所强调的一样，需要合作，开放，并且是双向的，及时的沟通。一个数据驱动公司需要将数据尽可能构建开放和合作的文化，让数据尽可能的公开化，并给员工提供一个便利的途径，让他们接触到数据和高效使用数据的方法，将数据嵌入到流程中，有权利基于数据做决策。当然这里面有一部分本身就是公司决策者。这些决策者们需要对数据非常敏感，有高效的技能去界定一个分析师提供的数据实验设计的好坏，必要时提正确的问题，给出意见，解释数据标准和结果。

2. 数据领导力：首席数据官，首席分析官。数据最原始的用户是数据分析部门的数据分析师和科学家们，他们需要通过数据来提供洞见，而不是仅仅出一份报告或者分析结果放在领导的桌子上，他们的工作要基于数据去提问并解答正确的问题，去理解业务并将他们的建议提供给决策者。为了达到以上目的，他们需要接受专业的培训、掌握准确的技能、提供良好的支持。所以CDO和CAO不再是传统意义的CTO，不能只是处在信息化的原始状态，需要通过信息化IT构建的构建，做到数据收集，数据分析，数据决策，数据预测等工作，让数据管理成为企业的领导力。

3. 决策制定：反复验证，基于事实，反对HIPPO。怎么才能让数据驱动实施起来保证客观，摒除 HIPPO 的影响呢？这需要一个非常完善的 A/B 测试文化，它可以保持企业的创新，不断尝试新的创意，可以直接听到真实的客户和用户反馈。公司应该鼓励假设，更重要的是，每个人的新想法都应该被赞同和接受。最后，这不是一件对抗性的事情。即使是对 HiPPO，我们可以说：“我们并不知道答案，所以我们要验证它”，然后让数据说话。

4. 组织 ：嵌入式、联合式分析。数据驱动需要构建嵌入式和联合式分析组织，团队组织需要不同的角色定义，不同的角色需要不同的技能。

5. 员工：可分析的组织架构：团队、技能、培训。在数据驱动文化中，员工是“双语的”，他们可以听得懂“用数据讲业务”也能听得懂“用业务讲数据”。

6. 数据：数据质量，数据管理。数据必须进行评价和管理，防止数据不一致，在各个业务部门通过无效数据进行各说各话，抛弃脏数据，对数据进行度量和分析，逐步构建数据管理模型，让每个人意识到数据即战略资产，并通过数据驱动来获得实际收益与回报。

四、企业信息化思考：

最后，公司各个业务体系孤立的构建ERP, CRM, RDM，OA, BI，SRM, MES信息化系统不能带来数字驱动的价值体系，我们如何才能高效构建企业的数字化端到端全流程价值体系？一切才刚刚开始，请你一起同行……