文 | 帆軟數據應用研究院 船長

談到數據，我們常常會聽到數字化、數據思維、數據化管理等字眼。甚有數據思維被譽為未來「企業管理的第一思維」之說。都說數據很重要，運用數據的思維更重要，那當我們談及數據、數據化管理思維的時候，到底在談什麼？本文主要想和大家來探討這些。

什麼是數據化管理的思維？

一句話概括：企業在管理過程中，依靠數據發現問題、分析問題、解決問題、跟蹤問題的管理方式，就是數據化管理。

什麼是數據化思維？

「數據化思維」是個新詞。但其中的內涵，並不是個新鮮事物。所謂新鮮的成分，是我們對數據的解讀有了另一種認知，或者說思維方式。

那數據化思維，到底是怎樣一種思維方式呢？這裡引用《企業數據化管理變革》一書中的理解：

「數據思維是根據數據來思考事物的一種思維模式，是一種量化的思維模式，是重視事實、追求真理的思維模式。」

開篇提到數字化、數據思維、數據化管理思維，我們這裡開始捋一捋數字化與數據思維之間的聯繫和區別。數據思維並不是將事物單純地數字化。數據思維要求形成定性結論的基礎是數據，但並不排斥定性的描述和結論。

我們經常看到，很多數據報告彙報了一些列數據，但並未形成結論，這就不叫數據思維，而是單純地引用數據。比如下面這個例子。

2017年第三季度，某品牌在江蘇地區的三個銷售代理商分別完成銷售130.4萬、210.5萬、98.6萬，共計439.5萬；去年同期他們分別完成銷售額110.2萬、150.3萬、96.3萬，共計356.8。（註：該品牌在江蘇地區只有三個代理商）

在這個例子中列舉了很多經營數據，但並沒有最終結論。第三季度總銷售額439.5萬是多還是少？三個代理商的銷售額佔比是否合理？和競爭對手相比，發展速度如何？只有數據沒有結論，這不是數據思維。

這裡筆者將上面的例子做個調整，就是數據思維的成果了。

2017年第三季度，某品牌在江蘇地區的三個銷售代理商 A、B、C分別完成銷售130.4萬、210.5萬、98.6萬，共計439.5萬；去年同期他們分別完成銷售額110.2萬、150.3萬、96.3萬，共計356.8。總體同比增長了23.2%，有明顯增長，但並未達到預期的30%。根據市場調研數據，競爭對手 XXX今年第三季度實現38%的增長，而其中在 C 代理商所負責的區域，競爭對手達到200%的爆髮式增長，銷售額達到約320萬~350萬。公司需要對 C 代理商進行重點關注，做出適當調整。（註：該品牌在江蘇地區只有三個代理商）

我們對事物的變化形成定性的結論，一般有兩種途徑。一種是通過對數據對比和分析得到，一種是根據長期的經驗積累形成的嘗試來判斷。前者可以稱為「數據思維」，後者可以稱為「經驗思維」。那麼接著又有下面一問了，到底什麼是」經驗思維」呢？

什麼是經驗思維？

經驗思維是根據個人經驗或者普適性的常識對事物做出判斷，形成結論的模式。

經驗思維有時候也是一種數據思維。經驗豐富的人，一旦看到一組數據就能夠做出定性的判斷。這其中所依賴的，是在長期的數據積累。

舉個例子，比如快消行業的行銷高管，一看到某公司的行銷費用佔比才16%。就可以判斷，這家公司的行銷投入太低了。因為根據行業經驗，快消品的行業行銷費用佔比一般不低於20%，有的甚至更高。如果明顯低於20%，要麼公司產品出奇的好，江湖上有口皆碑；要麼就是產品的細分市場是個藍海；如果都兩者都不是，那麼公司多半在業績下滑，「大樹將倒」。

筆者這裡重點聊聊「經驗思維」，並不是真的話題「跑偏」了。其實是捋清楚兩者。因為，企業所謂的「數據化思維」，其沉澱下來的經驗，是要相當程度轉化成「經驗思維」的。傳承優秀知識和經驗，不斷開拓新的思維模式。這種「老帶新」的模式是企業持續沉澱的踏實可行的方式，是有效落地、接地氣的方案。

我們看寶潔公司，會有專門的 KM（ Knowledge Management）知識管理系統，來記錄目前最好的方法（CBA，Current Best Approach）。把標準的操作規程（SOP，Standard Operation Procedure） 沉澱大企業管理系統中來。及時將來人員崗位變動，甚至離職，優秀的經驗不會隨成員消失。而是會通過知識管理系統傳遞給新的成員，最終一直確保轉化為企業的無形資產。

「數據化思維」要持續發揮價值，就要不斷地將其中的優秀的、可複製的操作流程標準化，不斷地沉澱到企業知識管理系統，不斷地分享給不同的團隊。實現一份優秀經驗，大家一起學習成長，整體提高企業效率和效能。

「經驗思維」這麼好，也有其應用的局限性，或者說是一些適用範圍。下面兩種情況下，「經驗思維」可能帶來的成效弊大於利。

①當市場環境變化太快時，抱守原來的經驗往往會導致錯誤的決策。

②在快速變化的的市場或者行業中，企業或者個人過去積累的經驗很快會過時，仍然基於過去的情況作出經驗性的判斷，往往會帶來決策失誤。因此，需要根據新的形式，通過數據形成量化的評價，並在此基礎上作出判斷。

經驗思維不會過時，而經驗思維也是數據思維的一種沉澱方式。但是，如果不注重積累經驗，不注重以團隊的方式積累經驗，經驗就永遠只是個人的，而不能成為公司的。所以在組織層面，企業除了需要構建一個不斷完善的工作流程之外，還需要一個不斷積累的、不依賴於個人的知識沉澱流程或者經驗積累流程，讓經驗積累在組織內部。

數據思維是先天的還是後天的？

筆者認為：數據思維是一個綜合性思維，但主要靠後天。

站在科學角度，人類的大腦分成左腦和右腦，有著不同的功能。左腦的功能側重於邏輯、語言、數學、文字、推理、分析等方面，而右腦則側重於畫圖、音樂、韻律、情感、想像和創造等方面。

數據思維要求能理性地對數據進行處理和分析，講求邏輯推理。根據數據能夠知道發生了什麼，為什麼會這樣發生，有什麼樣的規律，這是左腦控制的；但數據思維還要有充分的想像力，能夠將數據關聯到管理流程和制度，並能國故創造性地提出不同的見解，這是右腦控制的。所以，數據思維是一個綜合性思維，需要左腦和右腦的協調工作。

現在全球的數據科學家是極度缺少的，因為要做大數據分析工作，需要在三個領域有突出的表現：

① 信息技術，包括軟體和硬體方面德國；

② 數學領域；

③ 經濟和管理領域。

大多數的大數據應用都是商業行為，不是為了興趣愛好。所以需要利用數學知識，藉助 IT 手段，將對大數據的探勘轉換成商業應用。

所以，對數據思維的訓練也需要從這三方面入手。

第一，要不斷積累管理經驗，熟悉企業的經營環境、市場競爭，對經濟學和商業運作有深刻的理解，對企業管理有豐富的經驗，通過數據結果能夠知道企業到底發生了什麼；

第二，要有基本的資料庫相關知識，包括軟體和硬體知識，能夠在數據採集、數據存儲、數據傳輸等領域理解最新的技術，能夠熟練處理大量的數據，能夠對數據的結構進行優化，提高數據處理的效率；

第三，要有審核的數學專業功底，根據數據集進行建模，能夠對模型進行優化，並利用相關的演算法進行計算，計算之後能夠對數據進行解讀。

當然，僅僅有以上三類知識和技能也是不夠的，數據的呈現需要一定的設計技巧，需要用視覺化的語言將觀點表達出來，能夠有效地傳遞信息。特別是在企業中，並不是所有人都是數據專家，甚至可以說所有人都不是數據專家。只能把精於對數據處理的那部分員工成為數據專業人士。所以需要對數據進行深度加工，然後以別人能夠理解得了的方式來呈現，才能讓數據探勘結果得到認可。

企業管理者為什麼要有數據思維？

企業管理者對大數據和數據化管理的態度現狀：

不同企業的中高層老闆對大數據和數據化管理的感覺是不同的。真正希望利用大數據和數據分析來提高本職崗位績效的，往往是民營企業的中高層管理者。而且這個欲求的強烈程度與年齡無關，只與所處在的環境和個人心態有關。在某些國企或者事業單位，很多處於管理層的人基本都是多年才熬出來的。他們沒有任何外部競爭的壓力，大數據對於他們來說，只是處於好奇的階段，只與大數據對自己有什麼影響、對企業有什麼影響，他們並不關心。

所以，給他們講大數據，講數據化管理，最多只能講些故事或者與他們切身相關的例子而已；而對於民營企業的管理層，他們積極尋求在大數據時代的機會，希望在筆者的培訓中能夠找到幫助他們改善管理、提高競爭力的方法，甚至希望在這個領域能夠有新的商業機會，所以他們對大數據更有興趣。

現在的企業管理已經不是原來的傳統的企業管理，數字化基礎上的管理已經是現在企業管理的基本形式。如果沒有數據思維，管理者在數據和事實面前會感到窘迫，並感到自己的權威受到挑戰。所以管理者應該隨趨勢，與時俱進，用數據思維來武裝自己，讓自己的管理決策更加科學與合理，以便更加理性地處理商業環境下的各種關係。

隨著數據技術的發展，企業面臨的外部環境將更加複雜，需要處理的數據也會越來越多。如果企業還是在傳統的思維模式，在市場競爭中必然會有落後於用數據來快速決策、高效處理問題的競爭對手。企業不重視數據，只會讓自己在商業競爭中處於被動的位置。

參考文獻
[1] 趙興峰. 企業數據化管理變革[M]. 電子工業出版社, 2016.
[2] 畢然, 袁曉潔. 大數據分析的道與術[M]. 電子工業出版社, 2016.
[3] 黃成明. 數據化管理[M]. 電子工業出版社, 2014.

喜歡這篇文章嗎？歡迎分享按讚，給予我們支持和鼓勵！