商業(yè)決策數據化的十大要點

◇林 雷

◇林 雷

商業(yè)決策是企業(yè)安身立命并長遠發(fā)展的根本所在，是企業(yè)的“神經中樞”。長期以來，企業(yè)的商業(yè)決策，往往依賴于個人智慧、領袖意志或偶發(fā)性的非邏輯化思考。隨著數字時代的到來，我們的思考和決策過程也愈加數字化，歷史潮流無可回避，關鍵是如何把握和順應這一趨勢，更好地服務于企業(yè)商業(yè)決策。

新華信通過研究，認為商業(yè)決策數據化有十大要點值得關注：

一、數據化的思維方式

傳統(tǒng)理論認為，企業(yè)經營管理更多考驗的是決策者的定性思維，也就是管理藝術，而企業(yè)運營管理則更偏重于流程和執(zhí)行，可以大規(guī)模地信息化和數據化。隨著時代的演進，科學決策與藝術思維的融合不斷加速，未來大有取代之勢，頗似數字電路對模擬電路的顛覆。

二、第三方數據源合作

隨著大數據時代的到來，數據的獲取成本變得越來越低，企業(yè)信息化將逐步過渡到社會信息化。企業(yè)仍將保持對核心運營數據（大部分是結構化數據）的管理，而針對非（半）結構化數據的需求則更多地依賴第三方資源，一方面可以極大地降低數據使用成本，一方面也要考慮數據安全的法律風險。

三、在業(yè)務中檢驗和更新數據

企業(yè)數據庫中的數據在完備性、唯一性、準確性、及時性等方面存在眾多的缺失，甚至存在虛假數據，不論是偶發(fā)的還是人為的。單純的檢驗和更新數據動作，涉及的成本相當高，且效果未必佳。新華信認為，數據質量的管理一定要綁定日常的或創(chuàng)新的業(yè)務流程，例如可以利用微信建立客戶互動機制來實時更新其聯(lián)系方式。

四、數據的投入和虛擬分攤

信息化和數據化的投入相當大，且效果無法通過正面數字完全測量。所以企業(yè)需要一種合理的機制來實現(xiàn)成本的合理縱向（針對未來的計提）和橫向（針對業(yè)務單元的計提）分攤，它可以是實在的財務數據，也可以是虛擬的計算。

五、數據治理和集成

企業(yè)數據的完全整合和集成，是一種理想狀態(tài)；但如果不進行整合，企業(yè)級的數據分析也無從談起。這個時候，企業(yè)級的數據治理就顯得尤為重要，例如進行企業(yè)數據的統(tǒng)一編碼和主數據管理，而新型的商業(yè)智能工具已經可以不依賴于數據倉庫而進行整合性計算。

六、商業(yè)智能平臺的建立

商業(yè)智能平臺，對企業(yè)而言是階段性的突破，是企業(yè)由“數據生產”和“數據使用”向“數據消費”乃至“數據享用”階段的過渡。商業(yè)智能平臺的主要任務是進行描述性統(tǒng)計分析，但是也可以為商業(yè)分析（即預測性的統(tǒng)計分析，構建模型）打下良好的基礎。

七、商業(yè)智能能力中心

商業(yè)智能的大發(fā)展，必將要求一個“中央”機構來協(xié)調和管理企業(yè)內部的數據業(yè)務，它將由IT專家、統(tǒng)計專家、業(yè)務專家和行業(yè)專家等共同組成，是企業(yè)的“神經中樞”，將輔助企業(yè)核心層的經營決策。

八、拒絕平面思維

人類視覺的平面化決定了其思維的平面化，愛因斯坦的四維時空以及黎曼空間也僅停留在公式層面而無法具象化。但是我們的世界是多維的，我們的分析和思維也必須是多維的。新華信認為，時刻保持多維的思考模式遠比掌握多維的分析方法（如OLAP）更加重要。

九、多維的可視化

不論何種分析方法，其結果都必須通過二維或三維的方式來進行展示，方便受眾的閱讀、理解、掌握乃至更深層次的分析。從某種角度來看，數據可視化就是數據語音和人類語言之間的翻譯。

十、數據價值分享&應用反饋

數據分析的結果或發(fā)現(xiàn)的新模式，都是為了企業(yè)的經營決策，都必須在實際的商業(yè)環(huán)境中檢驗其價值。這就需要在兼顧數據安全（如權限管理、數據面具）的基礎上，來實現(xiàn)分析結果的最大規(guī)模分享，同時要最大規(guī)模地搜集使用者的反饋，并加以進一步地探索和改進，如此循環(huán)往復、生生不息，方可確保商業(yè)決策數據化事業(yè)的穩(wěn)步前行。

展望未來，商業(yè)決策數據化的下一個熱點必將是大數據，挑戰(zhàn)的不單單是我們所擁有的手段和工具，更多的是我們掌握的非結構化思維能力。