數(shù)據(jù)不是萬能的，不進(jìn)行數(shù)據(jù)轉(zhuǎn)型是萬萬不能的

鄭渝川

數(shù)據(jù)不是萬能的。浙江人民出版社、湛廬文化近日引進(jìn)出版了全球著名的商業(yè)思想家、流程再造、知識(shí)管理、注意力經(jīng)濟(jì)等商業(yè)概念的提出者、美國(guó)知名商學(xué)院巴布森學(xué)院教授托馬斯·達(dá)文波特，與埃森哲卓越績(jī)效研究院高級(jí)研究員珍妮·莫里斯、資深企業(yè)顧問羅伯特·莫里森合著的《工作中的數(shù)據(jù)分析》。這本書出人意料的在全書開篇談到了數(shù)據(jù)分析的局限，以及當(dāng)前企業(yè)界在數(shù)據(jù)分析中的視角和方法錯(cuò)誤。

數(shù)據(jù)分析的局限在于，首先，很多情況下，商業(yè)決策需要快速作出，來不及或者不具備條件進(jìn)行周密的數(shù)據(jù)分析；其次，當(dāng)遇到?jīng)]有先例即不存在歷史數(shù)據(jù)的情況下，只能借助于經(jīng)驗(yàn)、直覺進(jìn)行判斷；第三，歷史信息存在誤導(dǎo)，就像是證券投資中，僅僅根據(jù)過去的周期信息，很可能遭遇“黑天鵝”和“灰犀牛”風(fēng)險(xiǎn)一樣，對(duì)于歷史信息在任何情況下都需要進(jìn)行甄別采用；第四，當(dāng)一些事物、事件難以測(cè)量其關(guān)鍵變量的情況下，數(shù)據(jù)分析的啟動(dòng)難度很大。

2008年金融危機(jī)以及之后的歐債危機(jī)，證明數(shù)據(jù)分析也可以出現(xiàn)嚴(yán)重的視角和方法錯(cuò)誤，比如基于無效的、錯(cuò)誤的、過期的假設(shè)。金融危機(jī)發(fā)生以前，華爾街的各大投行所建立的按揭證券交易模型建立在美國(guó)房?jī)r(jià)會(huì)一直上漲的（錯(cuò)誤）建設(shè)之上，而信用違約模型基于信用市場(chǎng)的流動(dòng)性的建設(shè)，投行對(duì)于風(fēng)險(xiǎn)、信用的認(rèn)知存在巨大偏差。書作者據(jù)此歸結(jié)出，數(shù)據(jù)分析需要分別避免邏輯錯(cuò)誤和過程錯(cuò)誤，前者包括沒有提出正確的問題、做出了錯(cuò)誤的假設(shè)且未加驗(yàn)證、篡改數(shù)據(jù)和模型來為特定的結(jié)論服務(wù)、沒有正確理解數(shù)據(jù)的全部?jī)?nèi)容。

《工作中的數(shù)據(jù)分析》這本書指出，無論是金融服務(wù)業(yè)，還是其他行業(yè)，數(shù)據(jù)分析雖然存在技術(shù)上的局限，還會(huì)出現(xiàn)視角和方法錯(cuò)誤，但仍然值得倚重，其決策可靠性要大大超出基于直覺和經(jīng)驗(yàn)。書作者改寫了蘇格拉底的名言指出，“未經(jīng)檢視的決策是不值得做出的決策。”

《工作中的數(shù)據(jù)分析》這本書包括兩大部分。第一部分給出了DELTA模型，即data（可用的高質(zhì)量）數(shù)據(jù)、enterprise企業(yè)視角、leadership領(lǐng)導(dǎo)力、target戰(zhàn)略性目標(biāo)、analyst分析師，由這五大要素組合起來成為重塑企業(yè)在數(shù)據(jù)時(shí)代競(jìng)爭(zhēng)力的框架。

首先，企業(yè)應(yīng)致力于提升數(shù)據(jù)水平，使之提升質(zhì)量，具備獨(dú)特性、整合質(zhì)量，并能得到很好的監(jiān)管和保護(hù)。書中以美國(guó)部分企業(yè)案例為據(jù)，說明了如何收集具有唯一性和專有性的數(shù)據(jù)，并指出企業(yè)完全可以通過深耕基礎(chǔ)運(yùn)營(yíng)的信息來挖掘數(shù)據(jù)金礦。比如，美國(guó)加州的一家牙科診所，就通過分析多年來的索賠數(shù)據(jù)，對(duì)于投保客戶與其對(duì)應(yīng)牙醫(yī)的行為模式進(jìn)行了更加清晰的了解。談到企業(yè)內(nèi)外部多個(gè)數(shù)據(jù)源所獲得的數(shù)據(jù)進(jìn)行聚合，應(yīng)當(dāng)將之納入業(yè)務(wù)需求的運(yùn)行流程，并且要摒棄完美主義傾向，要能夠應(yīng)對(duì)和處理存在缺陷、缺失的數(shù)據(jù)。書中還強(qiáng)調(diào)，無論是金融服務(wù)商，還是其他行業(yè)的企業(yè)，而今都必須高度重視數(shù)據(jù)隱私，建立必要的分級(jí)權(quán)限體系和防泄漏規(guī)范。

其次，要以改善企業(yè)競(jìng)爭(zhēng)發(fā)展水平為目標(biāo)，建立大數(shù)據(jù)戰(zhàn)略，打破信息孤島。企業(yè)不同部門、流程、業(yè)務(wù)板塊都有動(dòng)機(jī)，對(duì)于數(shù)據(jù)進(jìn)行封閉處理，特別是跨國(guó)的金融或多行業(yè)經(jīng)營(yíng)的企業(yè)，不同的業(yè)務(wù)部門、區(qū)域總部會(huì)舉出種種理由，來避免業(yè)務(wù)信息在公司內(nèi)部共享。書作者建議，企業(yè)的大數(shù)據(jù)戰(zhàn)略必須建立在一個(gè)較好運(yùn)行的信息共享平臺(tái)之上。

第三，應(yīng)當(dāng)使得企業(yè)自上而下各級(jí)管理人員，包括數(shù)據(jù)分析部門、職能部門、業(yè)務(wù)單元及基層執(zhí)行部門的領(lǐng)導(dǎo)者，都能以數(shù)據(jù)分析為導(dǎo)向，具備數(shù)據(jù)領(lǐng)導(dǎo)力。書中梳理指出，數(shù)據(jù)分析領(lǐng)導(dǎo)者通常應(yīng)具備人際交往能力、自覺使用數(shù)據(jù)和分析、傾向于雇傭具備數(shù)據(jù)分析能力的人才、梳理數(shù)據(jù)分析使用的習(xí)慣、勇于承諾結(jié)果、教導(dǎo)數(shù)據(jù)分析技術(shù)、以數(shù)據(jù)分析為基礎(chǔ)來建立績(jī)效指標(biāo)等素質(zhì)，同時(shí)對(duì)于數(shù)據(jù)分析的局限和常見錯(cuò)誤也有清晰的把握。書作者就此舉出了一些企業(yè)管理者的實(shí)例，講授在不同行業(yè)培養(yǎng)管理者數(shù)據(jù)領(lǐng)導(dǎo)力的方法和步驟。

第四，應(yīng)該跳出行業(yè)，深刻把握技術(shù)革新、社會(huì)轉(zhuǎn)型所導(dǎo)致的行業(yè)不斷分化和跨界融合的趨勢(shì)。

第五，積極培養(yǎng)、正確使用和激勵(lì)不同層級(jí)的數(shù)據(jù)分析人才。書作者將數(shù)據(jù)分析人才分為四類，第一類是行業(yè)頂級(jí)數(shù)據(jù)分析師，這類人才通常精通行業(yè)分析技術(shù)，在行業(yè)內(nèi)擁有很高聲譽(yù)，有能力履行高層管理職責(zé)；第二類是擁有最強(qiáng)的量化分析能力的人群，擅長(zhǎng)趨勢(shì)分析、聚類算法、預(yù)測(cè)模型、統(tǒng)計(jì)模型、優(yōu)化和模擬以及各類數(shù)據(jù)挖掘等技術(shù)的分析專家。這一類人才也就是人們常說的技術(shù)大咖，很可能也是怪才，企業(yè)需為之設(shè)計(jì)特有的施展空間的制度環(huán)境、激勵(lì)政策。第三類是準(zhǔn)分析專家，能夠?qū)⑶皟深惾瞬砰_發(fā)的模型和算法為其他業(yè)務(wù)部門服務(wù)，起到承上啟下的作用。第四類是分析愛好者，將企業(yè)數(shù)據(jù)分析技術(shù)和指導(dǎo)政策轉(zhuǎn)化到基層執(zhí)行，能夠敏銳的將市場(chǎng)信息轉(zhuǎn)化為有價(jià)值的數(shù)據(jù)并納入企業(yè)數(shù)據(jù)系統(tǒng)。書作者指出，企業(yè)大數(shù)據(jù)戰(zhàn)略及其應(yīng)用，最重要的就是要立足于人，改善發(fā)展環(huán)境和激勵(lì)政策，最為充分的發(fā)揮各層次的數(shù)據(jù)分析人才的作用。

《工作中的數(shù)據(jù)分析》一書的第二部分立足于企業(yè)的數(shù)據(jù)化轉(zhuǎn)型，聚焦數(shù)據(jù)分析與具體業(yè)務(wù)的深層次融合，提出了一系列建議。數(shù)據(jù)化轉(zhuǎn)型首先要選擇好切入點(diǎn)，一些上規(guī)模的企業(yè)對(duì)于數(shù)據(jù)化轉(zhuǎn)型持排斥態(tài)度，很可能出于數(shù)據(jù)轉(zhuǎn)型成本較高等擔(dān)憂，以及對(duì)于轉(zhuǎn)型效益不明朗而缺乏動(dòng)力，這種情況下，應(yīng)當(dāng)使之了解數(shù)據(jù)對(duì)于流程提升的潛力。數(shù)據(jù)化轉(zhuǎn)型其次應(yīng)組織并管理數(shù)據(jù)分析所需的資源，要通過精密組織以確保較好的應(yīng)對(duì)數(shù)據(jù)分析能力的供不應(yīng)求等情況。

讓數(shù)據(jù)分析與業(yè)務(wù)流程高度融合，應(yīng)當(dāng)明確流程中的關(guān)鍵決策點(diǎn)，確保擁有足夠的數(shù)據(jù)來支撐相關(guān)決策，將決策置于事實(shí)、數(shù)據(jù)的基礎(chǔ)上，將分析技術(shù)逐項(xiàng)整合到運(yùn)營(yíng)系統(tǒng)和流程之中，通過流程部署、模型部署、系統(tǒng)部署、人員部署四個(gè)步驟解決數(shù)據(jù)分析融入業(yè)務(wù)流程的難題。

在此基礎(chǔ)上，還要積極打造數(shù)據(jù)文化。書作者指出，數(shù)據(jù)文化可以確保數(shù)據(jù)為導(dǎo)向的思想被企業(yè)上下廣泛接受，使得企業(yè)體系能夠自覺的探尋真相、發(fā)現(xiàn)模式并追根溯源、對(duì)于市場(chǎng)信息盡可能細(xì)致的分析、搜尋數(shù)據(jù)做出判斷從事實(shí)出發(fā)而不是傳聞和直覺、能夠坦然的接受負(fù)面結(jié)果和正面結(jié)果。很顯然，數(shù)據(jù)文化對(duì)于提升企業(yè)文化的水平，建設(shè)更加具有開放度、透明度的企業(yè)運(yùn)營(yíng)架構(gòu)具有幫助。