数据驱动的5个阶段

我想结合我在阿里巴巴的 6 年经历以及近年的顾问经验,用 5 个阶段为大家描绘数据驱动的内涵。

阶段 1:将数据作为决策的瞄准器

我们首先希望将数据作为瞄准器,帮助企业了解现状,并为业务发展做出有利的决策,这些决策包括对项目的资源投放、产品开发、营销策划、风险管理、人才培养等。但是,正如我在《数据的本质》中所说,从企业分析的层面看,数据与决策之间并不容易形成闭环,所以数据的稀缺(多盲点)会导致无法真实还原“决策— 行动—结果”这一过程。更关键的是:我们建立的数据指标体系是否足以帮助我们发现问题、找出原因,然后制定出解决方案?

在这一阶段,我们通过数据分析来辅助人类单凭直觉来进行感知这一弱点(基于经验的假设)做决策,然后作为优化手段,再用数据去衡量之前的假设是否成立。这样一来,我们就有了一个模糊的决策闭环。但问题是,答案越模糊,优化行动的迭代时间可能会越漫长。为了积累经验及让联系不够紧密的决策闭环之间的联系可被追溯,更主动地补充还未收集或利用的数据去加强关联指标体系、建立事件跟踪线索及可视化系统则至关重要。在这个层级的管理者需要以身作则,让不同层级的决策者更关注数据化决策意识与能力的提高。在京东数科的月度经营会议中,常常会见到业务主管被 CEO 问及数据指标的细节及其所表示的现象,只有在这种务实的环境中,分析师、业务人员、产品经理才能发挥出“指哪儿打哪儿”的作用。一个以数据为驱动的月度经营会议,应该像战争中的沙盘推演一样才对。所以,我在此奉劝大家不要迷恋数据大屏幕, 好看的“仪表盘”不一定能发挥出好的作用。

阶段 2:将数据分析嵌入工作流

我相信,只有当数据能力泛化到企业的“神经末梢”上时,数据驱动才算起了作用,因为仅让员工拥有好的数据分析工具及意识无异于隔靴搔痒,得想办法把分析工具应用于更接近工作流的决策环节之中。举一个典型的例子,在节日促销期间,当需要为促销页面选择商品或者合适的供应商时,类目主管可以在相关系统及工作流中使用契合场景的分析工具。此举能提高分析的便捷性及价值点,数据能力泛化是落地的必要手段,这是一个数据化分析的普及过程,也是产业数据化的里程碑。另一个典型的案例是在产品运营工作中,必须在产品设计的同时就想好其需要收集的数据资料,并配备相关的数据分析功能,否则业务数据的趋势很难被呈现出来。

阶段 3:数据治理让内外资源无缝配合

阿里金融是阿里巴巴的第一个数据创新业务,为中小企业提供信贷服务,其数据来源最初主要是淘宝及天猫上的交易数据,可用于评估借贷风险及还款周期等。作为集团内当时的新业务部门,汇聚其他多源头的跨公司数据并在此基础上保持良好的数据质量,是阿里金融所面临的最大考验。数据治理一般都牵涉内外部资源的配合,例如,最大限度地减少数据收集点的噪声及加入对数据质量的稳定性考虑,都是数据共享过程中无法绕开的部分,跨度越大,困难就越大。由此可见,为什么城市大数据的数据融合会旷日持久, 但是一旦实现互通,其所带来的价值便会激增。在我参与过的数据治理顾问工作中,这个阶段的成功与否,直接影响到阶段 4 的成功概率。

阶段 4:抓准时机,消灭数据孤岛

每家企业都有自己的核心业务,特别是数据公司更容易找到以数据驱动为核心的系统,如淘宝的商品推荐系统、银行的风控系统、城市的智能运行中心(IOC)等。几乎所有较大的互联网企   业都存在算法、分析、人工智能团队在不同业务线中各自为政的问题,也由于这些团队一般各自拥有自己的数据平台,因而数据孤岛的现象很普遍。很多企业都是因为数据委员会的成立,数据孤岛间的障碍才开始得以破除,数据才得以融合。我当年也是凭借阿里“铁木真”(陆兆禧,阿里巴巴首任 CEO)对公司数字化转型的决心,最终成功组建了阿里巴巴的数据委员会。可能也是因为阿里巴巴数字化转型的成功,“如何建立一个有效的数据委员会”已经成了我被追问最多的问题。这个问题的答案因为企业在数据化的成熟度方面的不同而不尽相同。在很多企业中,要消灭数据孤岛其实也要把握时机,举例来说,美团和大众点评在合并时如果没有顺势进行数据整合治理,日后处理起来难度将会倍增。但话虽如此,数据孤岛必须被完全消灭吗?我们在后面的章节还会继续探讨这个问题。

阶段 5:运营导向,以数据驱动为核心(智能化)

马云曾在阿里巴巴的一次总裁会议上提出了一个问题:淘宝和天猫的客户都是 24 小时惠顾的,那么为什么高管在半夜和周末都不用上班?从这个问题出发,后来演变成了聚划算商品团的运营自动化,乃至后来诱发无人超市、智能客服等的出现。我作为第一个带领团队开发商品团自动化项目的拓荒者,在这个过程中感受到的数据治理的力度、算法的精准度都要比前述 4 个阶段高几个档次。关键是,你会发现有些数据资源,之前根本没有考虑过要收集,你还会发现很多人们习以为常的决定其实是欠缺依据的。最有趣的是,在自动化的过程中,业务、技术、产品及数据部门都在强调, 他们才是运营自动化的核心部门并希望成为主导者,所以,要推动运营自动化项目,首先要搞定的是人心。

以上 5 个阶段不一定会依次发生在公司的数字化变革过程中, 而且企业业务性质的差异在不同的企业中呈现出的问题也不一样。