客户服务 客服

您的位置:首页 > 科技 > IT业 > 数据时代的企业管理者需要懂什么?

数据时代的企业管理者需要懂什么?

2017-10-17 来源:  浏览:    关键词:数据时代 企业管理

最近有一个MBA同学问了我一个很好的问题,让我这几天好一顿琢磨,牺牲了不少睡眠时间和脑细胞!因此产生了一些不成熟的想法,希望跟朋友们分享,起到抛砖引玉的作用,请大家批评指正。

这位同学的原话我记不得了。大概意思是:未来,作为一个企业的管理者,我们应该如何适应大数据时代的到来?我们将面临什么样的新挑战?我们应该为之做出什么样的准备?例如:我需要学R语言吗?我需要学Python吗?我需要学回归分析、机器学习、甚至大样本理论吗?如果这些答案都是肯定的,那这也太悲催了。因为,对于很多管理者而言,根本不具备学习这些技能必要的基础知识,也没有那个时间。那熊大的看法是什么?

在回答这个问题之前,大家先一起探讨一个问题:数据时代的企业,跟传统时代的企业,到底有啥根本区别?我认为就一个区别:数据多了。数据怎么多起来的呢?随便举一个例子。传统时代老王卖耗子药(对不起,不要砖我,狗熊会的一个产业梦想就是用互联网思维卖耗子药),只管一通乱卖。至于谁买谁不买,什么耗子适合吃什么药,统统不知道。后来,老王配置了管理信息系统。请注意,老王当年上管理信息系统的时候,可不是为了采集数据,主要作用还是想支撑销售运营。例如,老王希望快速知道,哪年哪月哪个地区哪个品牌的耗子药卖了多少。以前靠小王EXCEL统计老出错。同样一个任务,每次算出来的数字都不一样。这可让老王很不爽,非常抓狂。因此,老王下了血本上了管理信息系统,从此耗子药销售管理水平再上一个新的台阶。

企业管理者

时过境迁,几年过去了。老王突然发现了一个问题。就是:我怎么不知不觉存下来很多数据。数据量的增多,一方面是由于时间的累积,数据的沉淀,另一方面是由于信息系统升级,数据库采集的字段越来越多。最后,这个数据量之大,居然带来了不小的成本。这个成本不仅仅表现在软硬件的采购成本上,更表现在运营管理需要的人力成本上。所以,老王心一横:删了吧。这时候,正在读MBA的小王跳了出来说:使不得!我们老师说了,这些数据可是咱们公司过去多年积累下来的宝贵财富啊!是公司重要的资产,删除太可惜了。老王开始纠结了。不删除,这个产生的综合成本不小。删除,小王说有商业价值。于是,老王把小王叫过来问问:你说有商业价值,到底有啥商业价值?老王的逻辑很简单朴素。如果这数据有商业价值,你就给我发掘出来。如果能够覆盖我基本的综合成本,就可以考虑留着。如果能超出,当然更好。但是,别跟我扯这些虚的。你说有价值,请问:有啥价值?小王怎么回答?小王被问懵圈了。他发现一个悲催的现实:老师只讲过数据有价值,但是到底有啥价值,如何实现,却从来没讲过。这个坑爹的老师(不是熊大哈)。

大家看,上面这个瞎扯胡编的故事,能够从一个侧面反映我们很多企业正在面临的挑战。过去这些年的信息化建设为数据的采集存储打下了很好的软硬件基础。今天,数据真的有了,而且很多了,多到了成为一种负担,怎么办?如果不能把数据的商业价值发掘出来,企业就会处在一个非常尴尬两难的境地。这不包含一开始就靠数据驱动的新兴行业(例如:物联网、消费金融等)。对于这些新兴数据企业而言,如何让数据产生价值,更是当务之急。

那请问:从数据到价值的基本路径是什么呢?答:三个懂!第一、懂数据;第二、懂价值;第三、懂回归分析。这三点构成了熊大朴素的数据价值观。关于这三点,在《熊大胡说》整个系列里面,翻来覆去多次论述,其中不乏有重复之处。但是,今天看来仍然不够,还需要继续絮絮叨叨碎碎念。有兴趣的朋友可以在狗熊会公号输入关键词“胡说”看到所有相关文章(也可以戳这里)。那么,接下来我在这里对这三个问题做一个详细的论述。

懂数据

什么叫懂数据?熊大认为,至少要熟悉以下几个方面,才能叫做“懂数据”。哪几个方面?

懂数据采集的技术手段。根据熊大朴素的数据价值观,凡是可以记录的都是数据。因此,要求管理者首先懂得数据采集的技术手段。以车联网为例。请问:跟车联网相关的数据采集的基本技术手段有哪些?熊大看到的,国内比较成熟的,至少有TBOX,ADAS,普通移动设备(例如:手机)三种数据采集手段。它们之间相比较而言的优势劣势各是什么?即使是TBOX,请问:前装vs.后装,有啥子区别?假设都是前装,小轿车 vs. 大卡车,有啥子区别?了解这些互为竞争关系的技术手段,对于把握行业的大方向极其重要。尤其是技术还不成熟的行业,一个竞争技术的重大改进,就可能让你的未来惨淡无比。作为企业的管理者,不需要知道这些技术背后的物理学原理,但是要对它们时刻保持敬畏敏感,并作出相应的决策。

懂数据供给体系。啥意思?就是,如果数据不是我家自己产生的,而是来自于第三方,企业管理者一定要对数据供给体系心中有数。应该知道:咱们的数据供给方是谁?还有谁?有竞争对手吗?他会切断对我的数据供给吗?在什么条件下?如果他不供给数据了,有替代方案吗?这些问题关乎企业长期发展的生死存亡,极其重要。以大名鼎鼎的,善于预测机票价格的Farecast为例。这么优秀的企业,背靠微软这个大树,为什么最后关门了?因为他的机票数据来自一个非常单一的供给方,没有替代方案。而这个供给方悲催地被谷歌收购了,而谷歌跟微软有直接竞争关系,这让Farecast的数据采购处在了非常不利的位置上。这是老外的故事。在中国呢?我们有多少企业的数据生意是依赖于三大运营商的?会不会有一天它们不跟你玩了?尤其考虑到它们其实都是一个大老板拥有的,这个大老板就是:国家。我们还有很多航班管理的APP,他们的数据都来自一个单一的数据供给商:中航信。会不会有天中航信想自己玩,不跟你们玩了?相信从业的管理者一定能列举很多合理的理由说:这个是不可能的。但是熊大胆小,总是瞎操心。熊大觉得还是居安思危好一些。

懂数据的法务风险。数据是什么?数据之于企业,可能就是商业机密。数据之于个人,可能就是隐私。那么,什么样的数据采集使用才是合规合法的?不会招惹法律道德风险?这是管理者必须小心应对的问题。尤其是从现在开始,到未来几年的时间里。因为,这几年很可能是中国数据产业合规实践从混乱走向规范的关键时期。今天的数据产业缺乏数据合规的广泛共识,缺乏相关的法律法规。但是,政府监管部门已经释放出清晰的信号:“我们很在意这个问题!”就在前一段时间,有关法律条文就规定,非法倒卖个人信息超过多少条,就会刑事入罪!这可不是闹着玩的啊。咱们各位数据企业的疯狂成长过程中,是不是每一步,每一个环节都是100%合规的?我想这几乎不可能。因为:规则都不成熟,规则都在变化,你怎么合规?所以,处在这个时代的管理者,要保持对数据合规的高度敬畏与敏感,并根据国家相关法律条文的实施颁布,作出正确的变革。

懂数据质量。企业为了面子,尤其是在投资人和媒体面前,经常说:我有好多好多数据。但是,避而不谈,甚至压根不知道的是:你家数据质量如何?最简单的问题:咱家数据缺失严重吗?比例多大?咱家数据逻辑合理吗?会不会自己打架?再举一个具体的例子。以空气质量为例。我们可以监控PM2.5,也可以监控PM10。根据定义,PM2.5是PM10的一部分,因此必须比PM10小。但是,真实的数据是这样的吗?会不会有PM2.5比PM10大的时候?过去的媒体上还曝光过至少两起相关的刑事案件。涉案人员出于各种目的,用各种奇葩的手段对PM2.5数据作假。这些手段包括:给检测器戴口罩、塞棉花、洒水等。这样产生的数据就是垃圾,没有质量可言。而垃圾数据,没有任何价值。所以数据质量是一个特别基础的问题。但是,奇葩的是,真心没有几个管理者能把自家数据的质量说得清楚。等真的需要数据做产品了,才发现一堆问题,非常抓狂。

懂价值

那怎样才算是懂价值呢?根据熊大的朴素数据价值观,价值常常表现在三个方面:收入、支出、以及风险。为了让客户感受到价值的存在,还需要一个可量化的参照系。此处参见《数据,价值与回归》系列的《数据的商业价值》。因此,要懂价值,管理者需要懂以下四个方面。

懂收入。管理者要了解企业现阶段的主要收入来源是什么?是2B的销售,还是2C的?收入的计量单位是什么?是货币,还是客户数量?未来的目标是什么?任何企业都靠收入活着。一个企业一时半会没有利润,仍然可以在资本市场的支持下做得很大,例如曾经的亚马逊。但是,没有收入谁陪你玩?例如,如果我的“收入”可以是货币收入,也可以是注册用户数目的增加,反正我得有收入。以用户增加为例,我能否了解一下新增用户都来自哪些细分的市场?哪些市场还有进一步发掘的潜力?他们为什么来我这里注册了?他们是受广告刺激了?还是朋友圈的影响?只有在充分了解企业收入模式的前提下,管理者才可能产生关乎收入的数据分析命题。

懂支出。管理者要了解企业现阶段的主要支出,以及相对大小。首先,对企业的支出做一个客观科学的描述,这本身就是非常有意义的数据分析。在此基础上,管理者可以思考,哪些企业的支出,是可以通过数据分析进行优化的。例如,人工成本有优化的可能性不?居高不下的用工成本是由于什么原因造成的?工资过高?还是离职率太高造成的?如果是后者,能否分析一下什么样的员工相对更忠诚?如果一大成本是制造车间的用电,能否进一步细分,这些电量都消耗在哪些产品,哪些环节上了?如果管理者不懂企业的支出(或者成本)构成,请问:如何产生正确的数据分析命题?如果命题都不准确,如何让数据产生价值?

懂风险。管理者要了解企业运营的主要风险所在。有可能是财务风险,有可能是运营风险,有可能是法律风险,也有可能是设备风险。无论是哪一种,管理者都需要知道:主要风险是哪几种?如果是一个广播电视台,一个主要风险可能就是发射塔down机。为此,需要分析:一个正常养护的发射塔,一个月可能会down掉几次?频率如何?产生的损失是什么?如果不是发射塔,是重大桥梁设备呢?这可一次也不能down啊,这要是down了,就是人命关天啊。如果,我们讨论的是消费金融,无抵押借贷呢?主要的风险是信用风险吗?也许不是,也许主要风险是骗贷风险。无论情况如何,企业管理者要深刻了解自己业务中的核心风险是什么。只有在这个前提下,才能让数据分析团队的工作瞄准正确的目标。

懂参照系。企业如同一个自然人。运转过程中,时时刻刻,方方面面都在发生变化。这些变化可以通过各种指标体现出来。哪怕是收入、支出、风险,也可能有极其丰富的指标体系。请问:我们如何监控他们的变化?我们怎么区分:正常 vs. 不正常?如何区分:原地踏步 vs. 有进步?同样的问题也发生在人体身上。我们怎么知道一个人的血压是否正常?我们怎么知道,我的血糖水平有所改善?答:参照系。企业至少可以确立一个非常有用的参照系,就是:自己的昨天。无论是收入也好,支出也好,还是风险。都可以问一个问题:我的昨天怎样?如果不能回答这个问题,就无法确定今天是进步了,还是退步了。相应的企业管理者的决策将非常主观。因此,一个好的,适应数据时代的企业管理者,一定要明确自己的参照系。

懂回归分析

如果一个企业管理者已经非常了解数据,也很懂价值了。请问:他还需要懂什么?答:从数据到价值的典型路径。如何发现这条路径呢?需要一套标准的,可被重复推广的方法论。这就是:回归分析。请大家注意,熊大的回归分析不是统计学教科书中讲的那个数学模型。根据熊大朴素的数据价值观,数学上的回归分析(无论线性的还是非线性的,无论低维的还是高维的)统统都隶属“术”的层面。而在“道”的层面,回归分析是一套思想方法论。该思想能够指引我们具备一种神奇的能力,就是:把业务问题定义成为数据可分析问题的能力。这里涉及到两个关键词:业务问题 vs. 数据可分析问题。业务问题好懂,就是老板给我下的KPI问题。而这个问题能否借助数据的力量,更好地完成呢?这就不一定了。如果这个业务问题,不能被定义成为数据可分析问题(事实上绝大多数业务问题都不能),那么数据就帮不上忙。相反,如果要让数据有所作为,这个业务问题,一定能够被定义成为一个数据可分析问题。因此,数据时代的企业管理者,应该具备这个能力,进而给数据分析团队准确命题。如果不具备,那就是瞎指挥。熊大在产业中看到的现象是:瞎指挥占大多数。而且,有趣的是,越是瞎指挥的管理者,越是自我感觉良好。

那么,什么样的问题才是数据可分析问题呢?根据熊大的朴素数据价值观,如果一个业务问题可以把Y和X说清楚,这就是一个数据可分析问题。因此,懂回归分析思想的管理者,一定要懂Y和X。

懂Y。Y是什么?Y是企业业务的核心诉求。如果我领导的是CRM部门,关心客户流失率,那么Y就是客户的流失与否。如果我管理的是消费金融业务,关心骗贷行为,那么Y就是一笔贷款业务是否被骗。如果我关心的是车险定价,那么Y就是一个司机一年下来的赔付金额,可以是0。有朋友可能会觉得,把Y说清楚,这不是很容易吗?答:真心不见得。例如,CRM部门的一个核心业务诉求往往是:提高客户价值。我天,请问:啥叫客户价值啊?一个物流企业对卡车司机的业务诉求可能是:改善司机驾驶行为。天,请问啥叫:驾驶行为啊?一个航空公司的运营人员可能关心:航线运营效率。这又是一个什么鬼?千万不要小看这个事情,由于所有的后续数据分析都是瞄准Y去的。因此,如果Y定义错误,那么后续的所有分析都将是危险的,没有价值的。Y就是整个数据分析的指向标。这个指向标很重要,常常根本不可能是数据分析团队来确定的。为什么?因为他们不懂业务,不懂得在企业战略的高度考虑业务。这不是他们的局限,是分工使然之。如果人啥都考虑了,要领导干啥?因此,数据时代的管理者,应该具备敏锐的能力,根据业务目标,迅速确定Y,并因此为数据分析团队指明研究方向。

懂X。X是什么?X是同Y相关的所有数据指标。X用来干什么?X中有的指标是可控的。例如:是否对客户来一次短信营销?或者电话骚扰?或者给他发个垃圾邮件啥的。理解X同Y的相关性,可以帮助我们了解将来应该怎么做才是最有效的。还有的X不是可控的(例如:客户性别)。那么这些指标,如果能够建立同Y的相关性,能够帮助我们对客户准确定位。过去我们自己的研究中就发现,手机用户中,通话号码数(一个有趣的X)多的客户更忠诚,不容易离网。这是一个非常有趣的发现,是以前所不了解的。这对业务意味着更深的见解。这个发现告诉我们,不是每一个高ARPU值的客户都需要额外关心。那些高ARPU值,同时高X(通话号码数)的客户,其实不用太搭理,因为他们离网的概率很低。相反,企业应该把有限的营销资源,准确的投放在那些:高ARPU值,而低X(通话号码数)的客户身上。这些客户的价值高,但是流失的风险也大。一个管理者对业务的见解是否深刻,常常会表现在他创造X的能力上,是数据分析最出彩的地方。

总结一下吧。数据时代的管理者,面对的新挑战是:如何让数据产生价值。为此,需要懂三样东西:数据、价值、以及回归分析。这是熊大朴素数据价值观的基本理论框架。


版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:service@qeerd.com,投稿邮箱:tougao@qeerd.com