如何打造数据驱动型企业

　　曹操有多少人马？

诸葛亮说有80万，周瑜说只有3万。二者立场和目的不同，所以给出的答案也不同，但两人其实都深谙一个道理，那就是数据的驱动力量。

真实有效的数据对于一个企业来说至关重要，而数据分析可以改变企业的未来——但前提是企业中的每一个人每一天都用得到它。当然，这里的数据分析不是巫师手中的水晶球，也不是上帝掷出的骰子。

标题：Being data-driven: It’s all about the culture

作者：Carl Anderson

译：张洁

校：程权

原文链接：https://www.oreilly.com/ideas/being-data-driven-its-all-about-the-culture

一、以数据为导向的企业意味着什么呢？

许多企业认为，发布过大量数据报告，就成了以数据为导向的信息服务企业。事实却并非如此，即使这些报告排版优良，有着巨大发现(绝大部分并不会做到这一点)，但显然还是回顾性的总结。其中可能会报道，上周销量下滑，但对于至关重用的起因或应对措施，它们却只字不提。此外，如果该报告在收件箱中始终无人问津或在桌子上从未掀开，更糟糕的是，打开了但没有引起注意，说明报告几乎没有为企业创造任何价值。

这种情况类似于仪表板。大多数报道通常是回顾性的(虽然接近于实时)，经常缺乏来龙去脉，容易造成功能过剩。随着时间的推移，它的指标会越来越多，也会变得愈发混乱。我们很少能看到这样一个仪表板或报告，在你的业务面临的挑战和机遇时，清楚地告诉你应该做什么。

我并不是在这里否认报告和仪表板对于所有的数据驱动企业的价值，其价值确实举足轻重。我只是想告诫大家，数据驱动并不局限于此。

至少，数据驱动的企业必须高瞻远瞩，做出更具前瞻性的分析。地域、起因、对象、下一步工作这些参数都得一一涵盖。分析结果中需采用更多的篇幅来描述前因后果，有理有据地论述下一步的建议。最具前瞻性的分析应当是面向未来，做出预测，拥有完善的分析结果，对假定的情况做出理性分析(这些是吉姆·戴维斯分析的要领)。然而，分析也有可能和报告和仪表板殊途同归。如果没有人阅读，没有人关注，也没有对业务产生什么影响，那么就没有任何意义。

　　分析价值链：数据→报告→分析→决策行动→价值产生

在数据驱动的企业，数据衍生出报告，产生更为深入的分析。决策者决定分析结果的导向，从而影响公司的决策，对外输出价值和影响力。

数据驱动公司的特点在于是否拥有有效的“分析价值链”。就是如何将收集到的数据和报告通过分析转化为见解和建议，最重要的是，这些见解和建议要可供决策者使用，让其做出有效而明智的判断。分析价值链是一个迭代的过程:分析引起业务调整(尽管可能什么都不做才是最好的决定)，分析师观察到这一变化，通过分析再次反馈信息。分析会影响决策者行动和价值，听起来这可能微不足道，但事实并非如此。

在多数情况下，高薪者思考问题，往往不会去参考数据。这些人无所不知，几乎习惯上忽略数据，忽略证据和建议，做他们想做的事，因为他们比任何人都知晓一切(最终，他们的薪水也证明了这一点!)。如果他们的直觉是正确的，他们的战略也顺利实施，这当然没关系。然而，大多数情况下， 事实并非如此。而且，在大多数企业中， 大大缺乏问责制度。他们往往能免受惩罚，因为他们至高无上。“用数据果断地推翻高薪者的观点或议程，可能会被解雇，或者被拉进黑名单，这种情况在大大小小的公司并不少见。”批评家说道。

拥有一个有效的分析价值链，关键是做一个数据驱动的企业，将数据驱动这一理念整合到企业文化去。首先你需要培养数据文化。这涵盖了方方面面的内容，包括数据质量、数据共享、分析师的雇佣和培训、沟通、企业组织架构、衡量标准、A/B测试、决策过程等等。

二、企业文化

企业文化是贯穿这一切的精神主导，关系到数据普及程度，大家如何使用或看待数据，以及作为战略资产而投入的资源和培训。

其中最基础的就是数据本身。你需要收集正确的数据，同时用正确的方法去备份、归档、整理数据。也就是说，业务需求源源不断，但数据团队的资源有限。数据团队与业务部门合作，在减小数据偏差、提升数据质量的同时，一切以给企业提供最好的数据源为重，同时减少偏见和最大限度地提高数据质量。

这说起来容易，做起来难！

　　6、文化：协作，包容，开放，好奇心

5、数据领导者：首席数据官，首席分析官

4、决策：测试思维，基于事实，反权威的声音

3、组织：嵌入式，联邦制

2、人：分析型，创造力，技能，培训

1、数据：数据质量，数据管理

数据驱动企业的六大高阶要素

最明显的数据消费者主力就是奋战在数据分析岗位的工作者:分析师和数据科学家，他们的工作就是发表个人见解。他们不是给出一份报告或分析就可以了，而是应该给出正确的提问和回答，也就是我们所说的具备“商业头脑”，然后将建议卖给决策者。为了达到这一点，他们需要正确的技能、培训和支持。他们也需要有效的公司组织架构。他们通常需要与业务部门合作，与团队分享目标，而且也会有数据团队作为其后备力量，给他们提供培训、指导和设定标准等服务。

另一群消费者不太明显：其他人!

数据驱动的企业应该让数据尽可能普及，给一大批员工提供有效的数据和技能，让员工利用这些数据做出合理的数据驱动决策。当然，其中也包括集团决策者。他们应该受过与数据相关的教育，他们应该有足够的能力来判断试验设计的优劣，在必要的时候和分析师探讨一番，问正确的问题，给其讲述某些指标，挖掘数据中体现的种种迹象。在数据文化里，员工需通晓双语:分析师会和他们谈业务，而业务要看数据说话。员工需要能熟悉业务，掌握数据含义。

客观代表着一个什么样的状态呢，领导的眼中钉?其实这种状态中会有强大的A/B测试文化，驱动企业不断创新，去尝试新的想法，直接获得来自真正的客户和用户的反馈(这就是“市场传达的讯息”Intuit Inc.创始人Scott Cook说道。我们需要鼓励假设，重要的是，大家应当相信任何人都可以想出好主意。相对来说，相互之间并不冲突，甚至领导者的看法亦是如此。你可以说:“我们不知道答案，测试一下吧。”让数据说话吧。

通过这样一种文化，易于让员工意识到数据的重要性，从而去挑战假设，去讨论，去迭代。Julie Arsenault说得很好：“‘你有数据需要备份吗?’ 应当并不是一个避之而不及的话题 (而是大家都想要回答的问题)。”

需要有人（比如数据的管理者），来带头引领这种公司文化的变革，去宣扬数据就是资产、去推动实质性的回报与收获。同时，除了这种自上而下的领导，数据分析的企业在自下而上提升和塑造企业文化过程中也扮演着一个关键的角色。这需要员工直言不讳，公司透明度高，观点更具前瞻性。

改变企业文化任重而道远，所以越早开始在企业发展中开展并推行这种文化，就越容易将企业打造成数据驱动型的企业。

====================================分割线================================

本文转自d1net（转载）