认知、思考和反应-论数据驱动业务的“力”

这是我的第20篇原创

上次发了一篇文章“数据如何驱动业务？成为钥匙，而不是发动机”。有个朋友说像大热天喝了一口冰阔落，太爽了！但是只有一口，不过瘾呐！

其实这个话题真的很大，一两篇文章根本说不完，待我娓娓道来。

驱动的核心是“力”

物理世界的核心是“力”，力驱动万物。人类社会的核心同样是“力”，“力”驱动组织、个人的行动。管理学早已有对各种“力”的定义：

一眼就能看明白的大家自己体会就行。这里重点给大家介绍几个增强大家驱动力的点：

职级与职责

有些同学会说，我人微言轻，各位都比我高N个level，说了没人听啊。其实不然，职责所在，在所不辞。

小学的时候就学过一篇《列宁与卫兵》的课文:“洛班诺夫严肃地说，'我没有见过列宁。没有通行证，谁也不能进！'”

所以职责与职级是没关系的。在适合的时候使用你的权力，是你的使命。其实我在团队内部分享的时候，用的是公司内部的一个例子：公司工位比较紧，行政主管找到VP、三个总监，要求合并办公区域，行政主管一个小女子，个子矮矮的，声音弱弱的，面对比他高N个级别的人，列出了工位总数，现有团队人数，并且考虑到扩编的情况，指出了工位浪费、服务器占用的情况，有礼有节的让大家腾挪了工位。

模范权与专长权

在群里聊的时候，有些数据分析师很非常焦虑：现在运营都能拉数据了，我们数据分析师该咋办啊？其实了解到模范权和专长权你就不会焦虑了。

• 数据分析师的品格：

不是说数据分析师的品格很高尚，而是说数据分析师天然有一个优势，就是中立。运营出的数据报告，各位数据分析师你们懂的，运动员出具的分析报告，还不得往死了夸自己啊？这也不是在贬低运营的同学，立场不同，换我在运营，也会这么干。

• 数据分析师的知识和能力：

在所有公司中，数据分析师应该是同时最了解业务和数据的群体。无数数据分析师的每天的工作就是苦思冥想，挖空心思，思考分析思路，提出假设，找数据验证，在专业领域，数据分析师平均水平肯定比其他所有部门的平均水平要高N个水准。

感情因素-刷脸

我见过很多非常优秀的人，在一个组织的中不得志，最后落魄而去，最大的因素是忽略了感情因素。

组织的运转核心是合作，而中国合作的底层逻辑是关系，是感情。有人说了，咱不是有流程么？您说的没错。但是如果您也得尊重文化，一旦忽略了感情因素，用“举步维艰”来形容处境，再合适不过。

“数据驱动业务”是组织行为

企业、部门、小组都是一个组织，然后才是个人。个人英雄主义存在，但是绝大多数时候都是组织行为。尤其是数据驱动业务，更是跨部门的组织行为。这个时候，就不能只看你个人的能力有多强了。

吕布再强，众叛亲离，群起而攻之，一样死的早。

咱把“驱动”说明白了，咱再来理解一下“数据驱动业务”中的另外两部分：

数据：指的是数据部门，往大了说，是企业的数据大脑；

业务：指的是业务部门，往大了说，是企业的商业引擎。

所以您看，这是一个大组织里，一个中型的组织驱动另外一个中型组织的事情。

你一个数据分析师，何德何能，居然可以驱动业务组织，按照你的意思执行？

如果是你的领导天天跟你喊：“数据驱动业务”，这是你领导无能，压力传导给你罢了。

如果是业务部门天天跟你喊：“数据驱动业务”，这不是业务部门喜欢你，大概率是KPI完成不了，想找个分担压力的。

实操指南

难道“数据驱动业务”就无法实现了吗？也不是。螺丝掉了，得用螺丝刀拧紧；卫星要发射到天上，得用火箭送上去。组织行为的问题，怎么能落实到某个人上解决呢？三个层面：

• 组织问题必须从组织层面解决：

首要的就是赋予数据分析团队相应的职责和权力。在这件事情上，学X思做的最彻底，公司的PMO都是由数据负责人兼任。不过个人认为，这个权力不是越大越好，而是刚刚好能推动事情前进最合适。组织架构和技术架构一样，需要注重Balence。

• 认知层面要达成共识：

“数据如何驱动业务？成为钥匙，而不是发动机”一文中的结尾，我留了一句私货“教育是第一生产力”，说的就是这个事情。大家的认知必须要在一个水平线上，这是合作的基础。

波西格在《禅与摩托车维修艺术》一书中的一个场景很有意思，他哥们约翰的宝马摩托车的把手老滑落，波西格想用易拉罐铁皮给他修好。但是他哥们极度鄙视，拒绝了波西格非常专业的意见。波西格思维不在修车上，已经上升到哲学层面，所以车也不修，写书去了。但是咱得接着修啊，咋办？不能降低咱的认知，所以只能提升其他人的认知了。手段有：

• 执行层面一定要责权利对等

很多人并没有意识到，很多数据分析师害怕听到“数据驱动业务”的真正原因，是因为数据分析师承担了业务KPI。很多公司的KPI都用的不对，KPI的核心是KPI的跟踪与优化。KPI是管理工具，是提升整体员工水平的管理工具，不是淘汰的手段，是激励员工的管理工具，不是扣工资的手段。换句话说，数据分析师承担了业务KPI，那是否有增加业务奖金呢？单纯承担KPI，只有惩罚，没有激励，责权利不对等，这是最核心的问题。

恶劣环境下的操作手册

是的，对于数据分析师本人而言，上面说的都太理想化了，那根本不是你我能解决的。那有没有在上面问题都没法解决的情况下的操作手册呢？

太为难我了！不过，回答：有的！下篇再讲。

往期精彩回顾

干货 | 从疫情中学习如何做分析
思考| 数据如何驱动各业务？
热文 | 架构师的角度看中台

转发，点赞，在看，安排一下？