在上一篇文章中蘇春園：當(dāng)數(shù)據(jù)驅(qū)動(dòng)成為趨勢(shì)，CEO該做何改變？，我們聊到數(shù)據(jù)驅(qū)動(dòng)決策是一把手&CEO工程，以及DT時(shí)代CIO=Chief Innovation Officer的角色升級(jí)。

今天我們來聊聊如何讓創(chuàng)新落地，通過“自動(dòng)化”的數(shù)據(jù)分析與決策，讓“人”釋放出來，專注于更有創(chuàng)意的思考以及更有溫度的服務(wù)。

《數(shù)據(jù)的本質(zhì)》一書中有一個(gè)很小的場(chǎng)景，但讓我印象深刻：

車品覺（《數(shù)據(jù)的本質(zhì)》作者：大數(shù)據(jù)專家，前阿里巴巴集團(tuán)副總裁、現(xiàn)紅杉資本專家合伙人，被譽(yù)為中國數(shù)據(jù)化思考第一人。）團(tuán)隊(duì)經(jīng)常遇到的一個(gè)挑戰(zhàn)，是數(shù)據(jù)生產(chǎn)與制作流程需要大量數(shù)據(jù)清洗整理與準(zhǔn)備即ETL（Extract/Transform/Load）的處理過程，即便是阿里般強(qiáng)執(zhí)行的節(jié)奏下，一份簡(jiǎn)單的分析報(bào)告也需要三天時(shí)間才能完成數(shù)據(jù)的預(yù)處理。結(jié)果業(yè)務(wù)部門自然態(tài)度冷淡，數(shù)據(jù)驅(qū)動(dòng)不起來。

類似的場(chǎng)景處處都是，怎么辦？

只好來一場(chǎng)硬仗！

首先爭(zhēng)取到足夠的“彈藥”和“輿論”，包括強(qiáng)力的資源和人力投入、足夠的時(shí)間，還包括馬云和彭蕾等關(guān)鍵高層的理解共識(shí)；然后，內(nèi)部不斷研發(fā)迭代，上下游配套展開一系列的業(yè)務(wù)流程創(chuàng)新；最后，在“試錯(cuò)-升級(jí)”的反復(fù)磨合過程中，實(shí)現(xiàn)了大部分智能分析與決策的過程，從數(shù)據(jù)自動(dòng)預(yù)處理、報(bào)表生成、維度自決，到問題自動(dòng)排查、異常預(yù)警各個(gè)環(huán)節(jié)，全面驅(qū)動(dòng)業(yè)務(wù)決策。

這場(chǎng)仗打了多久？

好幾年。

還好，終于迎來勝利的果實(shí)，這套數(shù)據(jù)決策體系系統(tǒng)性的提升了集團(tuán)數(shù)據(jù)化決策的能力，為阿里在未來5-10年的持續(xù)增長打了下扎實(shí)的基礎(chǔ)。

阿里是全球互聯(lián)網(wǎng)領(lǐng)域的頂級(jí)公司，那么傳統(tǒng)行業(yè)的大鱷們呢？比如肯德基、星巴克、優(yōu)衣庫等這些500強(qiáng)巨頭。

我和團(tuán)隊(duì)曾經(jīng)為很多這類500強(qiáng)巨頭提供過商業(yè)數(shù)據(jù)分析的產(chǎn)品，他們基本代表了傳統(tǒng)領(lǐng)域里面數(shù)據(jù)驅(qū)動(dòng)決策的最高水準(zhǔn)。

這些公司的典型特點(diǎn)，除了管理基礎(chǔ)很好，還有兩個(gè)容易被忽視的“人”的因素：

第一，有一個(gè)很龐大的數(shù)據(jù)分析團(tuán)隊(duì)，包括各個(gè)業(yè)務(wù)部門里面自己能分析數(shù)據(jù)的業(yè)務(wù)人員，業(yè)務(wù)部門專門的需求分析人員，專門的數(shù)據(jù)分析師，還包括數(shù)據(jù)倉庫與商業(yè)智能（BI）團(tuán)隊(duì)專門的ETL工程師、BI工程師、數(shù)據(jù)倉庫工程師、大數(shù)據(jù)團(tuán)隊(duì)的算法科學(xué)家，以及專門的IT支持人員與管理運(yùn)維人員等等；

第二，在業(yè)務(wù)的末梢，這些公司有很多理解精細(xì)化管理的運(yùn)營人員，比如店長、督導(dǎo)、區(qū)域經(jīng)理等角色，他們具備相當(dāng)?shù)目炊當(dāng)?shù)據(jù)、解讀業(yè)務(wù)、做出合理決策的能力。

這兩點(diǎn)與“人”有關(guān)的因素，正是“數(shù)據(jù)驅(qū)動(dòng)決策”在這些500強(qiáng)傳統(tǒng)公司能夠產(chǎn)生價(jià)值的核心基礎(chǔ)。

他山之石，可否攻玉？阿里巴巴與肯德基KFC，都是各自領(lǐng)域里面全球10段級(jí)別的選手。他們構(gòu)建數(shù)據(jù)決策體系的路徑，能否直接借鑒？

根據(jù)過去十多年在美國與中國兩地的實(shí)踐，我的判斷是不大可能。

要構(gòu)建阿里或肯德基這樣的數(shù)據(jù)分析與決策體系，需要有大量懂大數(shù)據(jù)技術(shù)以及懂大數(shù)據(jù)應(yīng)用的人，經(jīng)過長時(shí)間的不斷迭代積累，形成數(shù)據(jù)驅(qū)動(dòng)決策的文化。而國內(nèi)絕大部分的公司并不具備這樣的人力基礎(chǔ)，而且外部環(huán)境的快速變化，也不允許公司在黑暗之中長時(shí)間的探索與試錯(cuò)。

當(dāng)然，硬幣的另外一面是極大的利好，因?yàn)榉止び訉I(yè)，越來越多像觀遠(yuǎn)數(shù)據(jù)這樣的“軍工廠”，專注于提供從數(shù)據(jù)到?jīng)Q策的“核武器”。在這個(gè)時(shí)代，絕大部分公司都沒有必要自己來重復(fù)造輪子，只需要聚焦主營業(yè)務(wù)，與外部合作伙伴來共建數(shù)據(jù)分析與決策體系，構(gòu)建面向未來的企業(yè)大腦。

在我們看來，面向未來的企業(yè)數(shù)據(jù)分析與決策體系，最重要的關(guān)鍵詞之一是“自動(dòng)化”。

• 能否自動(dòng)的接入數(shù)據(jù)，并自動(dòng)進(jìn)行數(shù)據(jù)同步（Data Sync）以及處理（Data Prep），保證數(shù)據(jù)的準(zhǔn)確與實(shí)時(shí)？

• 能否將業(yè)務(wù)分析與決策的過程形成可自動(dòng)執(zhí)行的分析鏈路，進(jìn)一步對(duì)關(guān)鍵指標(biāo)進(jìn)行監(jiān)控，讓數(shù)據(jù)追“人”，打通微信/釘釘，形成反饋的閉環(huán)？（Smart Alert）

• 能否透過數(shù)據(jù)的可視化呈現(xiàn)，自動(dòng)探測(cè)到數(shù)據(jù)背后的業(yè)務(wù)“異常”，輔助業(yè)務(wù)快速?zèng)Q策？（Outlier Dectection）

以我們服務(wù)的多家知名連鎖零售類品牌為例，門店從數(shù)百家到數(shù)千家規(guī)模，業(yè)務(wù)變化頻度極高、線上線下深度融合。以前，傳統(tǒng)的BI更多提供“站樁式”的看數(shù)據(jù)，層層傳遞，級(jí)級(jí)溝通，既懂業(yè)務(wù)又懂分析的專家鳳毛麟角，往往成為分析瓶頸。當(dāng)他發(fā)現(xiàn)某個(gè)門店的日商（日商：即每日銷售額，連鎖零售最核

心的指標(biāo)）有異常，進(jìn)一步發(fā)掘可能的原因，再進(jìn)行分析決策的時(shí)候，問題已經(jīng)發(fā)生了好幾天，錯(cuò)失了第一時(shí)間處理的機(jī)會(huì)。

而這樣的場(chǎng)景每天都在不同的門店發(fā)生。

未來的企業(yè)決策大腦，必將是通過“自動(dòng)化”的方式，進(jìn)行數(shù)據(jù)全鏈路的打通與分析。80%以上的業(yè)務(wù)可以在第一時(shí)間自動(dòng)形成決策結(jié)論，并將需要采取的行動(dòng)建議自動(dòng)推送給到相應(yīng)的管理與運(yùn)營人員，將每個(gè)人從繁雜的系統(tǒng)與數(shù)據(jù)中釋放出來，而專心為客戶提供更有溫度的服務(wù)。

專家介紹：

如果您想了解更多BI干貨知識(shí)，歡迎訪問36氪企服點(diǎn)評(píng)！