怎样才算数据驱动型企业？

Michelle ufford的演讲中讲过一句话，如果你有了一个想法，然后利用数据去验证它，这不是数据驱动。数据驱动是一切从数据出发，在数据中产生洞察和想法从而驱动你的行为。

   那么到底什么是数据驱动型企业呢？或者说怎么理解数据驱动这四个字？接下来我们将从几个核心问题入手来尝试理解数据驱动相关的系列问题。

数据驱动的内核逻辑

    任何一个事物首先要定义上搞清楚，否则就是似是而非的理解，我们说的数据驱动的定义并不是名词解释，而是以下几个问题：

• 数据驱动的目的是什么？
• 决策的逻辑及变化？
• 数据、信息、知识、决策四者之间的关系
• 数据驱动的根本动力

我们通常说的数据驱动直接目的就是驱动决策

   决策体现在宏观和微观两个不同的层面，宏观层面属于基本面的范畴，比如与企业战略规划相关的，更多的是决策做什么或者不做什么？而微观层的是决策如何做，实现层面的事情，比如说在做产品营销的时候，什么优惠活动发给谁，谁通过什么方式触达？（注意这两两句都有两个问词，什么活动给谁，谁通过什么方式触达）。

   从DW/BI商务智能出现到大数据体系，这一阶段的热潮更对对应的是宏观决策，从机器学习开始广泛应用开始，数据驱动逐渐向微观层面的应用发展，即智能+，如上面说的智能营销、智慧城市、以及在各领域的基于推荐系统的应用等等。

   智能应用就是数据驱动在微观层面（具体场景）的体现，这主要是因为移动互联网的发展，引发的数据“数据风暴”，这就直接导致“信息溢出”的问题，用户无法以“比价”的方式选择所需信息，企业端竞争者之间也无法通过传统的方式在用户间博弈，如何精准的将用户关心的“信息”触达到用户视线内就成为了企业竞争者必须要思考的问题（对应前面提到两个问词，谁、什么），谁能解决这个问题，谁就能快速捕获用户“心智”，进而在竞争中胜出，所以基于数据的智能应用成为首要选项甚至是唯一选项。

刚才提到数据驱动的直接目的是通过决策来达到的。那么决策的逻辑是什么？

   我们先将第三个问题提前，先来分析下数据、信息、知识、决策及四者之间的关系。

• 数据:事实和数字，它们传递了一些特定的信息，但没有以任何方式组织起来，也没有提供关于模式、上下文等的进一步信息。数据定义:“对典型经理影响最小的非结构化事实和数据。”
• 信息:为了使数据成为信息，必须对其进行上下文化、分类、计算和压缩。因此，信息描绘了一幅更大的图景;它是具有相关性和目的性的数据。它可能传达环境中的一种趋势，或者可能指示一段时间内的销售模式。本质上，信息是“在以谁、什么、在哪里、何时、多少等词开头的问题的答案中找到的”。信息将无序的数据转化为有用的信息，特别是在跨多个部门和职能产生大量数据的大型公司，而人类的大脑主要是用来协助语境化。
• 知识:知识与行动紧密相连，包含着专门知识和理解。每个人所拥有的知识是他的经验的产物，并包含了他评估周围环境新输入的标准。对于知识的定义:“知识是框架式经验、价值观、上下文信息、专家洞察力和脚踏实地的直觉的动态组合，为评估和整合新经验和信息提供了环境和框架。”它通过人的头脑产生和应用。
• 关系：数据是信息的数字化体现形式，是无序的无语境的，通过人脑的转化成为可以使用的信息，一类信息或者相关联的信息通过框架式的组合通过人脑转化为知识，人脑通过知识体系进行场景化决策。

      “嘴上无毛，办事不牢”，这句中国的老话从反面说明办事牢靠需要丰富的人生阅历和工作经验，强调决策的重要依据是经验，这就是自古以来的基于经验、知识的决策。其实无非就是过去的经历，所学、所看、所做的事情，最后通过大脑形成的知识结构，以直觉反应或者思考的处理方式呈现。这是人类文明繁衍至今的一个重要的传承方式，因为这些人经历的更多，掌握的信息量更大，所以做出的决策也就更接近正确。

       但是随着科技的进步，人们可以获取数据的效率大大提升，分析数据的能力也大大加快，这种传统的决策机制实际上也开始被强大的计算机能力所挑战，用一句我们平常经常说的话叫做“你这个脑子得够用”。仔细推敲，这里面两层含义，第一决策实际上用已知预测未知，关于的未知的问题首先要定义清楚，这就强调多角度多维度分析或者叫看待，维度越多，正确性则越高，维度达到极限多，那叫是开启了“上帝视角” ；第二，承接第一条，人们可以获取的数据范围变大，数据量变大，依赖人脑的数据到知识经验的转换需要的周期变长，而在现代化的商业竞争中，决策周期越长，产生的价值越小。

      所以通过机器实现在海量数据中经过计算机算法直接从数据中高效的转化决策并且延伸至行动行为成为人类文明新的生产方式。数据学中的解题思路是将已知条件和求解目标建立联系，从而获得解题结果。机器学习与数据解题具有共同性，机器首先要求明确工作目标，然后从已知条件出发，不断学习测试，凡是与目标一致的就保留，否则就放弃，通过迭代优化逐步达成目标。这一特点在人脑中的实现就有可能，两个方面原因，一是计算效率，二人类是感性动物，在商业活动中，更强调基于目标的实现过程，更强调客观性。从经验知识决策走向数据决策是全球化市场经济加科技加持的商业竞争环境下必然选择。

围绕用户的“个性化”需求是数据驱动的根本动力

    从“标准需求”向以用户为中心的“个性化定制需求”的转变是数据驱动的根本动力，前面我

们有提到两个比如：什么活动给谁？通过什么方式触达谁？这就是典型的“个性化需求”。

   “传统工业时代以功能为主要卖点进行产品开发的模式已经落伍，在人工智能和大数据时代，产品要以满足消费者的个性化需求为导向进行研发生产。”京东集团高级副总裁闫小兵表示，如何满足消费者个性化需求，是制造企业和电商共同面临的挑战和机遇。而基于消费者的大数据和智能供应链的成熟，会让消费者对企业的反向定制变得水到渠成。

   标准化服务成就了许多知名企业，无论是餐饮、酒店，还是旅游业，所谓的标准化服务是指消费者享受的服务经过标准需求制定，不同的用户在消费实际体验上是无差别的。这种模式的最大弊端在于，企业把所有顾客当做一个顾客来对待，而当顾客发现有其他可以满足自己需求的服务或者产品时，就很容易移情别恋，所以我们首先必要要承认“疫情别恋”就是一种常态，在这种常态下如何解决增长问题，千人千面的的个性化服务就是在承认这种现状之下的自然选择，其最大优势就是，企业可以通过技术支持实时获得用户的在线记录，并及时为他们提供定制化服务。

   数据驱动在微观层面的决策能力比在宏观决策的层面更加大有可为，这主要是因为要想为用户提供个性化的服务，必须把握两个点，一是如何通过数据充分了解用户的个性；二是合理地把握和设计服务的个性。而这两个点都需要数据的重度参与，甚至是完全依赖数据的决策，了解用户的个性，需要在庞大的数据海洋中，找出有用的数据，这一步是关键，我们有没有庞大的、跨域的、无限接近全域的用户数据，并且有方法在其中抓住核心是我们不得不思考的问题。合理的设计个性化服务也需要基于数据的客观计算，决定个性化分散的单位，过于分散的个性化服务会增加企业的服务成本和复杂程度，分散程度太小又不足够体现“个性化”这三个字，这不光是一个设计过程也是一个测试过程，这个过程也充分的依赖不断的用户行为数据反馈分析。

数据驱动的第一道拦路虎：数据孤岛

    为什么说数据孤岛是数据驱动的第一道拦路虎，其实也很好理解，“巧妇难为无米之炊”的道理无人不知，用数据的前提必然是要现有数据。

    数据孤岛的问题主要体现在两个方面，第一我们要始终知道，我们要用到的数据是永远不够的，无限接近的全域数据开启“上帝视角”是不断的积累和追求，企业的内部数据散落在各个部门甚至不同的业务线，企业打通内部数据看似容易，其实不然，部门墙、企业战略意识问题、技术实现问题、短长期性价比问题都是企业数据集成道路上的困扰；另外企业之外，跨行业、领域的数据近年来显格外重要，这是构建企业数据驱动战略中很核心的部分，单一渠道的数据在业务增长上的体现逐渐会显得力不从心。

   另外从技术的角度来看这个事情，软件工程上的“解耦”理念逐渐成为普遍性现象，这和数据应用上的“聚合”概念是有本质冲突的。从数据架构上考虑，无限接近全域才能最大程度体现价值，创造业务上的可能性。从早期的DW/BI架构和近几年出现的大数据、数据湖概念从技术实现角度看还是以软件工程中的按需思路出发的。技术上我们会认为，只要提出需求就没有接近不了的问题，所以问题就出现在“提出”这两个字上，我们善于解决需求，以往任何一种方法都是按“提出”需求的角度来展开的。按需没有错，但是有“漏”，而数据的很大一部分价值就在这些“漏”里，企业的现代数据战略里亟需一种更加智能的方式解决全域数据的问题。

   数据孤岛是通往数字化转型路上的首要解决的核心问题，并且会伴随着整个过程，这是一个长期的工作。

如何成为数据驱动型企业？中台战略是首选企业首选方案

Netflix数据平台负责人 Jeff Magnusson分享了Netflix使用数据的三个哲学（philosophy）：

• Data should be accessible ,easy to discover,and easy to process for everone.每一个人能够很容易的访问，探索和处理数据
• whatever your dataset is large or small,being able to visualize it makes it easier to explain.不论数据集的大小，第一件事就是让他可视化，从而很容易被理解
• The longer you take to find the data,the less valueable it becomes.找到数据的时间越长，产生的价值越小

中台战略是首选企业首选解决方案

   数据中台近年来被广泛提起，也有很多公司在实践，尽管褒贬不一，但是通过我们的思考和实践认为，集中的数据中台服务比分散的数据系统更具具有战略价值。

   数据中台的目的是打造企业级数据能力复用平台。首先，这是面向企业，而不是面向应用的，那么这就必须要要求中台首先要构造企业全域的数据体系。单从这一点就足够说明它的重要性。其次数据中台的生产资料是数据，而提供的服务是抽象后的数据能力，而不是单纯的数据，这又再次将全域数据提上一个更重要的程度。第三，是复用的，中台的价值的另一个体现是它的平台属性，复用性能够快速支撑前台的不同业务线，而这种支撑区别与单业务线上的数据能力，典型的1+1+1>111的案例。从效率上，业务部门不需要重新盖楼，可以提高业务的快速落地。

构成数据驱动战略落地的四大组成

• 基础设施者，如网络、服务器集群
• 信息提供者，主要是数据的采集和集成
• 信息处理者，对数据进行开发和挖掘
• 系统协调者，对整个数据驱动的智能系统进行协调运营的平台能力

     数据中台遵循DataOps理念，其中一个重要的任务是通过数据中台协调和组织数据从产生到回到业务的全部过程，为各个环节的数据参与者提供便捷的数据工作环境，同时让数据工作者从孤立走向协作。数据管理是跨职能的工作，不是技术的专属岗位，通过中台将企业数据参与者，其中包括用户、开发人员、数据库运维、数据开发、数据分析、数据科学家甚至是产品、运营等人员连接起来形成上下游协作共享关系应该是数据中台的另一个灵魂。