罗振宇老师跨年演讲的数字化主题你听懂了吗

BI佐罗

发布于 2022-01-27 13:59:19

8180

发布于 2022-01-27 13:59:19

小伙伴参加了这里的培训课程，兴奋的说数字化真的是趋势，连罗振宇老师都在他的著名跨年演讲《时间的朋友》中重点分享，小伙伴要这里谈谈对节目中提到的各种案例的看法。

罗振宇老师每年都有《时间的朋友》的跨年演讲，在其中的确有很多总结的很有启发的内容，和大家总结过去，开启新年。不知道大家是否会看，其中的很多案例和分享每每都能引人深入思考，将思想修炼得更加成熟。当然，毕竟每个人的专业领域是不同的，更别说是所有领域的专业课题都要通过罗振宇老师的演讲去表达出来，这真的是很大的挑战。例如，对于本次演讲中，数字化的表达，个人觉得有些地方就需要探讨。

这里绝不是为了借助罗振宇老师的热度吸粉，因为这里常常发的业务技术文章也无法保留临时过来的读者，这里仅仅只是纯技术探讨，从一个在一线从事数字化的人的视角给大家做一些注解。

开始

在罗振宇老师的《时间的朋友》2022 跨年演讲中，数字化作为了一个重要主题被单独拿出来讲。下面用引号括住原文原话，非引号部分给出个人注解。

揪心的数字化

罗振宇老师说 “现在讲一个很多人今年特别 == 揪心 == 的事 —— 数字化。说到数字化转型，今年我看，哇，好多企业在想办法，买设备的，招首席信息官的，找咨询公司的，宣布全公司开大会，开转型大会的。我 == 听过的 == 最离谱的一个例子啊，是一个 == 大型企业 ==，== 要求全员学那个语言，叫 Python==。一直到车间里的 == 班组长 ==，全员学 Python，我要搞数字化转型。那这个干法，按我的 == 粗浅的理解，不知道说得对还是不对 ==，这是吓着了，这不是决心大，这是 == 真没辙 ==。”

对于罗振宇老师说的这段，假设罗振宇所说的以上情况为真且是普遍的，那么恭喜看到本文的伙伴（特指老朋友们，你们都有一手数据建模的绝活了），因为你不必揪心，你将面对一个大的机遇，如果你去了这家被吓着了的企业，很有可能会做出巨大贡献，你不仅仅在做工作，更关键的是，你让被吓着了的老板不再揪心。你发现自己的潜在价值了吗？说到这点，2021 年这里已经成功帮助多家招募到数字化人才，还包括几家世界 500 强企业。

罗振宇老师所说的谦虚的粗浅的理解的内容的确值得商榷，这件事的本质是企业大佬不知道如何选择最普适的方案来实现数据文化。一个全员性的动作就是一种文化，对于众多普通企业来实现数据文化，用的当然不应该是通用编程语言，除非公司都是程序员，而是一种可以被普通人快速感知到而接受的方式并潜移默化的慢慢用于改进工作，例如：Excel，以及从 Excel 平滑过渡到的 Power BI 等。

另外，虽然这里常常发广告，其内容是广告商来推广 Python 的课程，从推广的课程来说，很多东西只是 1 元，这个性价比还是值得去了解一些内容的。

上述案例是站在企业主的角度来说，如果的确这个是趋势，那么老朋友们的机会就越来越多。这里需要提醒各位的是：不是说你学过英语就可以当翻译，大多数还是哑巴英语；不是说你学过了 Excel，Python，Power BI，Tableau 就会数据分析，大多数还是哑巴数据分析（指没有意义），这是真实的现状。

100 个亿的数字化

罗振宇老师说 “当然，今年我也被吓着过一回，今年春天的时候，我去华为看了一下，我的很多见闻没时间说了，但是有两个数字：华为公司 == 一年 == 为这家公司的数字化改造投入 ==100 个亿 ==，华为公司仅内部数字化的代码，现在累计起来 == 十亿行 ==。”

对于罗振宇老师说的这段，一年为本公司数字化改造投入 100 个亿，这个概念才真的吓人，如果说历史累计投入 100 个亿稍显合理，但一年投入 100 个亿，这有些超过常识理解。当然，如果真的如此，倒是觉得有点可惜，如果有机会，能给公司领导一个建议，如果在这一年的 100 个亿中拿出 1/100 的 1 个亿分 5 年花完，做出一个中国版 Power BI X 可以吗？然后给 1000w 家揪心的中国企业大量使用，实现全部企业更高性价比实现数据文化，是不是很香？

在数字化领域投入 100 个亿是什么概念，很多人无感，那以下信息供你参考：

谷歌以 26 亿美元收购 Looker。
Salesforce 以 157 亿美元收购 Tableau。
截至 2021.11.15，ThoughtSpot 完成 F 轮，目前估值：42 亿美金

以上列出的通用商业智能产品在国际市场都非常厉害，如果你不知道，可以自行搜索。尤其是 ThoughtSpot，是下一代商业智能，从 2012 年创立到 2022 年该企业累计 10 年做出了产品目前估值 42 亿美金。一年投入 100 亿 RMB，即使分十年使用，也几乎可以推出一个划时代产品了，不仅仅解决某一个公司的问题，解决中国众多企业乃至成为世界级商业智能数字化产品。

再来看，十亿行代码是什么概念，很多人并不懂，为了理解这个知识点，搜了一下，结果如下：

Windows XP 大约 4000W 行代码。

Windows Vista 大约 5000W 行代码。

Windows 7 大约 5000W 行代码。

因此，如果这里搜的这个信息是合理的，那么十亿行代码相当于 20 倍 Windows 7 的代码量级。

所以，根据常识，一个公司一年时间投入 100 个亿做数字化是很难理解的；且累计积累了 20 倍 Windows 7 代码量级的仅用于内部数字化的代码，这更是难以置信的。如果是真的，那么，特别希望可以稍微分出 1/100 到 1/20 来做一个通用的数字化产品，赋能全国个人和企业。也许这么做出来的话，更多的企业老板就不用再揪心了，不用再学 Python 自己造轮子了，如果有幸，这里也可以加入推广的事业，让大家用起来，想起来就让人兴奋。

数字化只是大公司吗

罗振宇老师说 “那我内心的弹幕是什么呢？就是数字化这事，要不起，过。这不是说好的数字化和人人相关吗？怎么搞来搞去又是那些大公司那些巨无霸的事呢？它只能是巨头才能玩的游戏吗？”

对于罗振宇老师说的这段，又值得探讨了。只是举了一个例子，不足以说明这是巨无霸的事，也更不能证明这是巨头的游戏，因此，在此处的心理暗示，小公司和个人不能玩数字化。只是，一个例子是不能推出这个结论的，更何况上述的例子的问题，已经如前所述。

因此，罗振宇老师因为一个案例而得到的内心弹幕：数字化这事，要不起，过。这个结论无法得到论据的支撑。就是发现了一个案例，并不能推出普遍规律。大家在做数据分析的时候，要注意这个问题。作为专业数据分析人员是有义务告知业务决策者类似场景需要注意的。

另外，刚刚的案例说明的不仅仅是数字化的问题，而是一种对数字化的坚定决心，作为大型企业，尤其是举足轻重的大型企业，对数字化做战略投资和布局，更启发广泛企业和个人要及早重视并有一定行动，如果有预算投资是好的。即使没有预算，也可以使用完全免费且排名世界第一并正被 97% 的世界 500 强企业使用的商业智能软件。而且这里的社区现在有了广大的爱好者群体，需要一个平台来施展自己。

羡慕大企业

罗振宇老师说 “后来我从华为回来之后，我就跟我的同事讲讲讲，哎呀，唑着牙花子，流着哈喇子，跟我们的同事讲：华为了不起。

对于罗振宇老师说的这段，又值得探讨了。猜想罗振宇老师的团队都是顶级大咖，为什么没有人好奇一年 100 亿和 10 亿行代码这种案例呢，大家都没有提醒或者问一问查一查嘛。罗振宇老师不是数据领域的专家，如果说他不能评估这些内容的准确度，整个团队可是需要提醒的。这件事启发大家，老板并不是样样都精通，每个人都有自己擅长的领域，大家有义务时刻提醒老板一些盲区，并给出真实可靠的建议或者对疑惑的内容提出开会讨论。

100 块的数字化

罗振宇老师说 “我的同事，也是得到 APP 的一门课 ==《数据治理》课的老师 ==，他给我讲了一个故事，让我在羡慕和崇拜华为的同时，好像焦虑被缓解了了一下。这个故事来了：他说就有这么一家小公司不大，==100 多人 ==，老板就想了一个办法，== 他发现员工的情绪对于生产力很重要 ==，所以他就给所有的员工都发了一些玻璃珠子，分三种颜色，每天下班的时候，在门口放了一些瓶子，每个部门各有一些瓶子，== 不强求，没人看着你投 ==，如果你觉得自己情绪不错，投入红球在自己部门的瓶子里，如果一般般投入黄球，如果有点沮丧，== 不分原因 ==，只要感受不好，就投入蓝球。第二天上班创始人或者高管就看一看这个瓶子，说怎么回事，昨天你们部门好像情绪好低落嘛，昨天你们部门发生了什么，你可以想象，马上就要找这个部门领导谈话。你看这是一个很小的商业管理上的创新，但这背后的意义很大啊，因为你看那些职场鸡汤书，说：有情绪，有情绪自己消化啊，这是我们这代人受到的职场教育啊。但是你会发现在这一组瓶子面前，责任好像就倒置了，我作为员工，== 我情绪不好，至少你部门负责人，你是有责任的，这个锅你是要背的了 ==。那请问：这数字化了吗？当然了，这就是 == 很地道，很原汁原味的数字化的原型 == 啊，但问题是，他开发 APP 了吗？招程序员了吗？== 花钱 == 了吗？买设备了吗？没有啊。所以，你看数字化的本来目的，只是把那些 == 模糊的不可测量 == 的变化，变成看得见的，== 可衡量的数字化指标 ==，用于帮助我们决策，仅此而已。谁告诉你数字化一定要花好多钱啊，所以有那么一句话：== 你有你 100 个亿的数字化，我有我 100 块钱的数字化。== 听到这个故事，确实被 == 治愈 ==。所以这一年，我和我的同事一直在看，数字化有没有精彩的干法。”

对于罗振宇老师说的这段，又值得探讨了，问题如下：

大家已经学习过了 Power BI 的基础，有的伙伴，学习了《BI 真经》，面对上述场景，你大概可以做一个表，结构如下：

根据罗振宇老师对案例的描述，可以得到如下假设：这家公司有 120 人且分布在 4 个部门，每个部门 30 人，情绪玻璃球事实表如下：

虽然说管理学经典告诉大家，老板的时间分配在哪里，结果就在哪里，但还是可以每天看看瓶子里的球的。至于情绪是否对绩效的影响是否足够影响生意本身这并不是这里能给出专业分析的。

当然，展开考虑这个事情以后，从数据分析的角度又是另外的景象了。

展开思考以后，发现值得被探讨的问题包括：

首先看，技术类问题：

【问题 1】若无人看守，有人如果不投球，就会出现数据不足的问题。如上图所示。原因包括：故意不投，或请假出差等。需要数据清洗，不然不真实。

【问题 2】若无人看守，有人如果投多球，就会出现数据重复的问题。如上图所示。原因包括：多次强调悲伤的情绪等。需要数据清洗，不然不真实。

【问题 3】若派人看守，同时每天统计和录入数据，且保持该表格定时刷新。这个人的工作过于机械乏味，他自己可能投出蓝色球。

【问题 4】由于是不记名的，只能得到汇总结果，并无法钻取到个人，了解明细。导致无法将数据洞察转为有效的行动，导致数据分析流于表面，无法真正落地。

再来看，业务类问题：

【问题 5】同事可能偷窥他人投球，而导致大家不会真的如实投球，大家为了防止别人了解自己的情绪，都投出红色球（表示开心）。实际的负面情绪反而没有得到管理，这一条将导致反面效应，老板误以为大家情绪良好，而为此投入了管理成本，实际不但无法管理情绪，反而赔了夫人又折兵。

【问题 6】案例中说不分原因，这将导致任何原因都可以投负面情绪球，也包括生活压力大和老婆吵架等导致情绪不好的情况。以身边的朋友为例，大部分人如果真的可以因为任何不开心的原因投蓝色球，那也许天天都是投蓝色球。如：房价高，学区房，工资低，和老婆吵架都是原因。

【问题 7】若每天专人发球收球然后投球，那么每天需要清理上一天的球和发放新一天的球，导致额外工作。导致产生管理成本。

【问题 8】若一次性批量过发球或每天自取拿球，会导致一次多投的脏数据问题。

【问题 9】对部门管理者多出的管理部门内成员情绪是否计入绩效考核，如果计入，需要设定奖金或者惩罚，导致管理成本以及管理者多出额外工作。

【问题 10】由于部门管理者不知道谁投了负面情绪的篮色球，导致问题无法转换成有效的行动。部门管理者为了降低自己的工作量，可能强制要求大家投红色球表示开心。最终导致本项目实际意义流产。

综合上述 10 个问题，你再来看看这个方案。通过业务驱动的数据分析，可知：

如果管理员工情绪并不构成最够的管理优先级，本项目天然无意义，后续任何手段均是成本。
如果管理员工情绪有意义，且具有足够优先级，也由很多方法，本方法似乎为了数据分析而数据分析。
单独评估本方案也会产生 10 个问题，而大概率导致折腾一圈而停止。

如果你是这家企业的老板，你会不会用这个方案？

如果你是这家企业的管理，你会不会觉得自己好惨，还要背员工情绪的锅，自己先投个蓝色球，让老板心疼一下呢？

如果你是这家企业的员工，你不会不因为自己觉得房贷压力大或工资不够高而天天投入蓝色球？

再来看这个案例的出处：

来自一家 100 多人的企业的一个老板想出了一个方法来了解员工的情绪。

一个创业公司，明天会不会活着还是两说，还有精力想出这种课题。这里猜测这家公司的业绩应该是很好的。伟大的哲学家叔本华说过，如果某人每天因为小事而喜怒，说明他非常幸福，因为没有大的痛苦的人才会关注细节。这个老板必然是赚钱的，所以才有精力和雅致来关心小事。

这个方案，表面是不花钱的，但是如果需要记录，就导致需要一个人工，如果该人工是会一些 Power BI 或 Python 的，可以做趋势分析，大概年度成本是 30W。

这个方案由于是不记录结果的，那么就无法知道问题是否改善的趋势等问题。而通过以上分析，最终又会导致失败，那何必折腾呢。

罗振宇老师原话说这个案例来自其团队讲授《数据治理》的老师。如果说罗振宇老师不是数据分析领域的专家而没有仔细分辨是可以理解的，而这个案例的出处是本领域的真正专家，说明什么呢？这里的解读是：数字化，数据分析尤其是商业背景下的数字化本质，必须是业务深度驱动的。很多看似可行的思路和技术方案，实际却会碰到诸多非技术障碍，这些并不是技术可以解决的。