新闻  |   论坛  |   博客  |   在线研讨会
车品觉:建立“数循环”框架,全面重塑你的商业逻辑
大数据文摘 | 2021-04-20 10:03:59    阅读:255   发布文章

多年来,我自觉非常幸运,不断有机会接触很多颇具挑战性的数字化转型项目。离开阿里巴巴之后,我相继参与了北京市的大数据推进小组的工作,以及粤港澳大湾区的大数据政策研究报告的撰写、京东数科的中台建立等。同时,深度参与了红杉资本所投资企业的数字转型过程。而在清华大学、上海交通大学、香港大学等高校的教学工作让我获得了很多与互联网、金融机构的领导层交流的机会,也承蒙大家的信任,让我受益匪浅。

《淮南子·本经训》有云:“四时不失其叙,风雨不降其虐;日月淑清而扬光,五星循轨而不失其行。”意思是四季会按照既定的顺序循环往复,星体会按照既定的轨道不迷失方向。其实,周而复始地循着事物发展的轨迹,并经过长期的观察,我们可以还原出很多事件成功及失败的规律,由此可以看出,找出“循环”的重要性不言而喻。

在以前,想要在收集数据(观察)上做到足够全面和细致,其难度很大,即便在今天的大数据时代,数据存储及计算的能力有了飞跃性的进步,也依然如此。另外,世界的急速变化也在考验着我们对数据重塑的应变能力。本书名为“数循环”,是我总结过去的经验,持续思考并迭代出来的经验之谈,简单地说其意为数据与业务之间的循序渐进的关系:行动产生数据,数据发现规律,规律帮助决策,决策指导行动,周而复始,不失其行。

任何一个数字应用场景中,都隐藏着数循环的两面

企业要想做好数字化转型,首先要正确地认识“大数据”, 千万不要以为它是数据的加大版。从本质上来说,大数据的价值来自在业务闭环中对数据不断重塑及发现(Reinvention)。数据在小循环中自然也能产生一定的价值,但在大循环中大数据作为公共创新资源被利用,且如果能在多个循环之间共生,这种叠加效应或将创造难以估量的价值,这也是它被誉为未来钻石矿产的原因。正如我在 2014 年出版的第一本书《决战大数据》中指出的:在某个循环中被认为是冗余的数据,在另一个场景中经过整合则可能成为宝藏。2017 年,在我的第二本著作《数据的本质》中,我再次强调, 大数据是通过不断连接而形成的,在编织这张“大网”的过程中,大家需要学会构建持续的互惠互利关系。

我想强调,在任何一个数字应用场景之中,都隐藏着数据循环的两面(见图 0-1),分别是:以数据应用为中心的孵化过程(以用促通)和以数据资源汇聚为中心的营运方式(以通促用),而数据战略(包括了数据范围的制定)正是两者的指挥中心。

2.png

本书为了便于读者简单识别,把它们简称为“用数据”及“养数据”两个环节。企业要想把“用数据”做好固然是漫漫长路,但 这始终是一条明线,只要业务目标清晰,做得好坏较易衡量。

但 “养数据”却不一样,企业如果缺乏清晰的战略方向,不但无法养好数据,还会造成极大的资源内耗,比如管理层及普通员工的信心。如前所述,大数据的本质及价值来自全域(大循环)数据之间 的连接,但对于数据来说,越往外索求,其稳定性越难保障,而且 获取的场景中业务性质相差越大时,数据之间的隔阂就需要更大的 资源来进行修补。

在我看来,数字化转型中数据的有效循环有赖于 数据战略目标及其范围的合理及一致。如果战略目标订立得适宜, 那么成功就已经在望了,但若想让数据充分在业务环节中流通起 来,会涉及组织上的改变(包括破和立),企业在业务、技术、资源分配、人才培养等方面的观念的转变将成为转型的核心。由此可见,在没有构建一套顶层框架之前直接投入太多技术资源或人力成 本,是很容易造成科技未取得成效之前,企业的内部矛盾及纠纷就 已经原形毕露这种现象的,这是国内外成功的数字化企业不多的主 要原因。

分享一个我在阿里巴巴的经验,大概在十年前公司管理层认为把集团内子公司的数据打通的最佳方法,是首先迫使大家把数据集中起来(这成为阿里云的基础),但如今,数据的安全性要求越来越高,这种方法也许就不太合适了,目前更优的策略偏向于减少数据转移,代之以分布式技术把数据连接起来,最好还能利用区块链技术对数据流通进行跟踪。当然,数字化转型的战略也必须随着政策、技术、业务需求的变化而变化及延伸。

以阿里巴巴的数据发展历程为例,数据战略可以分为尝试期(已了解数据是核心竞争力,但大家还处在各自为政的状态);形成期(数据越来越多且比较混乱,想要驾驭混乱,必须上下左右驳合);成熟期(集中精力,精耕细作把数据转化为价值)。当初我加入阿里巴巴时集团正值从“尝试期”到“形成期”的转折点,急需一个供全面思考的框架,包括找出切入点、什么该快快跑、什么该慢慢做,等等。

这个框架应该以业务为核心、客户为导向、结果为目的,绝对不能脱离业务讲数据,可以说是我心目中数据战略的初步探索。记得在支付宝早期的一次战略会议中,管理层讨论了支付宝在未来作为集团最具数据化能力的公司应该做何种准备,如应该积累什么数据、要拥有什么技术能力及人才组织结构等。其中的一个重要决议是,认定了用户信用数据是未来成功的关键,后来芝麻信用的建立应该与这次会议有一定的关系。

有了目标之后,如何落地就成了当务之急,对此,我一直强调的抓手是:以用促通和以通促用的循环。对用户的信用数据进行获取及累积必须经过与应用场景的驳合,这样才能收集到数据(数据生命周期的始点),例如用户的投资偏好及****还款情况、水电费及电话费是否准时缴付等。

从那时起,支付宝便致力于打造生活场景的应用,其中有些已经成了今天的爆款,重要的是上述这些数据都经过了“以用促通、以通促用”的循环,因此数据的稳定性能够得到很好的驾驭,但即便如此,执行起来也并不简单,尤其是在传统企业中,由于欠缺数据治理资源及经验,特别容易为了业务的需求而不惜代价,造成数据混乱不堪,无法与其他业务衔接重复使用。这些日积月累所形成的混乱,在日后数字化转型的时候,将会导致昂贵的治理成本。

因此,数据治理框架的建立特别关键,所以我觉得有必要以非技术的角度让管理层明白数据治理在数据化转型中的角色及战略意义。在写作本书的第二部分时,我反复修改了五次之多,目的是希望通过从业务(去技术)的视角来分析在数据生命周期的六个环节中管理层的战略关注点,并探讨了六个常见的棘手问题。希望能让管理层明白数据资源在业务运作的过程中的流转如何才能达到在效率、成本、安全、用户体验之间获得平衡的最优状态。

我知道对于管理者而言这些内容不太容易理解,但希望大家可以重视起来,因为这对于数字化转型的成功与否实在太关键了,甚至可以说是影响深远。还记得在我作为阿里巴巴数据委员会会长及后来作为头部互联网企业顾问的时候,我发现很多企业分管业务的总裁会错误地以拥有多少量级的数据而自豪,却不知道企业的数据利用率偏低、垃圾数据及重复数据占比很大的情况。如果企业管理层对数据生命周期的治理理解薄弱,那么自然会导致很多的重复建设及平台推倒重来,其后果绝不仅是资金的浪费,还有人心的耗散。

破除三个层次的认知偏差,才能真正让数循环创造价值

如前所述,数字化转型的核心是对数据资源的“用”和“养”, 特别在当下急剧变化的世界中,敏捷的应变能力已经成为企业的生存及创新之道,而敏捷的背后则需要有厚重的数据能力作支撑。因此,如今很多企业对数字化转型的步伐越来越急切,但很多企业的领导者,在全力以赴推进数字化转型之前都会有这样的疑问:应该如何找出切入点?如何设置转型中的优先次序?数据中台与数据治理有多重要?如何平衡数据安全与业务发展?如何才能找到适合的领军人才?如何判断转型做得对还是错?看来大家都意识到了走弯路会带来沉重的代价!

管理层的犹豫其实可能来自企业在数字化转型过程中所面临的三个层次的认知偏差,企业如果能够及早识别出这些认知偏差,就可以少走很多冤枉路。

第一层认知偏差:只注重效率,而忽视效果

首先,谈到数字化转型,大多数企业的关注点主要在于提升效率,但落到实操上,往往会陷入第一层认知偏差中,也就是认为:企业中的业务单元可以运用自身拥有的数据,利用分析工具及算法就能将问题解决。这种想法欠缺外部视角,没有认识到大数据的价值在于其与外部数据进行连接而产生的洞察力。这个认知偏差更会导致企业内部各业务单元各自为政,数据资源分布零散缺乏合力, 而且在数据战略资源上的布局也必然是缺失的。别忘了大数据有别于普通数据的正是其全域打通的连接能力。

第二层认知偏差:只变革技术,而忽视管理变革

在第二层认知偏差中,企业尽管已经意识到,充分打通数据并改善数据质量决定了数字化转型的速度与效果,但却可能忽略了解决这个问题是一件牵一发而动全身的事情,不仅涉及企业内部的利益问题及与外部的竞争关系,这背后往往还涉及利益分配及本位主义等问题,组织上下不协调的现象也经常发生。因此,数字化转型其实也会涉及更高层次的问题,这亦是传统管理有待变革的原因。

第三层认知偏差:需要用开着飞机换引擎的心态来看待数据战略

第三层认知偏差表现在企业对“谋定而后动”与“小步快跑” 的平衡点的拿捏。大企业容易因为过度计划而陷入原地踏步的状态中,小步快跑虽然有利于快速迭代,但却容易缺乏全局考虑,进而造成重复性建设,甚至最终只能推倒重来。其实,只有少数企业会有这种认知:把试错纳入战略及顶层框架的一部分去考量,然后不断在实践中复盘及打磨,以及在失败中总结经验,找到有效的方法。总之,互联网企业成功的数字化转型战略不是凭空想出来的, 而是干出来、打出来的。

企业都应该在启动数字化转型之前对以上问题有所认知及判断。当然,这些问题并不存在完美的答案,关键是不要让试错的成本放得太大。如果要我用两句话来说明我这 10 多年经历所学到的教训,我会说:第一,切忌好大喜功;第二,不要把数据转型看成简单的技术问题。

数字化转型本质上是一套“数循环”的组合拳

最后我想说,真正高效的数字化转型是一种递减模式,起始时的业务范围越大、涉及的组织越多、数据范围越广,落地则会越困 难。大数据行业迄今已经发展了 10 余年,但无可否认的是很多机构还处于“望梅止渴”的阶段。数据作为数字经济时代的生产要素, 与数据驱动的能力息息相关,有些企业甚至把这种新生能力称为 “数据力”。作为大数据行业的先行者之一,我一直致力于推广数据化思维的普及与应用。从《决战大数据》到《数据的本质》,我就是想通过这些著作让企业感受到大数据的重要性。

多年来,有一位前辈曾说过一句我一直铭记于心的话,那就是“用好大数据的前提是先假设数据都可以被获取”。马云也曾说过,真正的大数据就是你还未想通如何用的那些数据。这两句话说明了不要让想法限制了无限的可能性,好像是在说数据越多越好,但在数字化转型的过程中,在资源有限的前提下,执行的路径同样非常重要,成功的关键在于聚焦,因而数据战略绝不可少,因为很多企业都很容易被没有定义好的数据范围(data scope)搞得无所适从,担心数据不够的同时又怕资源浪费。

企业若想要立足当下,必须要判断数据储备对未来的业务需求来说是否足够,这肯定不是一件容易的事情,因而盘点数据的现状就变得很重要了。根据数据范围,企业可以为此规划数据在“用数据”及“养数据”这个循环周期(见图 0-2)中的资源配置、组织结构、保障机制及安全合规等能力。为了读者可以更深入地理解,我把循环中的 6 个步骤与 6 个关键的治理要素组合成 6×6 的方阵,让处于不同状态中的企业可以各取所需,找到适合自己的切入点。

我一直认为在谈论数据中台之前必须先搞清楚以上问题,否则很容易坠入技术的迷思之中。关于大数据的一套“组合拳”,从《决战大数据》开始,10 年大数据的渺渺光景,到《数循环》,应该可以为我在大数据的业务推动方面的工作画下一个句号,同时为如何在更符合道德1.png

本文摘自湛庐文化《数循环》。

*博客内容为网友个人发布,仅代表博主个人观点,如有侵权请联系工作人员删除。

参与讨论
登录后参与讨论
推荐文章
最近访客