正确的提示信息

扫码打开虎嗅APP

从思考到创造
打开APP
搜索历史
删除
完成
全部删除
热搜词
2020-08-18 18:30
不转型数据化等死,但是转不好型就是找死

本文来自微信公众号:造就(ID:xingshu100),作者:尹欢欢,题图来自:视觉中国


本世纪大概再没有比今年更魔幻的一年了。


2020年初的这场疫情,加重了黑天鹅效应,也挑战了各行各业在一片混沌和逆境中生存和增长的能力。


在疫情的倒逼下,企业的数字化转型成为必然的选择。“不转型等死,但是转不好型就是找死。”数字化转型和数据化转型是什么关系?这个过程会对组织框架有哪些挑战……


2020年的新冠疫情


本期“W访谈”,造就创始人汤维维和红杉资本中国基金专家合伙人、阿里巴巴商学院特聘教授及学术委员会委员车品觉先生,一起聊一聊未来无数的中小企业如何数据化转型。


1. 数据化和数字化是一个概念吗?


汤维维:很多人说我已经数字化了,比如销售额的60%~70%已经线上化,而且也建立了供应商数字管理体系,那是不是说明已经数字化或者数据化了?


第二个问题,什么样的公司才是成功的数据公司?阿里是不是一个成功的数据公司?百度是不是?海底捞是不是?怎么去定义一家公司是不是一个成功的数据公司?


这是我想问的两个问题,因为只有当我们去判断什么是对的,或者说什么是成功的数据公司的时候,我们才能找到一个楷模,告诉大家要往什么样的方向走。


车品觉:在我看来,数据经济应该包含在数字经济里。所以,虽然你的公司线上成交量可能达到了总量的60%~70%,但这并不能代表公司已经完成了数据化转型。


数据经济应该包含在数字经济里


差的地方在哪里?在于当你拥有了这么多数据时,有没有把它用在你的生意里:比如能不能用这些数据预测销售业绩、走向、库存、爆款产品等;能不能差异化价格;能不能在众多消费者中辨识自己的用户;能不能区分出哪些是羊毛党,从而提前做出风险控制;如果你是比较大的电子商务,搜索引擎或推荐引擎有没有充分使用这些数据,推荐一些你认知之外的客户……


如果能把已有数据的价值挖掘出来,做好用户体验,增加客户粘性,同时数据也能越来越优化,那么我认为这已经是在数据化转型了。


但如果没有做到这一点,仅仅只是因为渠道铺得好造成线上业务提升,这并不能代表已经完成数字化转型中最重要的数据转型。


2. 数据是什么,数据化为什么重要?


汤维维:是不是可以这么说,企业的所有决策是基于数据,而不是基于经验判断;业绩也是基于数据不断优化增长的,而不是别的?


车品觉:这两点可以说是短中期里的判断点。企业做生意不能只把当前的事情做好,这是不够的,还需要用数据去驱动你思考未来的事情。


举个例子,在PC端年代,阿里做的淘宝很受欢迎。但是在做PC端的时候就应该根据数据看到趋势,当手机只有5%的覆盖率时,就应该准备好做淘宝APP,同时还要思考怎样让客户在手机端使用更顺畅、更有趣。


所以在往前发展时,需要数据来试探一些新方向。在思考未来方向时,不只是自己的数据很重要,大数据也很重要。你需要思考,如何借助别人的数据,让自己在整个领域里走得更好。


汤维维:所以自己的数据还包括了其他平台的数据?


车品觉:肯定的,今天还有个记者问我如何形容大数据。我说,其实就是一家企业使用外部数据去解决问题的一种更好的方法。


正常来讲,你可以用别人的数据来帮助你做得更好,比如分析整个行业的走势等。再进一步讲,我们有时会发现企业数据有盲点,这会影响整个发展方向。所以发现自己的数据盲点很重要。


比如你的企业认为60岁以上的顾客在零售上是一个新的、需要关注的市场,但因为之前没有这个客户群,企业对这部分用户的认识十分欠缺,这时就会进入盲区,因此要借用其他数据来帮助自己走出盲区。


3. 数据化转型中哪类人才最稀缺?


汤维维:数据化转型中,人才是稀缺资源。懂得商业语言并且能把它转移到数据上,解决实际问题,这种人一般是什么职位?


车品觉:一般来说,这种人是产品经理,但实际上高层也缺少这样的人才。我在阿里的时候,也有人问我,到底应该把技术人才培养得更有商业感,还是把商业化的人培养得有技术能力做事情?


结合多年的经验,我发现这两种人都不好找,事实上哪个选择都可以,都要给他机会,只是要注意一个重点,那就是永远从问题开始思考,这样我们很容易锁定需要的数据范围,也就容易入手。当一个项目很难推进时,你可以回头想想,我们到底是从数据入手解决问题,还是问题本身。


4. 数据化转型对企业架构会产生什么影响?


汤维维:我们在进行数据化转型时,以问题切入是一个比较好的方式,但实际上最后还有一个问题,到底谁说了算。所以在组织架构上,是不是要产生相应的变化?


车品觉:首先,要尽可能早的让企业高管明白,如果不对数据进行集中处理,就失去了数据驱动的重要基础,后续也就没有办法用数据把公司业务盘活。


我还想强调一点,是不是把数据全放在中央,就代表每个业务的业务线没有自己拥有的数据?不是的,如果所有人把一堆标准化的数据给到其他分公司,那就损失了创新。


所以这里有一个判断,数据的所有权是公司的,但数据的使用能力是应该是分散的。


汤维维:按照你的架构,我觉得可能会产生两个逻辑:数据凌驾在其他业务层之上,也就是说企业里既有业务组织架构,又有一个汇总的数据中台;这个数据中台必须有一个非常强的分析师,可以基于所有数据去做分析和判断,优化企业的数据使用。但是实际上这两个逻辑对于大量的中小企业来说都比较难推行。


车品觉:我们需要把这两个问题进行区分,比如有些人提出数据力,也就是你首先得有数据资源,否则有数据技术也没用,反过来说你拥有数据资源,但你没有数据能力同样没用。所以数据资源、数据能力、数据的组织架构,以及如何对数据进行细化、疏通,这四个点是不一样的。


有一点我可以跟大家分享一下。如果一家公司说它已经数据化了,而且非常成功,那么你肯定能在他们员工的职责里看到,这个职位在整个数据架构里发挥着什么作用。


5. 成功的数据公司是怎么样的?


汤维维:数据力、数据资源、数据的组织架构,以及数据的疏通很重要,你是不是可以举一个案例,某个成功的数据公司在这四个框架里是怎么做的?


车品觉:我觉得阿里做得挺棒的。当年准备做数据委员会时,本来只打算做今天所谓的数据,但后来我们想做数据能力培养的数据委员会,因此分为了两部分,一个是关于数据的组织架构,另一个是数据本身。


当时HR花了很大力气梳理了跟数据有关岗位的职务特征及其比例。从这一点上来讲,我要提醒大家,如果一个企业要做数据转型,当你改到这个地方时,要注意看看员工岗位职责有没有真正落到这个点上。


汤维维:这是一个牵一发而动全身的事情,每一环节都有关联性,不是局部的事情,那么企业里谁来做这件事?


车品觉:这个肯定是演变出来的,不可能第一次做就对了。阿里比较特别,我们每年的绩效考评分两部分,一个是业务,一个是人才。


当你谈人才的时候,就必须思考如何让人才匹配业务。


比如我发现产品经理有两种,一种是怎样把数据变成一件数据产品的产品经理,在这儿数据本身就是一件产品;另外一种是把这么多数据转换为一个产品。这是不一样的,前者比较容易理解,比如把数据变成一个风控产品;后者是要把这组数据重组,然后把这一组数据变成别人的,可以卖给别人用。


如果在真实操作中,对这两者不加以区分,大家的工作都会很别扭,一个在想怎么优化数据,另一个则在想怎么让现有的数据变得更有商业价值。


倒过来讲,从业务角度,可能也要思考如何利用数据把用户服务好,把业绩做好。


6. 对于大量中小企业,怎么做好数据化转型?


汤维维:对于大量的中小企业来说,比如一些处级单位,它们的表格还都是纸张,没有办法把这些数据进行统一整理,更别提怎么去拥有数据力,从而挖掘出有效信息。


对他们而言,数据化转型好像很遥远,因为第一步都还很欠缺,那么怎么把业务变成数字?


车品觉:这个事情可以从增量去考虑。比如这些小企业不一定非得等到把所有纸张都变成电子后,才能开始一个企业的变动。


用上海的一网通办举例,实际上它就是重新树立了数据的收集以及应用,从一个新的应用开始增量,这时就不用担忧其他的东西还是不是纸张,需要关注的是怎么吸引更多的人去使用应用,当越来越多人使用时,就有数据了。


所以当一个中小企业觉得这个地方太难,那么能不能从一个小部门开始数字化,慢慢学习,这也是一条很重要的出路。


7. 对于企业或者业务负责人来说,如何找到关键问题的切入点?


汤维维:企业的很多问题可能都属于人的问题,怎么避免把局部成功当成全局胜利的错觉,如何找对切入点,有没有一些判断的逻辑?


车品觉:我认为今天我们在外面看见的框架都是技术框架,不是商业语言上的框架。比如你把一堆数据拿给CEO看,他可能根本不想看,也就没有办法根据今天的业务情况去判断实际问题。


所以作为负责人,一定要应对着你的业务专门去制定数据范围,要用它来做数据治理,当你知道了问题之后,才放技术、机制、组织去解决。


汤维维:所以它是基于问题的一个判断,是为了解决一个问题,我们来匹配技术的机制和人力资源。


本文来自微信公众号:造就(ID:xingshu100),作者:尹欢欢

本内容为作者独立观点,不代表虎嗅立场。未经允许不得转载,授权事宜请联系 hezuo@huxiu.com
如对本稿件有异议或投诉,请联系tougao@huxiu.com
打开虎嗅APP,查看全文
频道:

支持一下

赞赏

0人已赞赏

大 家 都 在 看

大 家 都 在 搜

好的内容,值得赞赏

您的赞赏金额会直接进入作者的虎嗅账号

    自定义
    支付: