揭开数循环的双面性

《数循环：数字化转型的核心布局》

为什么你成功地拥有很多数据还是无法做到数字化转型？为什么你有了数字化转型的优秀团队乃至所有技术依然会失败？因为在数据量极大丰富的时代，拥有越多数据并不一定会拥有更有竞争力的未来。因为未来的竞争核心，本质上是关于数据治理能力的竞争，而非管理能力以及技术的竞争。

车品觉

阿里巴巴集团前副总裁，阿里数据委员会首任会长。现担任红杉资本中国基金专家合伙人，并任职阿里巴巴商学院特聘讲座教授暨学术委员会委员，是中国信息社会50人论坛成员。

中国数据化思考先行者，拥有十几年丰富的数据实战经验，致力于帮助企业进行数字化转型，并在实践中形成了独到的数据化思考及管理方式，对大数据未来趋势有着独到的见解。

在这个充满不确定性的时代，专家们普遍对2021年的经济发展充满了悲观情绪。但有意思的是，他们却有一个确定性的共识：数字化、智能化将成为支撑整个社会经济运转的重要方式。但企业的数字化转型喊了很多年，一直处在难度大、失败率高的困境中。

麦肯锡针对数字化转型的报告中提到：“只有16%的企业受访者表示他们的数字化转型成功地提高了绩效，并具备了长期维持变革成果的能力。”企业到底应该怎么做，才能顺利地完成数字化转型？阿里巴巴集团前副总裁，红杉资本中国基金专家合伙人，拥有十几年丰富的数据实战经验的车品觉所著《数循环》给出了一个独特的解题思路。

车品觉认为，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。这便是数据的循环，而在任何一个数字应用场景之中，都隐藏着数据循环的两面，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。这两者也被简称为“用数据”及“养数据”两个环节。如何“用”并“养”好数据，与数据如何驱动企业发展有着重要的关系。车品觉在书中将数据驱动分成5个阶段，有利于企业家对应自己的公司，处于合适的阶段，采取合适的数据战略。

阶段1：将数据作为决策的瞄准器

有些企业希望将数据作为瞄准器，帮助企业了解现状，并为业务发展做出有利的决策，包括对项目的资源投放、产品开发、营销策划、风险管理等。但是，数据与决策之间并不容易形成闭环，所以数据的稀缺（多盲点）会导致无法真实还原“决策—行动—结果”这一过程。在这一阶段，我们通过数据分析来辅助人类单凭直觉进行感知这一弱点（基于经验的假设）做决策，然后作为优化手段，再用数据去衡量之前的假设是否成立。这样一来，我们就有了一个模糊的决策闭环。但问题是，答案越模糊，优化行动的迭代时间可能会越漫长。为了积累经验及让联系不够紧密的决策闭环之间的联系可被追溯，更主动地补充还未收集或利用的数据去加强关联指标体系、建立事件跟踪线索及可视化系统则至关重要。

在这个层级的管理者需要以身作则，让不同层级的决策者更关注数据化决策意识与能力的提高。在京东数科的月度经营会议中，常常会见到业务主管被 CEO 问及数据指标的细节及其所表示的现象，只有在这种务实的环境中，分析师、业务人员、产品经理才能发挥出“指哪儿打哪儿”的作用。一个以数据为驱动的月度经营会议，应该像战争中的沙盘推演一样才对。所以，大家不要迷恋数据大屏幕，好看的“仪表盘”不一定能发挥出好的作用。

阶段2：将数据分析嵌入工作流

只有当数据能力泛化到企业的“神经末梢”上时，数据驱动才算起了作用，因为仅让员工拥有好的数据分析工具及意识无异于隔靴搔痒，得想办法把分析工具应用于更接近工作流的决策环节之中。比如，在节日促销期间，当需要为促销页面选择商品或者合适的供应商时，类目主管可以在相关系统及工作流中使用契合场景的分析工具。此举能提高分析的便捷性及价值点，数据能力泛化是落地的必要手段，这是一个数据化分析的普及过程，也是产业数据化的里程碑。另一个典型的案例是在产品运营工作中，必须在产品设计的同时就想好其需要收集的数据资料，并配备相关的数据分析功能，否则业务数据的趋势很难被呈现出来。

阶段3：数据治理让内外资源无缝配合

阿里金融是阿里巴巴的第一个数据创新业务，为中小企业提供信贷服务，其数据来源最初主要是淘宝及天猫上的交易数据，可用于评估借贷风险及还款周期等。作为集团内当时的新业务部门，汇聚其他多源头的跨公司数据并在此基础上保持良好的数据质量，是阿里金融所面临的最大考验。数据治理一般都牵涉内外部资源的配合，例如，最大限度地减少数据收集点的噪声及加入对数据质量的稳定性考虑，都是数据共享过程中无法绕开的部分，跨度越大，困难就越大。由此可见，为什么城市大数据的数据融合会旷日持久，但是一旦实现互通，其所带来的价值便会激增。

阶段4：抓准时机，消灭数据孤岛

每家企业都有自己的核心业务，特别是数据公司更容易找到以数据驱动为核心的系统，如淘宝的商品推荐系统、银行的风控系统、城市的智能运行中心（IOC）等。几乎所有较大的互联网企业都存在算法、分析、人工智能团队在不同业务线中各自为政的问题，也由于这些团队一般各自拥有自己的数据平台，因而数据孤岛的现象很普遍。很多企业都是因为数据委员会的成立，数据孤岛间的障碍才开始得以破除，数据才得以融合。在很多企业中，要消灭数据孤岛其实也要把握时机，美团和大众点评在合并时如果没有顺势进行数据整合治理，日后处理起来难度将会倍增。

阶段5：运营导向，以数据驱动为核心（智能化）

马云曾在阿里巴巴的一次总裁会议上提出了一个问题：淘宝和天猫的客户都是 24 小时惠顾的，那么为什么高管在半夜和周末都不用上班？从这个问题出发，后来演变成了聚划算商品团的运营自动化，乃至后来诱发无人超市、智能客服等的出现。有趣的是，在自动化的过程中，业务、技术、产品及数据部门都在强调，他们才是运营自动化的核心部门并希望成为主导者，所以，要推动运营自动化项目，首先要搞定的是人心。

以上5个阶段不一定会依次发生在公司的数字化变革过程中，而且企业业务性质的差异在不同的企业中呈现出的问题也不一样。但有一个共通之处是：大家最容易犯的错误是过于追求短期效率，而忽视长远的战略需要。在数字时代，数据治理是一个长期能力的积累过程。假如你对以上描述似曾相识，也因此遭受到阻力，无法正常开展相关业务，那么对你的公司而言，加强数据治理已迫在眉睫。

编辑—万慧