资讯信息
Information数字化不是一种技术,而是一种思维?
时间:2023-09-21文章编辑:防爆云
数字化不是一种技术而是一种思维
数字化转型提升的效率包括业务和企业运作,更重要的是一种思维方式。
艾森哲研究报告指出:数字化转型并非是简单的技术革新,它涉及企业经营理念的革新,公司文化和心态的转变,组织框架的调整。企业需要在全公司范围内提升各方对数字化转型的认同感,并建立起数字化的新的思维方式。
世界经济论坛也曾指出:"数字化"不仅仅是技术,还是一种思维方式以及新型商业模式和消费模式的源泉,为企业进行组织、生产、贸易和创新提供了新的途径,驱动企业生产方式、组织架构和商业模式发生深刻变革。
华为轮值CEO徐直军认为:要真正打造一个数字化企业,不仅需要CEO和管理团队下决心,坚定不移地推动,同时也要重新思考CIO在面向未来的价值和定位。
苏宁董事长张近东在总结苏宁推进数字化转型经验时也提出:为推进数字化转型,苏宁内部下了一个数据动员令,第一条就是让全员转变观念,树立数字化经营意识,建立数据化的零售经营能力,这种能力要体现在精细化的管理、精准化的营销上面。
因此,在数字化转型过程中,转变思维比技术平台更重要!
以上只是全貌的给大家描述了下数字化的一些看法和观点,实际实战还有更多的细节需要去逐一打磨和调整,但至少有一点是可以肯定的,数字化转型不是说堆一些技术平台就可以快速搭建完毕并可快速运转及带来转型效果的,它需要有时间的沉淀和经验的积累,但做数字化本身一定不是错误的,它一定是未来发展方向,只是什么时候开始做,用什么方式做而已。
01.
企业数字化转型,
需要什么样的思维方式?
不知道你有没有过这样的感觉:不知道从什么时候开始,和人沟通过程,以及要说服别人的时候,光靠一嘴的“伶牙俐齿”似乎行不通了,别人总会要求你“用数据说话”;当你给领导汇报工作的时候,领导也会要求你“用数据说话”。事实上,用数据说话就是一种思维方式的转变。
数字化时代,数据连接一切,数据驱动一切、数据重塑一切,数据是企业数字化转型的核心要素。数据在企业决策过程中,将发挥出越来越重要的作用,尤其是在商业活动中,数据不仅能够辅助企业快速做出决策,实现降本增效,甚至可以重构企业的商业模式。
数据连接一切
数字化时代,人们所处的环境是一个由现实世界和网络世界组成的虚实交织的世界。人们把现实世界的事物、事实和联系,用数据记录下来,形成了一个抽象的网络世界。在现实世界中的人、事、物,都有着众多的特征和千丝万缕的联系,这一切都是通过数据来描述和连接,数据实现了人与人、人与物、物与物之间和互联,形成了对现实世界的抽象。数据驱动一切
数字化时代,在各种数字化技术的影响下,数据的特性和价值发生了很大的变化,从原来数据只是作为业务流程的输入和输出,转变为驱动企业经营和管理的重要要素。企业通过将各业务领域的数据进行收集、融合、加工、分析、挖掘,从而能够发现业务中问题,帮助企业做出科学合理的决策。数据是客观的、清晰的,能够帮助企业化繁为简,通过繁芜的流程看到商业的本质,更好的优化决策。例如:利用各类运营数据,驱动的精细化管理;利用客户数据、商品数据、销售数据等实现精准化营销;利用订单数据、商品数据、客户数据,制定合理的生产计划等等。数据重塑一切
数字化时代,数据的价值不仅在于它可以记录历史,还能预测未来。数据对各行各业正在产生着天翻地覆的影响。例如:在金融行业,企业通过多维度的数据采集与获取、数据的深度加工和应用,实现实时征信、风险审计、内部管理、精准推荐、客户预测、客户流失分析等诸多应用场景。再如:在制造行业,企业通过对内部应用系统、外部电商平台、物联网IoT、以及相关产业链之间的数据打通和融合,探索和实践智能工厂、个性化定制、制造服务化、产业链全面协同等方面的应用,实现企业业务创新。
综上,企业数字化转型需要建立“数据思维”,从数据中发现问题、洞察规律,挖掘价值,帮助企业优化资源配置,扩大经营范围,重塑商业模式。
02.
企业数字化转型需要数据思维,
那么,什么是数据思维?
数据思维是用数据来探索、思考事物的一种思维模式,用数据来发现问题、洞察规律、探索真理。企业的数字化转型过程需要的数据思维,就是用数据思考,用数据说话、用数据管理、用数据决策。
用数据思考,就是实事求是、坚持以数据为基础理性思考,避免情绪化、主观化,避免负面思维、以偏概全、单一视角。
用数据管理,就是对客观、真实的数据进行科学分析,并将分析结果运用到生产、营运、销售等各环节的业务管理过程中。
用数据说话,就是要杜绝“大概、也许、可能、差不多……”,而是要以真实的数据为依据,基于合理、有逻辑的“推论”,去说服别人,去汇报工作。
用数据决策,就是要以事实为基础、以数据为依据,通过数据的关联分析、预测分析、事实推理获得结论,避免通过直觉做决定和情绪化决策。
数据思维具有可简化、可量化、可创新、追求真理等特点。1、数据思维是一种简化思维
我们当下生活在一个信息浩大庞杂的时代,我们的身边充斥着各种正面的、负面的、片面的、全面的、真实的、虚假的,各种各样、真真假假的信息,一不小心就会被纷繁复杂的因素所干扰。在纷繁的信息中我们思考问题要善于简化,抓住重点,聚焦核心问题,以终为始、抽丝剥茧、多维度收集信息、多角度思考问题,找到高效的解决方案。2、数据思维是一种量化思维
数据化的核心是量化,所有的业务都可以用数据来量化描述。在我们的工作中,用数据来量化业务是十分常见的,不论是企业高层领导作出的年度经营报告,还是企业日常的生产计划、采购计划、销售完成情况等都需要用数据来量化描述。确少数据描述的工作报告,无论词藻再华丽,语言再优美,结构再严谨,其内容都是苍白无力的。数据量化一切,当文字变成数据、当沟通变成数据、当考核变成数据,皆可被量化的一切事物,正在将数据化变成社会发展的主旋律。3、数据思维是一种创新思维
数据是一种“可再生资源”,我们能直观看到、感受到的价值只是数据价值的“冰山一角”。数据具有可重复使用,组合使用,跨平台使用的特点,企业可以通过多维度的数据采集、融合、重组、扩展和再利用,突破部门边界、业务边界、系统边界、技术边界的束缚,创新新模式,开拓新领域,确立新决策,不断发掘数据背后所隐藏的“价值”。4、数据思维是一种追求真理的思维
虽然我们说“数据不仅能够记录历史,还能预测未来!”。但是,我更要给你强调的是“数据不是万能的”。要知道,世间万物的关系是非常复杂的,我们虽然可以用数据来对其简化,但简化必然会导致误差;我们也可以用数据来对其进行量化,但却无法穷尽。更要知道,数据都是历史的,而万物是动态变化的,现有的知识都是也有真伪的。因此,我们需要深入探究数据的真实性、客观性,不断探寻隐藏在数据背后的真相,追求真理永无止境。
03.
企业数字化转型,
数据思维该如何建立和培养?
1、培养对数据的敏感度
数据敏感度是对数据感知、计算、理解能力,是通过数据的表象理解事物本质的程度。对数据敏感的人,看到数据能够找出问题,找到规律,发现机会或做出决断;对数据不敏感的人,看到数据只会问这是什么,这反映了什么,这能说明什么?对数据毫无敏感而言的人,“数据就是数据”,甚至不会想到以上问题。
人并非天生就会对数据产生敏感度,人们对数据的敏感度来源于经验的积累,看的数据越多,种类越丰富,处理的问题越多、敏感性就越强。因此,数据敏感度是可以培养的。
所谓培养数据敏感度,本质上就是培养通过数据发现问题、解决问题的能力,可以从以下几个方面入手:
质量评估,对数据的表象和质量进行评估,判断数据是否完整、是否准确、是否符合业务规范?
识别真伪,能够对数据的真假做出判断,看出数据中存在的猫腻,例如:年度报告,本事业部今年老员工的离职率为0,实际上新入职的员工有大批离职的。
找到因果,能够通过数据找到事物之间因果关系,从而找到产生问题的主要原因和根本原因。例如:产品销量下降了,直接原因是客户量减少了,本质原因是市场出现了更具竞争力的产品。
找出关联,能够通过数据多维采集和分析找到事物之间关联关系,关联分析是洞察事务本质的重要方式,关键点在于数据维度全、数据样本完整且具有足够的代表性。
判别优劣,能够通过数据的对比判断事物的好坏优劣,例如:季度销售完成率为50%的报告,如果没有历史数据作为对比很难判断出这个季度销售业绩的好坏。
洞察规律,能够从数据中找到事物发展的规律,例如:古人为了农业生产需要,顺应自然规律,通过对春夏秋冬、冷热交替的不同时间的记录和研究,总结出来了二十四节气。
预测预估,能够从已知的数据中提取到的规则,从而对未知的业务影响作出预测。2、培养理解和使用数据的能力
“数据为王,业务是核心”,与其说培养理解数据的能力,不如说是理解业务的能力。只有将数据置于业务场景中,数据才能变得有意义。企业数据化转型过程中,要求数据管理和数据分析人员懂业务,理解数据的对业务价值;要求业务人员要懂数据、会使用数据。
对于数据管理或数据分析人员,要能够看得懂数据并理解数据背后的业务含义。
作为数据管理或数据分析人员,首先需要你摸清楚企业的核心业务价值链,甚至企业多处行业的整个产业链业务情况。其次,你需要逐步了解企业都涉及哪些业务域,每个业务域中包含哪些业务流程,每个业务流程之间的斜街关系,以及每个业务的输入输出等。最后,在理清楚业务域以及业务流程的输入输出后,需要对详细列出每个业务的绩效考核指标(KPI),再通过对每个指标进行更细致的拆分,最终落地的内容数据数据分析所需的报表、指标、维度、明细等。
对于业务人员,要懂数据,会使用数据指导业务开展。
数据源于业务,并服务于业务。作为业务人员,首先你要知道数据对业务的重要性,清楚数据的标准,按标准规范输入数据,并确保数据结果的正确输出。其次,你要能够识别业务数据的真伪,判断数据质量的优劣,并能够为数据质量的改善提供必要的改进建议。最后,你还需要加强对数据管理和数据分析工具的掌握,利用数据管理工具将数据合理、正确、规范的管理起来;利用数据分析工具自助进行分析建模、场景设计、数据探索、价值挖掘。