㈠ 大思維促大數據戰略
大思維促大數據戰略
你一定知道，所有的數字都是數據。如今的硬體和軟體已不能應對以如此高速產生的形式多樣的海量數據。大數據變得如此復雜，其變化如此迅速，傳統的數據工具已難以對之進行處理、存儲、分析和管理。數據量如此之大，以致問對問題和找對答案跟大海撈針一樣困難。
幸運的是，用現有的硬體、工具和演算法能將所有數據轉化為有用的信息。從這些信息中提|煉出的洞見能用來改善你所在組織的決策，提高其效率，降低其成本並增加收入。大數據革|命帶來了廣泛的影響，並且會遍及各行業的所有企業。
大數據的七個V
有一點是公認的，即大數據可以用三個「V」來解釋：速度（velocity）、種類（variety）和數量（volume）。不過，筆者還想加入真實性（veracity）、可變性（variability）、可視化（visualization）和價值（value）的概念，以更好地解釋精心計劃過的大數據戰略。
速度：速度是指數據產生、存儲、分析和形象化的速度。當前數據的生成速度幾乎超出我們的想像：每分鍾，我們向YouTube上傳的視頻總時長達到100小時。此外，人們每分鍾發送超過2億份電子郵件，查看約2,000萬張照片，並將3萬張照片上傳到Flickr相冊，發送近30萬條推特消息，谷歌每分鍾處理近250萬次請求。
多樣性：過去所有的數據都是結構化的，可以很容易地進行歸類，不過這種情況已經一去不復返了。如今，90%的數據都是非結構化的。數據可以有許多不一樣的格式，包括結構化、半結構化、非結構化，甚至是復雜結構化的數據。
每一類型的數據都需要配以不同類型的分析法和解讀工具。像臉書（Facebook）或推特（Tweet）這樣的社交媒體可以提供深入的見解，讓你了解客戶對企業的品牌、服務或產品的看法，而感測器數據提供的信息則是用戶對產品或機器的使用情況，讓你獲得可用於改進產品的洞見。
數量：按照如今數據產生的速度，每兩年數據量就能翻上一倍。在2011年，我們創造的數據總量令人咂舌，共有1.8ZB。而根據IDC在2011年的研究，到了2020年這一數字將是現在的50倍。這個數量是相當可觀的，而這個數字宇宙中相當大的一個數據來源就是物聯網，物聯網在世界各地各種設備上安裝的感測器每分每秒都在傳輸數據。
讓我們來看一些例子。飛機在引擎上安裝的感測器每年會產生約25億TB的數據。而安裝在農業拖拉機上的感測器也會產生和採集大量數據。約翰迪爾公司（JohnDeere）使用感測器數據來監控機械的優化，控制日益壯大的農機隊伍，並且幫助農產業者優化決策。殼牌（Shell）也在油井中使用高靈敏度感測器來尋找更多的油，如果公司在所有1萬口油井中安裝這種感測器，每年大約會採集10EB的數據。
真實性：如果數據本身存在缺陷，那麼即使採集高速產生的大量數據也毫無價值。不正確的數據可導致組織乃至消費者面臨嚴重的問題。如果你希望組織能夠以信息為中心，那麼就需要確保你的數據和分析法都正確無誤。在進行自動化決策時，這一條尤其關鍵，因為整個過程不再有人的參與。但令人震驚的是，企業領導者有三分之一不相信他們用來做決策的信息。所以，如果你想要制定大數據戰略，就需要高度注重數據的正確性以及分析的准確度。
可變性：可變性往往會與多樣性的概念相混淆。我們可以舉個例子說明它們之間的區別。如果麵包店銷售十種不同的麵包，這就是多樣性。如果同一種麵包每天的口感和香味都不一樣，那就是可變性。在進行情感分析時，可變性與主題的關聯非常密切。
可變性意味著定義會（迅速）改變。在類似的推特消息中，同一個詞可能會有截然不同的含義。要想正確地進行情感分析，所用的演算法必須能夠根據上下文解讀一個詞的准確含義。不過，這一點目前仍然是一個亟待解決的技術難題。
可視化：這是大數據中比較難辦的部分。這表示你需要幫助受眾以容易閱讀和理解的方式了解大量的數據。經過正確的可視化操作後，原始數據就可以發揮作用。當然，這里說的可視化並不等於普通的圖表或餅狀圖，而是包含多種數據變數的復雜圖表，同時又易於人們閱讀和理解。
可視化或許不是技術上難度最大的任務，但肯定是最具挑戰性的。使用圖表來解說一個復雜的故事很有難度，但同樣也極為重要。幸運的是，越來越多的大數據初創公司專注於解決這個領域的挑戰。歸根結底，可視化能發揮關鍵的作用，並且它能幫助提高可讀性。
價值：所有可用數據都能為組織、社群和消費者創造大量的價值。大數據意味著大量業務，各行各業都能從中有所收益。當然，數據本身完全沒有價值。其價值存在於根據數據完成的分析以及如何將數據轉化為信息，從而最終變成知識和智慧。數據的價值在於組織如何使用它們來創造以信息為中心的公司，根據數據分析得出的洞見進行決策。
關於大數據的五個事實
現在我們已經對大數據進行了定義，你需要了解你的組織在制定大數據戰略時，應當注意到其中哪些方面最重要。大數據需要對範式進行轉變，理解這一點能幫助你的組織在利用大數據方面取得進展。
1、大數據需要不一樣的企業文化。要想真正發揮大數據的作用，你的組織需要成為以信息為中心的公司。
這種文化上的轉變能讓企業更注重在數據的推動下進行決策，並讓你的員工有機會基於真實的數據而非估算結果來開發新的運營、戰術和戰略計劃。利用大數據的企業文化要求公司鼓勵員工在每一個客戶接觸點上採集數據。他們需要詢問正確的問題，並以精確的數據作答。
2、組織內的人才是大數據背後真正的驅動因子。盡管文化上的轉變對於充分發揮大數據的潛力很重要，大數據戰略的開發卻是由組織內的人完成的。尤其是，中層經理人和高管應當明白大數據是什麼，以及如何將其應用到組織上。如果有更多的決策者意識到大數據的好處，就更有可能制定和實施成功的大數據戰略。
要開始成功開發大數據，首先要在組織內找到正確的發起人，尤其是在初期回報不確定和成本高居不下時更是如此。最理想的做法就是發動一位高級管理者或董事會成員，因為這些人在最初結果不利的情況下，也有足夠的權力支持大數據項目。
3、大數據確實需要「大」的安全措施。如果一個組織聚集了大量寶貴數據，就需要保護這些信息免遭不法分子的盜用。因此保護搜集來的所有數據有著極為重要的意義。要保護你的數據，有許多種方法，最常見的是對信息進行正確加密。當然，其他的方法也很多，所以你的大數據團隊應始終將數據的安全性當作自己的一項責任。
不過，每個組織還是應當事先准備應急預案，以防數據真的被黑客盜取。出人意料的是，許多公司在遇到與計算機相關的信息安全事件時完全不知所措。這種安全事件可以給企業帶來災難性的後果。如果公司缺乏必要的安全手段，甚至連被黑客入侵了都沒發覺，那麼後果就更加嚴重了。
因此，公司應當委派內部人員或使用專門的外部機構的服務，針對潛在的信息安全襲擊擬定應急預案。如果公司對組織和客戶的數據不加保護，那遲早會關門大吉。如果未雨綢繆了，情況又會大不一樣。
4、世界各地的政府正加緊在大數據上的投入。與組織一樣，政府也在產生越來越多的數據。許多政府也在進行數字化的轉型。以荷蘭為例，該國政府希望全面轉型數字化辦公，並在2017年底徹底淘汰紙質通信。想像一下，1,700萬公民在跟國家、地區和縣市各級政府通信時可以產生多少數據？
隨著這種方案的出現，組織也能夠更廣泛地接觸到公共數據集，從而引發人們針對世界各地的問題提出創新性的解決方案。私營領域啟動的數據集項目也越來越多。這種為組織搜集公共和私營數據集的行為已經形成了市場。用戶能以訪客身份購買數據集或是免費下|載。在某些網站上，還有組織出|售他們自己的數據集。
5、大數據的關鍵並不在於數據的量。人們通常認為「大數據」這個詞表示大量的數據。結果，許多人認為大數據戰略只有在你擁有PB或EB級別的數據時才有用。這是不對的。大數據遠遠不只是收集來的大量數據。大數據更主要的是組合不同來源、不同時間的不同變數的數據集。特別是組合並隨之分析不同的數據集，從中找到有價值的新洞見。
此外，大數據指的是對可用的數據進行實時分析，並利用各種演算法來預測行為。實時的洞見對於組織來說是十分寶貴的，可以讓組織預知客戶在短期內的行為。
㈡ 企業數字化轉型從哪裡開始
企業數字化肯定從基礎開始，從員工打開，工資飲食方便開始，這些所有的都數字化，然後就是生產設備數字化，
㈢ 大數據為企業決策關鍵因素是
大數據為企業決策關鍵因素是？
在過去的幾年中，雪崩的數據，包括結構化和非結構化數據，推動組織到了一個突破點，大數據時代儼然已經到了。在大數據時代，CIO和IT主管知道，他們能否取得成功，嚴重依賴於如何挖掘到大數據，並把它充分利用。然而，目前許多高管並不知道如何最好地利用大數據以提高企業決策能力。
據凱捷最近發布的關於「決定因素：大數據和決策」的調查研究顯示，90%的商界領袖視大數據為企業決策關鍵因素，它像如土地，勞動力和資本等一樣重要。超過三分之二的北美高管表示，他們的組織必須解決大數據問題，以提高決策能力。44%的受訪者表示，數據量大、雜和無法實現有效管理，增加了高層決策難度。
然而，並不是說數據越少高層就越容易做決策。據85%的受訪者表示，越來越多的數據量不是企業決策的主要障礙。相反，它能夠使企業及時分析並利用。因此，如何有效管理大數據才是企業應該真正面對的。
由於大數據並不只涉及處理大容量數據，它是處理企業所有的數據，加之有大量的破壞性技術影響組織。難怪凱捷副總裁兼北美業務信息管理負責人Scott Schlesinger感嘆，管理好大數據以供企業決策是個不小的挑戰。
據調查發現，71%的受訪者每天都在與基礎數據不準確做斗爭。62%的人抱怨，經營決策無法根據數據自動化進行。46%的受訪者在與解釋數據集做斗爭，39%承認管理非結構化數據有困難。總之，58%的受訪者表示，在未來三年內，他們將做出更大的數據分析投資。
Schlesinger指出，如何解決上述大數據的挑戰，定位戰略重點超過技術工具本身。已經歷了兼並和收購的組織面臨著特別嚴峻的挑戰，尤其是當它涉及到處理數據管理和數據質量問題。
為應對這些挑戰，Schlesinger建議企業採取三個步驟解決難題。
第一步，組織應打破部門牆和業務流程孤島，避免不同的應用軟體和系統運行在不同的網站上。「然而，值得注意的是，一些企業仍然使用ERP、薪資、人力資源等多個應用系統，員工需要在這些不同的系統之間來回切換，這不僅影響工作效率，同時信息存在不同的系統里也容易導致信息孤島產生。」施萊辛格如是說。
第二步，在某些情況下，組織可能需要升級存儲網路，以便連接到分散在整個企業的數據。此外，企業必須找到更有效的方式，同化社會流媒體、視頻、電子表格、電子郵件和其他形式的非結構化數據。
第三步，創造良好的環境，以尋找優秀員工能夠管理大數據。約有一半的受訪者表示，人才短缺成大數據發展掣肘。
總之，大數據與其說是一個技術問題，不如說它是一個應用問題，企業需要有效地利用它，以供企業決策。因此，組織為取得更大的成功決策，應對他們的整體環境數據有根本的了解。
㈣ 傳統企業如何實現數字化轉型
傳統企業數字化轉型步驟如下：
一、 制定正確的企業戰略，整合到整體的企業戰略中；
二、 大規模能力建設；
三、快速、敏捷的企業文化；
四、組織與人才。
一、 制定正確的企業戰略
「數字化」對自己的組織意味著什麼?這是高管們必須首先回答並達成共識的問題。之後，成功的第一步就是制定一個明確而連貫的數字化戰略，並將其完全整合到整體的企業戰略中去。如果整合不完善，任何後續措施都必然會出問題。然而，制定正確的數字戰略對於很多公司都是個挑戰。數字領先企業與一般企業之間的差距集中體現在戰略方面。制定正確數字戰略的一個難點，就是只有小部分有著高曝光率的龍頭企業才能博得社會宣傳與關注(以及普遍走高的市場估值)，這其中就包括市場顛覆型的企業，如優步(Uber)。要想制定正確的數字戰略，企業要回答三個關鍵問題：
1、最值得關注的數字機遇和威脅在哪裡?
2、數字顛覆可能發生的速度有多快，規模有多大?
3、怎樣才能更好地擁抱這些機會，更好地配置資源以規避主要威脅?
絕大多數公司需要對症下葯，採取戰略措施來解決這三個問題。這些措施包括：
1、小規模轉型自身業務模式，以進入新市場或重新定義現有市場。例如,深圳的平安銀行創立了橙子銀行,聚焦數字化，針對年輕消費者。其所提供的簡單、高回報的金融產品和一分鍾開戶的金融服務對年輕消費者的吸引力是傳統網點或任何復雜的金融產品組合都難以望其項背的。
2、緊跟潮流，抓住行業發展所帶來的價值。英國百貨公司 John Lewis 推行「線上點擊加線下實體」的方案，使客戶能夠在網站下單後，在門店或社區雜貨網點提貨。
3、積極重新配置資產，從受到數字威脅的領域轉向受益於數字化的領域。舉例來說，德國的 Bauer 媒體集團曾系統性地重新配置資源，拋棄過去的傳統媒體模式，開發出更具數字特質的產品組合。雖然表面來看其整體收入有所縮減，但實際上其營收增長及市盈率均有所增長。
4、通過數字途徑和工具，提高現有業務模式效率。例如，為了更好地服務迪士尼度假村和主題公園的遊客，迪士尼公司開發了一系列數字工具，比如可幫遊客預訂主題公園項目的 Fast Pass+服務，或者方便遊客在園區內預訂和規劃游覽路線的 MagicBand 手環(有一半迪士尼遊客都選擇佩戴這種手環)。更高效的游覽路線，使得迪士尼的神奇王國在2013-2014 年的假期高峰每天可多接待 3000 名遊客。
5、找到最合適自己的數字戰略至關重要。成功的數字戰略與差異化的管理方法相輔相成。如果戰略正確，管理起到的干預作用就會更清晰。
因此，公司可以考慮以下做法：
1、大膽將眼光放遠，不過分追求短期的財務業績，能夠承擔適當的風險，對數字化舉措和 IT 架構進行大規模投資。
2、將數字化整合進公司戰略，使數字化成為業務核心，自然形成內部協作，公司治理也會並重數字化需求。戰略優先與投資決策屬同一個流程。
3、堅持不懈關注客戶需求，有助於公司在關鍵領域不斷創新。雖然最初期客戶的數據有時候會誤導業務的方向，但是他們的行為往往能夠在短時間內滲透大眾市場。公司可以通過多種場景(如視頻會議、簡訊和線上聊天)與消費者建立直接的連接。
一旦公司經過深思熟慮達成一項戰略，它們就必須全心全意地投入其中。只對表麵皮毛修修補補的日子已經一去不復返了。
二、 大規模能力建設
要想數字化一舉成功，一些特定的能力，尤其是那些夯實關鍵流程和工作內容的能力至關重要。其中，最重要的是模塊化 IT平台與敏捷技術交付能力，它們讓公司在快速發展的世界中隨時與客戶保持同步。麥肯錫調研的大多數公司的IT平台均存在重大缺口，這也從側面反映出目前企業普遍為在 IT 和投資中對數字舉措進行優先考慮。
除此之外，調研中表現優異的企業往往能夠通過數字方式與客戶互動，並在以下四方面優化它們的成本效益。
1、基於大數據的決策
優秀的數字化企業善於緊跟顧客的數字化消費決策之旅。例如，它們會快速收集並形成結構化數據(如人口結構、購買歷史)與非結構化數據(如社交媒體、語音分析)，預測客戶行為新模式，並由此調整與客戶的互動方式。這些公司巧妙地利用自身業務內外的可用資源來應對市場中最至關重要的問題。
2012年，感冒流感葯劑製造商Reckitt Benckiser 利用醫療網站 WebMD的搜索數據(當時該網站每月近3200萬訪客)，追蹤美國的感冒流感症狀，並預測可能爆發病情的地區。之後，該公司在這些地區發布了針對地域和症狀的廣告和促銷活動(包括免費送貨上門)。在感冒和流感多發的季節，這項計劃使 Reckitt Benckiser 一個月內的咳嗽感冒葯品在全美的銷量同比增加了22%。
2、與消費者建立聯系
這也是不可或缺的一環。企業應該積極擁抱能夠加深品牌與客戶聯系的新技術(如應用程序、個性化和社交媒體)，這些技術一方面能為客戶提供更優體驗，另一方面也能服務於產品開發。
2009年，博柏利發起了「風衣藝術(Art of the Trench)」活動，鼓勵顧客訪問其線上平台，並上傳自己身著風衣的照片。其他買家和時尚專家會對照片評論並點贊,並通過電子郵件和社交媒體分享到自己的平台上。用戶還可以直接點擊進入博柏利官網購買照片上的款式。隨著時間的推移，這些創新模式也與公司結合得愈發緊密。雖然博柏利的做法可能並非無可挑剔，但是總的來說，此番做法再結合其他創新舉措，使得公司在六年內年收入翻了一番。
3、流程自動化
優秀的數字企業會將自動化的重點放在流程設計上，並在過程中不斷進行試錯和優化。要想實現成功的流程自動化，首先要將眼光放得長遠，拋開眼下的限制，提前設計未來的每個流程。比如，將周轉時間從幾天縮短到幾分鍾。明確了未來想要達成的目標後，就可以對相關的約束條件(如法律協議)從長計議。
一家歐洲銀行就使用該方法將其開戶流程從兩到三天縮短至不到十分鍾。與此同時，該銀行通過在其信用評分模型中添加一款線上計算器，成功實現了抵押貸款申請流程中部分環節的自動化，在短短一分鍾內為客戶提供初步報價。該系統在顯著提高客戶滿意度的同時，大大地降低了成本。
4、雙速IT
當下，消費者的期望給 IT 帶來了新的壓力。傳統的 IT 架構難以應對數字產品創新中快速變化的測試、失敗、學習、調整和迭代機制。領先企業通常既有專業高速的新 IT 能力，以實現快速產出，亦對其傳統的 IT 能力進行了優化，以支持傳統的業務運營。
這種 IT 架構可以支持兩種不同的運營速度：一方面，面向客戶的技術靈活多變，能夠快速反應。例如，這些技術可以在幾天內就開發部署完成新的微服務，或幾秒鍾內為客戶提供動態的個性化網頁。另一方面,核心 IT 基礎架構牢固，可以支撐高質量的數據管理和內置的安全保障，旨在確保交易與支持系統所需的穩定性和靈活度，保證核心業務服務的可靠性。
一家英國金融機構就是通過採用雙速 IT 模式，改善了其線上零售銀行服務。該銀行開設了一個新的開發辦公室，借鑒初創企業公司文化，執行敏捷的工作流程，快速完成新產品測試和優化。為了長期培養這種能力，該公司同時發展服務架構，以加速發布面向客戶的新功能。
三、快速、敏捷的企業文化
強大的技能固然重要，但如果不能做到盡善盡美，公司也大可以將傳統文化與速度、靈活性、開放度和學習能力相結合，彌補其技能的缺失。塑造這樣的文化，方法不止一種，但DQ診斷得分較高的公司，都會採取 DevOps、持續交付和敏捷等邊測試邊學習的軟體開發方法,並取得了不錯的成效。曾經，這些方法僅處在工作環境的邊緣地帶，而如今它們的應用促進了核心人才的互動與溝通。以前各自為政的職能和業務部門也因此有了新的凝聚力。
這種邊測試邊學習的方法結合了自動化、監控、社區共享和跨部門協作,將各自為政的職能與流程融入到快速變化、以產品工作為核心的文化中去。在技術和產品產權共享的環境中，數據使用能快速得到普及，將復雜性降到最低，並且能快速進行資源再配置，建立一個可循環、模塊化和可交互的IT 系統。想要塑造這種協作、敏捷的文化，高管可以重點關注以下四個關鍵領域。
1、外部協作
通過發展鼓勵協作的企業文化，企業能夠參與到更廣泛的生態系統中，與非本行業內的企業進行合作、深度學習和協同創新。然而，對於大多數企業來說，憑借一已之力構建這些網路或生態系統難度較大。但是，在一套復雜的生態系統中，企業可以另闢蹊徑，樹業有專攻(如在生產或物流方面)，以此創造價值。
企業與外界的協作不一定非得在大生態系統里才能實現，與客戶、技術商和供應商的小規模合作也能讓企業受益匪淺。此外，巧妙利用自己員工隊伍以外的資源，如在興趣小組或網路中招攬人才，也不失為一種好的方法。比如 SAP在推出 NetWeaver 軟體時，就充分調動了用戶社區資源。
以上所述的外部協作都要求數字領導者認識到自身所長和別人的過人之處，提高與個人和機構合作的能力。在各種宣傳炒作中，他們還必須懂得區分真正的機會與威脅，辨別對方是敵是友。
2、風險偏好
數字行業的領軍企業普遍敢於採用大膽的舉措。相比之下，落後企業的高管則偏向於規避各種風險。雖然成熟企業不太可能打造或主導大型生態系統，但是它們仍會受到市場或行業中顛覆性力量的影響，需要面對隨之而來的風險。當今世界大數據涌現，不確定性也日益增加，企業必須做出決策，盡早地對顛覆力量做出回應。
大規模地推廣邊測試邊學習的策略。敏捷文化的核心是邊測試邊學習的思維方式和產品開發方法，這種模式可以在任何成熟企業的項目或流程中得到有效應用和轉換。相較於坐以待斃、不聽取市場反饋、被動等待熱門產品的誕生，數字領先企業選擇不斷學習、不斷追蹤，並迅速地在市場中投放新產品。之後，它們會分析消費者興趣，收集消費者反應，並不斷改進產品。嚴格的數據監控可以幫助團隊快速決定是完善還是放棄新舉措。如此這般，失敗固然常見，但成功的幾率也大為上升。
例如，Nordstrom 的創新實驗室就面向顧客，推出了一系列周期為一周的試點活動。為了開發太陽鏡購買的 App，公司創新團隊在西雅圖的零售旗艦店設立臨時工作點，搭建各種樣板場景，模擬現實的線上購物情境，讓購物者進行點擊和選擇。顧客可以指出他們認為最有用的功能，或樣板中存在的問題。利用這些信息，編程人員實時調整，當下發布新版 APP供客戶現場操作。經過一周的不斷調整和再發布後，這款 APP 已經成為了門店銷售的絕佳幫手。
3、內部合作
無論數字化與否，團隊協作都格外重要。沃頓商學院的 AdamGrant 表示，最影響團隊效率的因素，是同事在工作中互相幫助的程度。在企業提升 DQ的過程中協作文化更顯得尤為重要。許多公司缺乏必要的數字化業務作為主幹來協同傳統上各自為政的職能部門，無論是從客戶服務到訂單履行，還是供應鏈管理和財務報表，均缺乏必要的協同。
在麥肯錫調查的150 家公司中，只有不到30%的公司表示它們擁有高度協作的企業文化，不過，這也說明其他公司的改進空間巨大，先進的科技能夠在這里發揮較大的促進團隊合作的作用。例如，將虛擬雲作為跨職能、地域間的協作的平台，讓各職能團隊在雲上協作開展實驗、試錯與創新。
四、組織與人才
除了戰略、能力和文化之外，領先的數字公司在管理人才、流程和組織架構方面也採取了統一的舉措。
1、吸引和培養數字化人才
高管團隊里需要有一位主管數字化的領導，將業務、營銷與技術專長方面的人才結合起來。但同時，中層的才幹也很關鍵。他們才是腳踏實地，深入一線的骨幹，數字舉措的成敗，往往取決於他們，因為他們才是最終將產品和服務推向市場的中堅力量。
在當下的環境中，挖掘到合適的人才並不容易。在尋找人才時，企業應該認識到數字能力往往比行業知識更重要，在數字化轉型的早期階段尤為如此。只有35%的數字人才擁有除現階段工作之外的數字化工作經驗。
2、企業還必須採取適當的激勵措施和明確的職業發展方向來培養數字人才
實際上，一些成熟的企業可能比想像的更有優勢，因為年輕人更願意幫助時尚服飾、豪華轎車、新聞雜志等行業的知名品牌建立數字化渠道。渠道一旦建立成功，就是良性循環的開端。對優秀人才的培養足夠好，就能吸引更多的人才，組織也能快速地拓展，確保在數字行業的領軍地位。當公司人才濟濟時，更多的人才也就蜂擁而至了。
最後，推薦我們的管理工具給大家
閱讀原文
有用
|
分享
企業如何數字化轉型_數字化轉型的關鍵是什麼
值得一看的數字化轉型相關信息推薦
日立數字技術和數字解決方案，通過跨界連接多樣化的人才和企業來創造新的價值。考慮將其作為加速開放創新的空間，並將其整備為能夠面向未來工作方式的多功能性設施。
hitachi.com.cn廣告
赫中企雲中國動態折扣營運資金企業數字化轉型解決方案提供商
值得一看的企業數字化相關信息推薦
赫中企雲將「時間貨幣化」作為核心理念，以「提升企業間資金流轉效率」為目標，專注為全球企業提供創新高效的數字化營運資金解決方案
hzqyun.com廣告
數字工廠整體解決方案_工業產品全生命周期數字孿生應用
數字工廠整體解決方案_智參科技多年數字化工廠規劃經驗_真實世界物理資產的虛擬「拷貝」和真實物體的屬性一致
智參軟體科技(上海)廣告
大家還在搜
企業如何實現數字化轉型
傳統製造業數字化轉型
傳統企業數字化轉型成功案例
人力資源數字化轉型
傳統行業的數字化轉型
數字資產
企業數字化轉型包括哪些方面
如何做好數字化轉型
企業分類都有哪些類型，企業都有哪些特點
贏家財富網
05-23
1點贊
王淑文：物信融合助力能源企業數字化成功轉型
傳統安防巨頭海康威視不斷加碼能源工業，實現創新業務的多點開花。 當AI遇上礦山，海康威視如何助力煤炭、鋼鐵、化工等能源企業數字化轉型？面向工業互聯網應用領域，海康威視將在哪些方向進行重點研發與業務開拓？
㈤ 淺談數據產品管理實踐
近些年來，隨著增長黑客、精益化運營、大數據、AI等概念大熱，數據產品、數據產品經理曝光率也不斷攀升。公司也於2017年初開始推行數據化戰略，取得一些成果，上線了數據倉庫、數據雲平台、數據監控、自動化審批等數據產品。 但什麼是數據產品？數據產品如何解決公司業務問題？如何設計有價值的數據產品？數據產品經理需要具備什麼能力和特質？本文將圍繞數據產品設計開發管理，結合公司一年來做的數據產品，與大家一起探討分享，以期各位同事了解數據產品的價值和特點，未來更好的利用數據產品和提出更有意義的需求。
1 數據產品的定義
簡單講，即以數據產品是能幫助用戶發揮數據價值去輔助用戶決策或行動，以數據為主要自動化產出的產品形態。強調自動化產出是區分類似數據研究咨詢公司的咨詢報告、手工報表。接下來數據產品又可以進行細化：
通過用戶群體可以分為三類：
企業內部數據產品，如開篇講到我們公司的BI 、自動化審批、數據監控等；
商業型數據產品，如谷歌的Google Analytics；
用戶均可使用，如淘寶指數。
2 數據產品的意義
當我們推出一個新的產品功能的時候，是否是符合用戶預期的，是否是受用戶歡迎，我們需要通過數據來說話。 在 Facebook 中，直接匯報給扎克伯克的增長團隊就有兩個數據團隊做數據的採集計算和展示。Facebook 所有數據的監控，以及根據效果持續優化工作都由他們負責。 Facebook對數據驅動的重視程度有一個例子很好說明，曾經一個 VP帶領的 30 人團隊花了一年時間改版主頁，在灰度上線三個月期間因數據表現不佳，直接回滾。 Facebook 通過可量化的數據對新功能進行客觀反饋，從而驅動下一步的產品決策。
彼得.德魯克有句名言：if you can't measure it, you can't manage it.
3 數據產品如何設計
關於這個問題我們可以拆解成五步來解答：
-面向什麼用戶和場景
-解決什麼問題或帶來什麼價值
-分析思路是什麼
-用到什麼樣的指標
-怎麼組合展現這些指標
1）面向什麼用戶和場景
產品設計先要明確面向的用戶和場景大家並不陌生，具體到數據產品用戶和場景的特點有：
-不同用戶有不同的價值：特別是面向企業內部產品。從數據能產生的價值來看，高層的一個正確的決策可以節省下面無數的成本，不能單純從產品使用用戶數來衡量產品的價值；
-不同層級用戶關心的數據顆粒度不同：產品設計時需時刻記住數據呈現的主次、不同顆粒度的分析以及最細粒度的入口。數據分析本質就是不斷細分和追查變化；
-不同類型的用戶使用數據的場景不一樣，要圍繞這些場景做設計。比如我們分公司分總、團隊經理們，工作繁忙且甚少坐班，那麼移動化和自動化就很關鍵。在設計的時候，原則就是通過手機界面展現關鍵指標，分析結果簡要清晰，較少分析功能。而且在某些指標異動時能及時通過手機通知。而辦公室的數據分析師，則 PC 界面更多細化分析對比的功能。 即將上線的管理決策系統就充分考慮這些場景，業務線通過手機APP瀏覽查看並支持指標異動的通知；另一個業務數據監控產品，則將細致的分析呈現在PC界面上。只有充分了解自己的用戶和使用場景，保持長期有效的溝通，才能設計出更好用的產品。
2）解決什麼問題或帶來什麼價值
即明確產品需要滿足用戶的什麼需求，有怎麼樣的迫切程度和價值。
首先判斷用戶的本質需求，可用 Demand/Want/Need 方法分析。用戶說來杯可樂（Demand），如果他最需要的是解渴（Want），那麼一瓶礦泉水或者寶礦力會更適合他（Need）。
其次判斷需求的價值，基於兩點：這個需求滿足的是否是核心用戶；是否是剛性需求。核心用戶衡量公式「人數 * 單用戶價值」，我們心裡要有「不要為了次要用戶的需求去干擾核心用戶的正常使用」的觀念，更不要因為有些數據產品只有公司幾個高管使用而覺得缺乏成就感；剛性需求的判斷，可以從需求有無替代方案、發生頻率（可以結合何時何地的場景來思考）、持續時間等因素綜合考慮。
3）分析思路是什麼
明確問題後應該通過什麼樣的思路進行分析？需要明確以下原則：
-數據產品經理要有數據分析能力，才能更好創造更大的數據價值；
-數據產品設計理念，應從總覽到細分，多維度不斷對比；
-數據產品的總覽頁面設計應提綱挈領、簡明扼要、主次分明，幫助用戶快速定位了解重要信息數據和重要異常問題，而不是浸泡在無序繁復的數據細節之中；
-數據的細分應該提供足夠豐富的維度便於分析。每次細分必須帶著指標下去，所有分析的結果必須可以落實到動作執行，並與業務緊密相關；
-數據本身沒有意義，數據的對比才有意義。數據產品的核心就是凸顯對比，這點是數據產品經理的差異化能力，同時要求甚高（如下圖業務數據監控產品）。既需要豐富的產品設計經驗，也需要深刻的業務理解能力和數據分析能力。
4）用到什麼樣的指標
分析思路需要相應的數據支撐，需要確認數據准確完備，包括需要哪些數據指標、數據來源和欄位等。在確認的過程要注意以下兩點:
-數據的完備性需要提前明確所有的數據是否已經准備完全。數據的採集，清洗和聚合工作是數據准備環節的核心內容。如果需要的數據沒有及時採集或沒有經過清洗，會讓整個工期增加極大的風險。
-數據的准確性在很多時候臨到使用，才發現這個埋點的方式一直都是錯誤的，或者發現這個指標計算的方法沒有把某種因素排除掉。原因多是部門眾多口徑繁雜，缺乏統一數據定義和質量監控管理。 公司為了治理這個問題，專門由數據分析中心牽頭，產品與業務部分參與梳理。與此同時，為了更好的採集數據的完備和准確，我們在數據採集埋點的方案選擇上也積極求變，與優秀的第三方數據服務商神策數據合作。
5）怎麼組合展現這些指標
關於數據產品用怎樣的產品形態組合展示指標，常見的數據產品形態有著重於數據呈現，比如郵件報表類、可視化報表類、預警預測類、決策分析類等；著重於演算法類的，比如用戶畫像、匹配規則等。
這里探討一下著重數據呈現的產品形態設計思路：
-指標的設計，首先需要明確什麼類型的產品適用什麼樣的指標，如項目核心的訂單轉化率，放款金額，逾期率等。
逐層拆分，不重不漏。如將逾期分析拆成逾期率、逾期筆數、逾期金額，各節點也可以往下細分出逾期分布，不同的產品、不同的城市還會擁有不同的逾期表現，一層層往下分拆；
確保指標能明確表達含義，為上層的分析思路提供依據；
明確指標定義，統計口徑和維度；
-指標的呈現，即數據可視化。它不僅是UI設計師的工作，對數據產品經理也提出很高要求。因為它涉及到別人怎麼去理解和使用你的產品。一方面需要持續閱讀相關專業的書籍，另一方面，需要觀察學習足夠多的優秀數據產品。具體到數據的可視化圖表設計上，一些經驗有趨勢用曲線圖，佔比趨勢用堆積圖，完成率用柱狀圖，完成率對比用條形圖，多個指標交叉作用散點圖。根據不同指標選擇其合適的形式。
4 數據產品對數據產品經理有怎樣的要求
前面講關於數據產品設計，那麼如何確保按正確的符合企業需要的數據產品順利的設計開發上線呢？即數據產品經理需要具備哪些能力才能勝任，概括的講有以下四個方面的能力模型：
-數據分析的能力：要懂分析，不然就會變成一個只出報表的傳話筒，要懂數據的產生邏輯，要能建立一個業務模塊的數據指標體系，不然，出來的東西會比較亂，可能遲遲上不了線；
-數據展現的能力，即可視化的能力；
-商業模型的理解能力：商業理論要了解，才能給抽象成報表和分析頁面，而不同的商業理論適用於不同的企業和企業不同的階段，除了保持商業理論的持續學習更新，還需要結合企業實際情況選擇執行；
- 一般產品經理的能力如需求分析調研、邏輯溝通、快速學習等能力；
除了對能力有專門的要求，數據產品設計開發過程中，數據指標梳理是一件非常繁瑣的事情，另外在進行數據分析，在一大堆數據里刨來刨去，很可能半天也沒有結果，這樣就需要數據產品經理的性格能沉下心，能耐得住寂寞和有些枯燥的工作，所以對數據產品經理比一般產品經理有一些不同的性格要求。比如一般產品經理要求會玩，性格外向活躍，而數據產品經理表現的就會偏沉穩和內斂。
從數據產品經理的能力模型可以看出，既要懂數據，懂產品，又要懂商業，還有性格，要求相當高。公司2017年初啟動數據化戰略，由此可見，數據產品經理團隊的組建是一件有挑戰性的工作，在火熱的數據人才市場，於去年8月完成組建工作。全面的數據產品經理難求，但我們力求形成全面而富有戰鬥力的團隊，作出優秀的產品