数据驱动：这是一种文化

Being>

ByCarl Anderson 翻译：明略数据

《创造数据驱动型企业》，Carl Anderson著。书中详细讲述了如何利用数据价值体系建立预测性商业模型

数据驱动对于一个企业意味着什么？

很多企业认为，每天自己的业务中会产生很多报表、汇报，所以他们的企业就“数据驱动”了。事实上，无论这些报告结构多么严谨，里面讲了多么美丽的故事（大部分并不美丽），他们也不过是在回顾过去。他们可能会描述一次上周的销售量下降，但是，他们并没有解释这次销售量下降的原因以及接下来如何去做。而且，有的时候，如果这个报告根本没有被阅读，甚至更糟糕的是，被看过后完全置之一旁，那么这份报告没有对企业产生任何价值。

同样的情形还会出现在仪表盘（Dashboard）上。和报告一样，他们通常是汇报过去的数据（虽然更接近现在），他们通常缺少语言描述，并且伴随各种杂乱的过时的业务指标。我们几乎看不到一个仪表盘或者报告可以清晰地指出如何做才能面对业务中的挑战和际遇。

我需要强调的是，报告和仪表盘对于一个企业来讲确实至关重要，只是我们在使用的过程中，没有充分地印证数据驱动的关键意义。

成为一个数据驱动型企业，最低的标准是要引入具有前瞻性的数据分析。在这样的分析中，需要包含“在哪儿”，“为什么”，“谁”，“接下来是什么”这些问题。分析还需要提供更多有效的信息和证明对接下来的商业决策进行指导。大部分的前瞻性预测需要具有预见性，提供优化策略，并且进行假设分析和模拟推演（出自Jim Davis’ levels of analytics分析的最高阶段）。但是分析通常会和报表或仪表盘一样，遭受同样的命运：如果他们被忽视而不能对商业决策有所助益，那么他们没有“驱动”任何事情。

数据驱动：这是一种文化

Theanalytics value chain. 数据价值体系

在一个数据驱动的企业，数据是提供报告、深度模拟预测的来源。企业决策者应该将数据分析纳入公司决策流程，并对公司的决策提供价值和影响。（Brent Dykes指出.）

数据驱动企业最大的特点是拥有一套完整的数据价值体系。数据价值体系指的是一套完整的从数据收集、整理、报告到转化成行业洞见和决策建议的流程。当然，最重要的是这些洞见和决策建议真正能够被企业决策者使用，并且帮助他们做出高效、明确的决定。数据价值体系是自我迭代的流程，首先，需要改进公司业务（当然有的时候最好的决策是不改变），其次，对商业的影响可以被评判，再次，对商业的影响是可以用数据证实并有衡量标准。其实，大家普遍认为数据分析可以帮助决策者采取行动、获得价值，但事实上并不是这样。

在很多情况下，数据会终止在HIPPOs(Highest Paid Person’s Opinions，最高收入人意见)。这些HIPPO（最高收入人），他们好像知道一切规则，忽略数据、证据和建议。他们觉得只要去做自己想做的就可以，因为他们知道什么是最好的（毕竟薪水证明一切）。如果他们不依靠数据做出的决定是正确且运行良好的固然很好。然而，大多数情况下，并不是这样。在很多公司，完全缺少问责性。有的评论家甚至会说：“他们不这样做是因为，他们没有办法被问责。如果你敢展现那些会明显否定HIPPO观点的数据在小部分公司里会完全被否决，甚至会被解雇。”

如何形成有效的数据价值体系，关键在于让数据驱动深入到企业文化中。为此，我们需要培养“数据驱动文化”。这是一个多层面的问题，他包括了数据质量、数据分享、数据分析师的招聘和培养、沟通、可分析的公司组织结构、量化设计、A/B测试、决策流程等。

数据驱动文化在企业中，主要体现在几个方面：数据在多大范围内被使用，如何在企业中使用和展现，企业为让数据作为战略资产所投放的资源和培训。

数据驱动文化的基础是数据本身。我们需要收集正确的数据，也要正确地收集数据。伴随着很多从业务部门提交上来的需求，大部分企业的数据部门都是资源驱动的。在与业务部门的合作中，数据部门需要选择最优良的数据源并把它们纳入到系统中，同时保证最小化数据噪声，最大化数据质量。当然，通常说比做容易。
数据驱动：这是一种文化

文化合作，兼容，开放，好奇
数据领导力首席数据官，首席分析官
决策制定反复验证，基于事实，反对HIPPO
组织嵌入式、联合式分析
员工可分析的组织架构：团队、技能、培训
数据数据质量，数据管理

数据驱动企业的组成部分(出自Wayne Eckerson《数据分析人才的秘密（Secrets of Analytical Leaders）》

数据最原始的用户是数据分析部门的数据分析师和科学家们，他们需要通过数据来提供洞见，而不是仅仅出一份报告或者分析结果放在老板的桌子上。他们的工作是要基于数据去提问并解答正确的问题，去理解业务并将他们的建议提供给决策者。为了达到以上目的，他们需要接受专业的培训、掌握准确的技能、提供良好的支持。他们还需要企业在组织架构上更加高效。数据科学家和分析师们要与业务部门合作，和他们共同制定目标，同时他们还要负责制定和推广相同的公司级别的衡量标准。当然，他们也需要一个可以提供培训、监控和制定标准的独立数据部门进行支持。

另外一个重要的数据用户并不是很明显，他们是公司所有其他人！一个数据驱动公司需要将数据尽可能的公开化，并给员工提供一个便利的途径让他们接触数据和高效使用数据的方法，将数据嵌入到流程中，并让员工有权利基于数据做决策。当然这里面有一部分是公司决策者本身。这些决策者们需要对数据非常敏感，他们需要有高效的技能去界定一个分析师提供的数据实验设计的好坏，必要的时候给出意见，提正确的问题，正确地解释数据标准和结果。在数据驱动文化中，员工是“双语的”，他们可以听得懂“用数据讲业务”也能听得懂“用业务讲数据”。

怎么才能让数据驱动实施起来保证客观，摒除HIPPO的影响呢？这需要一个非常完善的A/B测试文化，它可以保持企业的创新，不断尝试新的创意，可以直接听到真实的客户和用户反馈。正如Intuit Inc.创始人Scott Cook 所说，“这是市场在对你讲话”。公司应该鼓励假设，更重要的是，每个人的新想法都应该被赞同和接受。最后，这不是一件对抗性的事情。即使是对HiPPO，我们可以说：“我们并不知道答案，所以我们要验证它”，然后让数据说话。

有了这样的数据驱动文化，企业更容易倾向关注数据、验证假设、商议策略和不断迭代。正如Julie Arsenault提到的，“你有数据支撑么？”应该是一个每个人都敢问，每个人都随时准备回答的问题。

最后一个部分是数据领导力。你需要一个“数据领导者”来带领数据驱动文化的变革，让每个人意识到数据即战略资产，并驱动实际收益与回报。当然，除了自上而下领导数据变革，也需要每一个员工自下而上的共同努力，才能真正形成一个企业的数据驱动文化。

文化的转变是困难的，但是，越快开始，在企业的历史中，就越早开始孕育这种文化并转变成数据驱动型企业。

如果需要知道更多，可以关注Carl Anderson所著的《创造数据驱动型企业Creating a Data-Driven Organization》。