走秀网待遇怎么样 走秀网副总裁宋星：如何让数据说真话

■温/猫步网副总裁

每个人都渴望数据，但这可能隐藏着一个陷阱。有数据意味着什么？——没什么。数据不等于信息，更不等于真理。在大多数情况下，数据要么没有被使用，要么只是误导！

每个人都渴望数据，但没有人尊重它。矛盾？不，其实这一幕天天演。

怎样才能真正建立一个数据驱动的电子商务组织？为什么数据驱动的组织这么难？

误区一:谁能决定数据驱动的组织

决策通常来自三种不同的方式:感觉、经验和认知。相对而言，由于感情和经历模糊但容易获得，决策者往往会不由自主地使用这两种方式进行判断。

有着卓越的洞察力和经验的交易者，比如人人仰慕的乔布斯，甚至可以凌驾一切。当今中国绝大多数的商业智慧也是感觉和经验，这说明感觉和经验甚至决定成败。

所以，如果一个组织真的是靠感觉和经验，那么数据驱动本身就不是一个重要的命题。

另一个难点在于，CEO或管理层的态度是否在推动数据驱动型组织的形成中起到关键作用。事实上，如果CEO或者管理层不认可数据驱动的组织，那么数据驱动就无从谈起。另一方面，即使CEO或管理层支持建立一个数据驱动的组织，这个组织也不一定能真正建立起来。

数据驱动型组织必须是宏观与微观相结合，即在宏观层面上，要提供战略数据进行管理，防止整个组织来回跌落；在微观层面，需要引导企业高管的行动，让他们能够做出准确的选择，知道真正有用的下一步，而不需要不断的“试错”。宏观真的很重要，但微观更要命，尤其是对于现在的电商组织。

所以数据驱动的组织能否实现，取决于需求方。真正的需求方是执行团队。执行团队是靠感觉和经验，还是靠数据，是实现数据驱动型组织的关键。如果执行团队渴望数据，使用数据，依靠数据，那么这个组织的数据驱动文化就很容易实现；CEO和管理层要做的就是建立这样的执行团队。

误区二:数据集中化过于理想化

假设我们的执行团队是一群真正欣赏数据的人，数据驱动的组织会实现吗？

在一个封闭的系统中，如果有需求，就可能没有供给。你欣赏iphone5，但自己做不出；你渴望数据，但自己可能得不到。

因此，希望建立数据驱动型文化的组织一开始就注重能力建设。

构建的能力称为“启用”。有许多方法可以让这个组织提供数据，但是最常见的方法是图1所示的解决方案:

数据部门是一个枢纽，这群人解决了一个组织的大部分数据需求。当业务部门需要数据时，他们将需求提交给数据部门，然后数据部门开始提取、计算和分析，并将数据和结果反馈给业务部门。

说实话，这真的是一种愚蠢的方式，类似于计划经济的全能:

这种方法使首席执行官或管理层能够非常坚定地控制数据；数据部门可以协同工作；节省人力，组织好像也规划的很清楚。不需要到处安置做数据分析的人，真的节省了大量的人力和管理成本；相对简单的数据系统。因为数据部门管理数据，所以系统设计，比如权限，可能就没那么重要了。反正有人能提供数据报告。哪些部门该给，哪些部门不该给，每次手工划分确定就好。数据的模型——没那么重要，人们可以分析，不需要太多的自动化，也不需要太强的BI。

但这确实是一个愚蠢的方法。如果这样规划数据部门，最有可能的结果是数据部门会疯掉？这不是耸人听闻。如果数据部门负责所有业务部门的数据，会需要多少人？这一定超出了你的想象。

此外，业务部门不仅对提供的数据感到满意，而且希望数据及时、更及时。手工操作实时性太难，追求速度意味着大量的人力和脑力消耗。

嗯，就算数据部门能提供实时数据，那又如何？数据不是策略，数据必须分析处理。数据部门不懂业务，能分析好吗？但是如果业务部门自己分析，实时性得不到保证，数据部门的价值就会大打折扣。

那么，用BI系统取代图1中的数据部门是不是更高级的方式呢？

BI系统的本质是代替人手和人脑。这是一个很好的方法。把人从机械的工作中解放出来，给业务部门提供自动化的报告，承担一定的思考工作。

这就是为什么一个拥有真正数据驱动文化的公司必须有一个真正有用的商业智能系统。或者，在较浅的层面上，必须有一个自动报告系统。

但BI最大的问题是，机器毕竟是机器。

BI可以解决一些机械性的任务，建立数据模型，帮助人们快速得出一些结论。但是，BI可以帮你找到现象，却不能告诉你为什么。

另外，BI系统本身的有效性很大程度上取决于人。

首先，BI系统的设计必须兼容一个公司自身的业务。只有人才能完成BI与业务需求匹配的工作。

其次，BI系统的建模和规则都是人做的。

最后，BI给不了你答案。所有的答案都需要人去发现，去回答。