從數據到價值—創業團隊應該關注的四個階段

whs這是一個最好的時代，移動互聯網技術為從業者提供了無比豐富的數據。從人們的言行舉止、社交關系、到地里位置無處不在。這些詳細寶貴的數據，蘊含了巨大的價值！但是，這也是一個最壞的時代，面對洶涌而來的海量數據，絕大多數從業者卻無可適從，無法從中發掘出有用的信息，難以實現從數據到價值的轉換，這是何等的遺憾！如果這是一個從業者的遺憾，無需擔憂，因為這是他的個人問題。誰讓他不好好上一門王老師的《商務統計學》呢？嘿嘿:-) 如果這是兩個從業者的遺憾，也可以高枕無憂，兩個人沒上《商務統計學》唄！但是，如果這是絕大多數人的遺憾，那么這就是整個行業和教育的遺憾，我們就需要檢討：這是怎么回事，問題出在哪個環節上？

如果嘗試從媒體中尋找答案，那么五花八門。但是，背后的故事基本都是一樣的。那就是需要一個愛因斯坦一樣的天才，掌握著可樂配方一樣神秘的算法，然后從一群垃圾都不如的數據中，產生了驚為天人的發現，造就了巨大的商業成功。人們管這樣一群神奇的天才叫：數據科學家！“數據科學家”這個詞匯是一個偉大的創舉，它籠統地覆蓋了計算機、管理科學、統計學、營銷、經濟學等眾多學科。因此，每個學科都喜歡這個名詞，都覺得和自己相關。但是，誰都給不出一個精確的定義。但是，這不重要，這不妨礙人們以各自的標準去尋找自己心中的那個“數據科學家”。因此，不少創業團隊在創始初期，不惜血本，從擁有大量“數據科學家”的知名企業招攬人才。這些企業有哪些呢？谷歌系、阿里系、騰訊系、百度系等等。不管這批“數據科學家”在自己的專業方面是如何優秀（而事實上也確實極其優秀），他們是否會對這個新生的創業團隊帶來相應的價值？無論他們自己是創業者，還是創業團隊的核心員工，還是普通員工，他們成功的概率幾何？要讓我賭一把，我一定是賭他：不成功（不一定失敗，不成功的定義是其實際價值產出遠遠低于預期）。這里并不是看低這些優秀個體的個人能力。來自一個優秀企業的優秀員工，其自身在專業上的出色是毋庸置疑，值得尊敬，甚至崇拜的。但是，一個基本事實：這些優秀的員工在高端大氣上檔次的企業，如龍如虎，價值發揮淋漓盡致。但是，一旦到一個草根初期的創業團隊，他們實現完全成功的概率極低。為什么？因為從企業到個人，都沒有仔細思考過從數據到價值的過程，進而無法理解這些優秀的個體在各自的組織中，在當前這個創業階段，可以起到什么樣的作用。進而，對人對事都產生了錯誤的判斷。

既然從數據到價值的轉變那么重要，那我們一起嘗試描繪一下這個過程：數據是如何演變成為價值的？我將其拆分成大概四個階段。

階段1：首先是數據的生產、采集、與整理的階段

俗話說，巧婦難為無米之炊。沒有數據，哪來的價值？對數據生產、采集、以及整理的需求催生了形態各異、內容豐富的信息技術。與其高度相關的是計算機技術的快速發展。例如：條形碼技術的成熟產生了大量的超市掃描數據；企業ERP系統的廣泛實施產生了詳細的業務流程數據；商戶CRM系統的成熟應用產生了大量客戶的消費行為數據；地磁技術的應用產生了大量的交通路況監控數據；城市中鋪天蓋地的監控攝像頭產生了海量的視頻圖像數據；GPS定位技術的發展產生了巨大的位置數據；以微博微信為代表的移動社交軟件的普及產生了海量的文本以及社交關系網絡數據。這是從數據到價值的第一個階段。其意義在于，人類具備了詳細刻畫世界的能力。能夠通過可存儲的文檔，詳細記錄個人以及社會的方方面面。什么是數據？凡是可以記錄的就是數據。而以上所述的形態各異的記錄都是數據！這是從數據到價值的一個基本起點。從這個角度就可以理解阿里巴巴對新浪微博的收購，可以理解為什么華為進軍車聯網領域。因此，在很多巨頭的眼中，數據的生產、采集、與整理是一個具有戰略意義的階段。因此，是他們布局以及混戰的重點。競爭慘烈！那么請問各位：你們是否一定要介入其中？這不是一個好回答的問題。

階段2：定義和數據相關的業務問題

在數據生產、采集、與整理的基礎上，人們開始思考：能從數據中挖掘什么價值。不過首先需要明確這個“價值”是為誰定義的？在大學科研機構中，價值是為研究學者定義的。而學者關注的價值，主要從科學興趣的角度。只要是原創的，增進人們對自然世界、人類社會認知的，甚至純粹有趣的，都可以稱為“價值”。但是，本文關注的價值是面向企業的“價值”。面向企業的價值就不能以純粹的“興趣”為判斷的標準，而要以企業的戰略目標為標準，以企業的業務實踐為標準，以企業的生存、營收、發展為標準。如果以這樣的視角去看問題，你會發現：

（1）市面上能夠看到的和大數據相關的書，恐怕都是“興趣”有余，“價值”不足；看得都很開心，但是細想對我的企業、我的業務有什么啟發？很少！
（2）對這些優秀的企業（例如：谷歌、臉譜、騰訊）有意義的“價值”很可能對我沒有任何價值。也就是說，價值因企業不同而不同，因戰略目標不同而不同。小心被高富帥帶進溝里！
（3）很多看似非常有意義的“價值”，但是在業務層面無法把成本控制在合理的范圍內，無法通過用戶友好的方式實現，繼而也是沒有“價值”。

因此，什么是真正的面向企業的“價值”，不是非常容易定義。該定義受到：企業戰略目標的影響，受到業務的限制，受到資源以及實現能力的約束。請問：這么復雜的一個問題，是不是“數據科學家”樂于思考的？可以思考的？在絕大多數情況下，他們不會思考，也無力思考這個問題。為什么？原因很簡單：關我什么事情？你請我來做一個具體工作，我認真工作，然后拿工資回家。你這些“戰略”問題，和我什么關系？你的公司第一天倒閉，我第二天換個工作就好了，反正這個世界非常缺乏“數據科學家”，我很好找工作的。這個刻薄有余的諷刺故事雖有點過分。但是也是想和創業者分享一個基本事實：從數據到價值的第二個階段：定義和數據相關的業務問題，這是一個有關商業模式，或者業務模式的核心問題。只有企業的核心管理者，站在企業戰略的高度，才可能關心該問題，才可能思考該問題。但是，能不能想得明白另說，而且目前看來，大概率想不明白。因此，永遠不要有不切實際的幻想：請一個牛人，配備一個很牛的團隊，然后一切就會翻天覆地的變化。清醒一下，不會的！這個翻天覆地的變化，應該怎么變，只有你才具備思考清楚的可能。

階段3：數據挖掘與統計建模

如果我是一個車聯網的管理者。我關心：從車聯網的數據，能夠產生什么價值？經過很痛苦的思考摸索，有一天我終于明白了，我需要建立一個從駕駛員的駕駛習慣到出險概率的關系。我希望通過深刻分析，產生對駕駛員有實際意義的指導，并通過用戶友好的APP展示出來。我希望通過深刻分析，產生對保險公司定價有實際意義的指導，并通過風險評估的方式表達出來。那么，這個創業者順利的完成了第二個過程。他清楚的知道：車聯網數據里面到底要獲得什么價值，是一個具體的從數據到業務的具體問題。在這個基礎上，一個具備良好數據挖掘基礎、統計學建模訓練的專業團隊，就可以接著往下干了。該團隊可以通過嘗試不同的、標準的統計分析方法、線型非線性模型去刻畫該關系、預測駕駛員的出險可能性。因此，這是從數據到價值的第3個階段。這個階段是在清晰業務目的（第2階段的產物）指導下的統計分析。如果沒有第2個階段清晰思考的指導，泛泛地告訴分析團隊：我有車聯網數據，請給我發現價值！大家可以設想，數據分析團隊應該怎么做？能怎么做？所以，一個好的管理者，自己可以不懂數據分析，但是要有以下幾點技能：（1）擅長做第2個階段的工作，擅長于定義從數據到價值的具體業務問題；（2）擅長于督促鼓勵自己的數據分析團隊深刻理解業務。一個純粹的統計分析或者數據挖掘團隊是不可能做出好的成果的。設想一下，連業務都不理解的分析，能靠譜嗎？常見的媒體常常把這一部分描繪得神乎其神。而我恰恰相反，我認為這是從數據到價值的轉換過程中，最容易的一個環節。為什么？因為數據挖掘相關的計算機、信息技術、統計學專業是海內外各個大學現有的標準學科。也就是說：每年都有大量的人才產出。相應的統計分析模型也比比皆是。對絕大多數企業，能正確套用一個最普通的統計分析方法，往往效果就好的不得了。但是，如何做到正確套用？卻需要在階段2中把業務問題定義地清清楚楚！

階段4：數據業務的實施

有了數據基礎，想明白了從數據到價值的業務問題，也產生不錯的統計分析模型。然后呢？然后就是業務的實施。有可能是一個新的業務流程，有可能是一個新的產品，有可能是一個新的算法。無論是什么，沒有這臨門一腳，前面的都白干了。業務的實施有無風險？有。有無成本？有。成本風險是否可以忽略？不好說。依賴于具體情境，非常不一樣。我們常常樂道的，市面媒體中可以看到的大數據案例，如果把實施風險和成本考慮在內，估計很多都是沒有價值的。我們能夠看到的是，很多團隊前面3步都做得很好，但是最后一步，或沒有強有力的執行，或沒有出類拔萃的產品設計，都功虧一簣。舉一個具體的例子，很多朋友有網上銀行賬戶，登錄后可以實現查賬、匯款、投資等多種業務行為。大家對各個銀行的菜單界面設計感覺如何？我的感覺是：太專業了！我在過去至少10年里，一共用過不超過3種功能，但是我滿眼看到的是幾十個菜單選擇。這背后是否可以有數據分析？看看人們的實際使用習慣是什么？這些習慣中的主要習慣是什么？如何把主要習慣和次要習慣平衡好？如何把這種平衡表達在產品的設計上，進而實現令人愉悅的用戶體驗？各位網上銀行用戶，我的體驗你有相似的感受嗎？這個問題分析相對簡單，不就是看看人們的主要使用習慣嗎。但是要完成最后的業務實施，難上加難！你發現我最常使用的功能是：查賬和轉賬。請問：產品界面到底又應該如何改進呢？大家想想360的產品設計可以成為一個非常優秀的標桿。每天電腦開機告訴我：您的開機時間18秒，擊敗90%的同類型電腦。哇塞，我好厲害??！于是，愉快的一天開始了。請問：這里面有什么了不起的分析？這些分析對錯如何？鬼才知道。但是，360的產品設計，不服不行！

總結討論

在以上4個階段論的指導下，我們重新檢討一下自己企業在數據分析方面的實施情況?；虺晒?，或不成功。人們常常把不成功歸咎于：【階段3】我沒有人才??！于是去谷歌、微軟、騰訊、百度挖人才，達到預期了嗎？；有時候會歸咎于【階段1】我沒有數據??！于是想做平臺，做BD，做一切可以做的方法獲得數據，然后呢？很少有人把自己的失敗歸咎于【階段4】我沒有出色的產品設計，沒有流暢的業務流程，其實數據分析根本不在話下。更少數更少數的人，會把自己的不成功歸咎于【階段2】是我自己stupid，不懂得定義數據業務問題，手底下人沒法干，大頭蒼蠅亂轉！Guess What? 【階段2】是我能看到的數據分析不成功的最典型的情形，是核心管理者自己不了解從數據到價值的轉換過程，因此定義不出契合業務的數據問題。

這給商學院的教育帶來什么啟示？MBA的同學要認真學習《商務統計學》，尤其是王老師的《商務統計學》，呵呵！要深刻理解從數據到價值轉換過程，能夠準確清晰定義相關的業務問題。這才是MBA《商務統計學》學習的要旨！為此，要從三個方面努力：（1）深刻理解自己的業務，自己工作都不了解，做不好，啥能做好？（2）要拓寬視野，保持對數據源，尤其是新的數據源的敏感。具備一流的Vision?。?）要具備根據數據業務定義數據分析課題的能力，并根據該定義整合資源，最終實現從數據到價值的轉換！