CRM数据质量怎么控？全球500强的经验分享给你！

CRM数据质量怎么控？全球500强的经验分享给你！

事情是这样的：有位老哥在群里问了一个问题：

源：数据治理体系彭友们好~~~我是老彭啊！都2022年了，你的规划做好了吗？新的一年，可能大家都在思考今年数据治理需要做什么

数据资产化的前提-浅谈数据治理体系的建设【下载】阿特拉斯耸耸肩，数据治理法力无边~~排版

Associate)，是DAMA国际（国际数据管理协会）在中国建立的非营利性组织“DAMA中国”组织的数据治理方面的职业认证考试。CDGA还有一个升级版：CDGP，数据治理专家，（Certified

就是这样一道看上去很简单的题，结果引起一场超级大讨论。就这个问题都能吵半天，我也是彻底无语了...不过看完他们的争论，我又凌乱了...答案一

彭友们好，我是老彭。我今天去参加DAMA组织的数据治理工程师（

各位彭友萌好，我是老彭。今天群里又讨论起数据治理项目成败的关键了。按照惯例流程，大家先是骂了一通老板，再吐槽一遍不配合的同事，最后讨论如何删库跑路

emmmm...你怎么看这两句话呢？怎么理解呢？主数据在交易打通，维度数据在报告打通？我不知道你是怎么理解的，我当时看到这个局部的图，第一反应是这个：第一次请教

从功能上看，主数据无非就是把乱七八糟的数据统一起来，形成统一的核心数据，然后使得这份数据在各个系统中都能通用。还有人说：主数据就是编码系统，对数据进行统一编码，One

源：大数据架构师（ID：bigdata_arch）

主数据蓝图设计中的4个架构体系3．定职责企业要建立主数据认责体系，还要确定主数据工作的相关各方的责任和关系，包括确定主数据过程中的决策、管理、执行等活动的参与方和负责方，以及各方承担的角色和职责等：

数据资产化运营是合理配置、充分交换（流动）、有效利用数据并创造价值的所有活动。为了更好实现数据资产化运营，其前提就是有效促进数据按需流动，无法流动的数据很难创造价值，因此应避免过度关注数据本身的价值，而主要强调数据流动到不同场景中的应用价值，形成在数据资产化运营中按贡献分配的新机制。此外，数据流动和资产化运营是一项新事物，需要技术、组织能力、经济、法律等多方面的共同努力。一是技术层面，需要建立流通平台与机制（包括服务、管理、技术保障等），构建数据安全与防护的技术体系；二是组织能力层面，需要构建完备的数据治理体系，保障数据供给侧的质量，为数据资产化运营奠定基础；三是经济层面，需要建立合理的数据应用价值评价体系，通过价值流来推动数据流；四是法律角度，需要构建数据确权体系，对数据的所有权、管理权、使用权、经营权、知晓权等有明确界定。只有经过多个方面的系统推进，才能更有效推动数据流动，促进数据的资产化运营。——王晨

主数据标准体系--《客户数据标准管理》主数据标准管理流程：通过对主数据标准的分析、制定、审核、发布、应用与反馈等流程进行设计，保证主数据标准的科学、有效、适用。3.

大家好，我是老彭。今天是周五，我加班刚到家。虽然工作很辛苦，但是我今天着实被这帮可爱的彭友萌笑死了。。。事情是这样的：一个正常的问题在数据治理大群里，有个哥们问了这样一个问题：是不是很正常？有没有问题？没有吧？乍一看，还是很正常的，这题没超纲，我能答！一群不正常的数据人但是，你知道的，肯定有一个但是！有人跳出来了！而且还不止一个！！！emmmm？？？？好像不太对啊？我想了想我的硕士学位证，的确是这样的。又有一位大佬过来科普了：但是，又有一位小伙伴来补充了一句：我赶紧翻出了我的博士学位证书，哦...我没有博士学位zhuangbility失败！这时候，有人看不下去了：然后，大家就吵成一团了...我都没法截图给大家看了，太乱了然后.....有一个朋友贴了一张图，终结了这个问题：嗯，就是这个，你看看：然后有人马上改口了：我忍不住了，快让我笑一下......你如果不是做数据的，肯定认为我们这帮人有病......。数据标准中的数据标准你笑了吗？如果你笑了，请尽情的笑吧......但是，当你笑完了，你不妨思考一下，为什么这帮人会为了这个看上去并不重要的问题，一本正经的讨论这么久呢？因为，这就是数据标准的意义。大家知道，语言是用来交流的，有非常多的歧义、模糊、含混不清的表述。因为语言是为了快速的达到相互简单理解的目的，追求的是效率。全球几乎所有语言都这个德行，尤其以中文最为繁复。有很多人还以“中文博大精深”自豪。语义相反的词，在有些时候居然表达统一个意思，比如“红方大败蓝方”和“红方大胜蓝方”居然是一个意思。更不用说同一个词，语调不一样，结果都不一样。所以有了质疑全世界的锦州话。在沟通的时候，追求效率，所以失去一些准确性，这没啥，再确认一次就可以了。但是这些准确性在数据层面就会出大事儿！因为数据一旦发布，可不能撤回来再解释一通，这不闹笑话了么？所以，在数据的领域，追求的是信息的精确性。因此，在国家数据标准DCMM中，就把数据标准单独拿出来了：数据标准分为业务术语、参考数据和主数据、数据元、指标数据四大块。其中，像学历、学位这种数据一般会被认定为参考数据。嗯，你不用管这些乱七八糟的专业术语，反正你只需要记住：国家数据标准里，还有一个数据标准的定义，并且内容还非常丰富。嗯，你是不是更乱了？语言和数据其实，无论哪个行当，一旦想要变得专业，就立刻会变得非常严肃，不近人情，生冷勿近。比如数学，小学入门就是各种符号...多么不容理解啊？画个小猫小狗不好么？那么容易理解！比如学术，你看看这些论文写得，就是要让人看不懂。我前两天在朋友圈吐槽：编辑给我的新书提了非常多的意见，嫌弃我的书里到处都是“口语化”。然后一个朋友这么劝我：唉...这是要把我平易近人的形象生生变成高冷无比啊...其实数据也是这样，数据人自然也就这样了。每个数据人看到一个词，立刻会条件反射般的判定是否标准、可量化、可度量。所以，严格来说，你想的没错，我们有病，你看，我们自己都承认了：所以，请关爱我们这群有“病”的数据人，我们还是个宝宝...需要抱抱...包包也行结语没啥，散了散了！啥？还要分享资料？emmm，诺，这个给你吧。公众号“大数据架构师”后台回复“治理标准”，即可获取文件。欢迎你加我微信，咱俩私聊啊~~~更多精彩：如何看待数据分析无用论？到底什么才是数据分析思维？

大家好，我是老彭。最近接了一个活儿，对方指名道姓要我讲华为的数字化转型。我倒不是不会讲，华为做数据治理、数字化转型的人我认识很多。我还与华为服务的企业也有深度沟通，还请这位甲方负责人给大家做过小范围的分享。但是了解的越多，我就越认同大鱼老师的观点：华为，你是学不会的。理由么，您看看大鱼老师怎么说就知道了。最近读了《华为数据之道》的书和相关文章，也跟相关人士做了交流，我的结论是直接而明确的：学不会，但有一定的借鉴意义。1、《华为数据之道》有其独特的背景很多互联网大厂实际上是靠数据活着的公司，可以认为是数字化原生企业，其数据战略的形成也是演化的结果，因为你不去做，或者做不好就无法活下去，但大多数公司，包括华为，都不是数字原生企业，这些企业的一般有如下特征：（1）数据主要为内部运营服务（2）业务形态TOB、TOC多形态共存，研采供销长业务链条（3）数据权力组织缺失或无力，部门墙林立（4）IT系统林立，存量数据清理困难，数据与IT建设脱节（5）数据结构复杂，共享困难，数据质量保障难除了华为，非数字原生企业很少会去做什么真正的数据战略，大鱼曾经写过《数据管理的格局》一文，提到没有CDO就没有数据的未来，其实就在提企业的数据战略格局。大多企业在数据层面都是近视眼，“不见兔子不撒鹰”是普遍的现象，有些企业开始重视数据，也是源于对外变现通路的开拓，而不是自己的格局高了。综上所述，可以直接向华为公司学习的企业至少要有以下三个特征：（1）非数字原生中大型企业（2）对内管理效能提升为主（3）具有真正的数据战略如果你拥有（1）（2），但缺乏（3），《华为数据管理之道》可借鉴的东西也许并不是很多。2、华为构建数据管理体系的驱动力数据管理体系的构建肯定要来自于业务驱动，华为的业务驱动来自于哪里呢？这个可以从华为数字化转型的目标一探端倪：对内，各业务领域数字化、服务化，打通跨领域的信息断点，达到领先于行业的运营效率。逐步构建以“面向客户做生意”和“基于市场创新”两个业务流为核心的“端到端”数字化管理驱动，管理方式从定性走向定量，实现数据驱动的高效运作。对外，对准5类用户的ROADS体验，实现与客户做生意更简单、更高效、更安全、提升客户满意度。华为首先从用户体验的视角表达了对行业的最新判断，并将其总结为ROADS，即实时(Real-time)、按需(On-demand)、全在线(ALL-online)、服务自助（DIY）和社交化（Social）。曾经听到华为说过的一个案例：2020年5月15日，美国商务部发布禁令，任何企业将含有美国技术的半导体产品卖给华为，必须先取得美国政府的出口许可，听到这个禁令，华为的欧洲客户马上提出：要看到每个合同的执行情况，一周以后提供给客户，如果没有供应链的数字化，这种要求其实是很难快速满足的。华为数据治理体系框架是服务于这个目标的，如下图所示，即基于主业务流的信息价值链纵横打通，从而提升一线业务的处理效率，包括战略到执行、业务交易到核算、产品创意到生命周期管理及存量管理到问题解决。但提升一线运营效率说易行难，比如物料编码统一这件事，没有顶层的持续、一贯的支持，是不可能靠一线自发去解决的，因此光有战略不行，一定要有一套保障体系，下面我们来看看华为是如何将顶层设计和落地执行衔接到位的。3、华为数据管理体系的组织保障（1）华为数据管理组织设计《华为数据之道》这本书提到了华为数据管理组织的设计，华为数据管理组织体系由两层构成：企业级的公司数据管理部，以及各个功能部门下的领域数据管理部。公司数据管理部挂在公司质量与流程IT管理部门之下，公司数据管理部虚线向公司数据Owner汇报。公司数据管理部承载的使命是公司数据工作的推动者，数据体系的建设者，数据专家资源中心，公司领导重视数据工作，因此平时露个脸还是可以的，但要拓展势力范围还是很有难度的，如果要向业务延申，领域数据管理部也许还能管管业务部门的KPI，但公司数据管理部则没有这个机会，另一方面就是向IT延申，但数据和IT的鸿沟还是很大的，双方互相看不起是常态。华为公司数据管理部的壮大是有一点偶然性的，这里有两个关键事件：2014年，公司高层领导对数据质量改进的效果并不满意。一次高层会上，轮值CEO指出，公司财经部门是数据质量不高的直接”受害者“，上游所有的”脏水“都将最终流到财经环节，那就由集团CFO作为公司数据总Owner。CFO作为公司数据总Owner，其影响力是多方面的，通过体系化的建设与落地，让更多的人卷入到数据工作来，包括业务部门和IT部门的人员。例如，在业务流程、IT系统的建设中，数据交付件变成必选项。2017年，部门提出大力推动公司数据底座建设，并且最终成立了数据资产管理项目。围绕数据共享、数据服务的目的，以数据底座平台为载体，经过一系列变革措施，全方位提升公司内部数据共享能力。在高层决策会上，如今荣升为董事长的Dr.

前言最近领导给我派了一个活儿，整理行业的术语。这家伙，整的我快疯了！各种数据质量、数据战略、数据治理的术语一大堆，都得抠字眼，简直是欲死欲活！就在这个时候，我看到了一条公众号推文：浙江发布了《数字化改革术语定义》的地方标准。不知道大家有没有发现一个细节：我居然有99位朋友都看过这篇推文！！！可见浙江数字化改革有多深入人心！这等好东西，我自然不会放过，文末有标准原文下载方式。数据人最爱的标准讲真，我作为数据人，喜爱政府多过于企业，喜爱大型国企多过于创业公司，喜爱某些外企多过于国内企业。不是我势利，而是政府、大型国企和很多外企由于规模巨大，做事通常都会先出一套标准，然后再去办事。如同当年我们作为乙方，写各种标书、可研等文档的时候，最重要也是最容易被人忽视的就是前面的“术语表”。因为标准、定义、术语表，都属于统一语言的“巴别塔”，没有这个，基本上就是鸡同鸭讲。现在很多人沟通不畅、思想不统一，其实就是没有达成统一认知的缘故。根据我的观察，普通企业根本没有这个认知，导致数据治理缺乏“规则”依据，没有可执行的参考。这直接导致无法衡量数据是否正确。就像一张试卷根本没有正确答案，也就没办法计算得分一样，连数据是否正确都不知道，谈何数据质量？谈何数据治理？这次浙江退出的地方标准实在是令人惊诧，不亏是数字化推进的最快的省份！浙江数字化标准其实浙江数字化可不是只推出了一个标准，而是一口气推出了3篇：《数字化改革术语定义》只是其中之一而已。剩下两个一个是公共数据目录编制规范，一个是公共数据分级分类指南，都是跟数据目录编制相关的。浙江发布的《数字化改革术语定义》中，措词还是非常严谨的，基本上把政府关注的数字化改革内容都定义的非常清楚了，比如这个：也有对一些技术术语的定义，尤其是大家关注的“数据中台”和“业务中台”：《数字化改革公共数据目录编制规范》里的干货也特别的多，比如这个：甚至，把数据目录梳理的关键信息都罗列出来了。如果你的领导让你梳理公司的数据资源目录，基本上拿这个过来改吧改吧就能用了。而《公共数据分类分级指南》（为啥我总是喜欢叫分级分类？）就更有用了，所谓“分而治之”，分的越细，治理越清晰。《指南》中就给出了非常详细的分类、分级的标准，简直可以照抄下来啊~~比如分类维度，就有这么多：分级的逻辑也很清晰，你看：结语嗯，东西我都给你整理好了。公众号“大数据架构师”后台回复“数字化标准”即可下载。另外，请允许我嘚瑟一下我的《数字化转型》知识星球，里面精选了近500份超高质量的数字化转型文档：更重要的是网络了一大批数字化转型巨咖，看看头像，您能认识几个？现在这些大咖相互之间已经非常熟悉了，已经开始聊怎么减肥了。为了遏制减肥话题的蔓延，因此急需吸收大量新鲜血液，给大咖提问题，让大咖们聚焦数字化转型！这次可是首次公开对外招募哦！我也得表示表示吧？所以呢，送您一张招新优惠券，不成敬意。3天之后关闭，有需要的速度哈~~~更多精彩：大象的舞蹈-华润集团数字化转型之路数字化转型，转谁的型？零售数据中台建设指南农民工师傅助我破解数字化转型的“两张皮”问题给大家分享一下我的数字化转型研究资料数字化转型是自上而下，还是自下而上？数字化转型的价值到底应该如何体现？怎么跟外行说明白“什么是数字化”数字化转型，转个毛线的型！大象的舞蹈-华润集团数字化转型之路数字化转型不是什么，而是什么？

前言今天一大早，就被一个惊艳的问题惊着了：这个问题问的我，心痒痒的很呐！可惜我是忙的一塌糊涂，根本顾不上讨论。只好在这夜深人静的时候，看着各位大佬的话，慢慢反刍。企业的具象化很多人面对大概念的时候，习惯性的用对等思维去思考。一个大概念，就得配上一个极其抽象的对象与之对应。所以谈数字化转型的时候，通常会在前面加一个大的对象，比如“企业数字化转型”。可是，这个企业也太大了吧？企业是谁？如同这位朋友，看到这个问题第一反应根本不是直接回答，而是反问：我们是谁？对啊，我们是谁？他们是谁？企业是谁？一个“企业”能代表的了谁？老板吗？高管吗？中层吗？还是基层员工？一个“企业”，谁也代表不了。抽象是个好工具，能让我们快速理解一个事务。但是抽象也是一个坏东西，因为它会屏蔽更多东西。抽象有点像近视眼镜，在合适的焦距可以让近视眼看清这个世界，但是焦距不对，就变成缩小镜了，反而更看不清了。拿掉眼镜，从宏观角度看企业数字化转型，那是一片模糊，母猪也能变美女。当带上“具象”的眼镜，一切都是那么清晰，客户牙缝里残留的韭菜叶都那么扎眼，总是在提醒我关注它。企业数字化转型，不是对企业进行数字化转型，而是要让老板转型，让高层转型，让中层转型，让基层转型。由于位置的不同，时间分配的不同，企业上上下下每一个人的认知都是不一样的，自然需求也都是不一样的。怎么能用“企业数字化转型”一个词就掩盖了呢？同样是闹饥荒，有位神人悲悯天人，想了半天，说：“百姓无粟米充饥，何不食肉糜？”。嗯，这是晋惠帝。另外有某官员下令，要求赈灾粥铺的粥要“插筷子不倒，裹毛巾不漏”。嗯，这是田文镜。还有一位官员最下作，居然忘赈灾的粥锅里撒一把沙子！！！实在是太可恨了！对，这就是和珅。图片来源于百度图库，侵删如果，我是说如果，您是灾民，您喜欢那一个人？是让你吃肉的晋惠帝，还是让你喝浓粥的田文镜，还是让你吃带沙稀粥的和珅和？如果让你的肚子做选择，那肯定会选晋惠帝：这可太好了，饿了这么久，终于可以吃到肉了！！！是的，那些天天在喊着搞数字化转型，却压根不到一线去看看的人，也是这么想的。因为他们根本没有任何具象化的概念，数字化转型对他们来说，只是一个KPI而已。就像皇帝奏折上的“赤地千里”一样，掩盖了多少饥荒、血腥和人命。但是一猛子扎下去之后，才发现失去根本不是在水面之上看到的一样清澈见底，下面黑黢黢，冷冰冰。当我们按照刚才那位彭友的逻辑，把企业拆成4层，你就会发现每一层所需的数字化转型是不一样的。更不用说，每一层能理解为什么要数字化转型的人，那都是屈指可数。什么？你渴望让基层员工能理解企业战略，从而支持老板理解的数字化转型举措？别闹了好么？所以，这就是数字化转型遭遇员工抵抗的真正原因。企业数字化转型，转的是谁的型？面向用户，还是面向员工？所有人都在说，数字化转型时代来了！数字化转型的核心是要面向用户！我们一定要对用户好！那好，请问：晋惠帝难道不是心怀天下，为他的子民们着想么？上周，我请了黑湖智造的朋友给我们讲讲他们对于数字化转型的理解。以前，我只是听说这是一匹黑马，但是我真的惊到了！这哪里是一匹黑马，这简直是一把冲锋钻！想在哪里优化，就直接往哪个原有固有的流程上打个洞，然后用他们的SaaS工具嵌入进去。黑湖智造根本不去搞那些高大上的“灯塔工厂”、也不去做什么“顶层设计”，不做管理决策层，也不碰原始数据层，就踏踏实实协同应用那一小块功能。他们也不碰真正的用户，也不搞什么客户关怀、数字营销。他们就专心面对业务流程，把一个个小流程做到位。他们有个非常火的产品叫“小工单”，3小时就能上手。解决的问题也很简单，就是把原来手抄单据线上化。这个产品面对的是谁？不是老板，不是高管，甚至不是中层干部，而是干活的基层员工。我看到这个，简直觉得这就是我等屁民想要的数字化！这样的产品，给我来一打！我们每天沉浸在繁忙的工作中，别给我整些什劳子高大上的数字化战略，那玩意跟我没关系。更别给我整什么牛皮哄哄的SAP、Oracle，我都一把年纪了，学不动了。我就像踏踏实实的上班挣钱，如果能让我轻松一些，那简直是太美好了！所以数字化对于基层来说，是什么？绝对不是战略、规划、顶层设计和方法论。甚至你都不需要告诉我，什么是数字化转型，直接给我工具，让我用就好了！对于中层干部呢？我觉得也是一样，没必要那么高大上，就着现有的工作流程，优化就好了。是，我知道，数字化的最终目的是改变整个生态。但是那不是最终目的么？小孩学走路还得先会翻身呢。哪有生下来就到处跑的娃娃啊？高层和老板就更别说了。真心别去学华为，因为你真的学不会。最起码华为每年的IT投入就是你学不会的。别以为你去得到买了一堂课，给所有员工都买了《华为数据之道》，你们就能把数字化转型做起来，把数据治理做好。如果这么简单的话，华为不是傻子么？一本几十块钱买来的书就能学会的，凭什么要每年几十亿美金的投入？？？？？？回答问题扯了这么多，回到开头的那个问题：对于企业的四层结构，我们应该想他们传递什么样的信息、要求和期望？如果单从这4层来讲，我们作为第三方视角，大概能得到类似的结论：这样分开看，好像是比较清晰了。每一层都有自己的位置，自然有自己的目标和关注重点。但是我想尝试提炼一下：可不可以把数字化转型的目标更精确、统一起来？用一个确定的标准，去衡量一切？我认为，数字化转型的期望是：数据平权。要求就是更少、更快、更简单。传递的信息/价值观自然就是数字化改变工作，让我们更幸福。结语群里精彩发言太多了，我在最后也简单摘录几条，也欢迎您在文末留言，咱一起唠唠嗑啊~~~感谢阅读，本次分享的内容就结束了。也欢迎大家加我微信，咱俩私聊啊更多精彩：零售数字化转型DTC模式，只是投网红直播吗？零售数据中台建设指南农民工师傅助我破解数字化转型的“两张皮”问题给大家分享一下我的数字化转型研究资料数字化转型是自上而下，还是自下而上？数字化转型的价值到底应该如何体现？怎么跟外行说明白“什么是数字化”数字化转型，转个毛线的型！大象的舞蹈-华润集团数字化转型之路数字化转型不是什么，而是什么？数字化转型的交付物是什么？数字化转型是名词还是动词？

前言上次发了一篇零售数字化转型的长文，有朋友追问，那落地方案有没有呀？这话说的！怎么可能没有呢！你要是开了一个小店，那就去买一套系统就好了，软硬件全解决，也就万把块钱。加点钱还能给你弄个小程序啥的。你要是一个零售连锁企业，规模不大，市面上也有现成的软件，SaaS版和独立部署版本的都有，这就稍微贵了一些。如果你们公司有很多家连锁，规模还挺大，品类很杂，供应商很多，合作形式各异，系统也不少，那可能就得上一套大数据平台或者零售中台了。嗯，今天来给你分享一下零售业大数据体系建设指南。零售业务流程梳理开局一张图，什么图？业务流程示意图。有人说架构图应该从现有的技术体系开始画，其实不对。企业架构最先画的其实是业务架构，然后是数据架构、应用架构和技术架构。业务架构必须是第一步就要画清楚的，因为所有的一切的一切，都是为业务服务的。脱离业务的架构是没有任何意义的。当然，这个图非常抽象，很多细节都被掩盖了。我们需要根据自己企业的实际情况，梳理一个独有的业务架构图。当然，每个业务流程都应该尽可能详细的画出来。有些时候，我们在跟业务部门捋业务流程的时候，捋着捋着，业务自己就发现有些地方需要优化了。这些业务流程不用想着抄别人的，因为即便是完全竞争对手，业务流程也会迥异到简直是两个物种。数据架构业务流程和架构梳理好之后，我们就能用数据的语言，把业务抽象出来。很多人对数据架构比较犯怵，不知道怎么抽象比较好。其实这很简答。你只需要记住一点就行了：“数据是业务在数字世界的投影”。所以用数据抽象业务的时候，就有几个原则：1、全局性2、一致性3、最细颗粒度其实要抓的原则很多，这里只列三个我认为最重要的。因为有这三个原则，就能把我数据映射业务的重点。全局性要求我们在思考的时候，一定要跳出当前业务，从整个企业甚至整个供应链角度思考，否则容易走回头路；一致性要求我们必须先定义规范、规则，然后一以贯之。否则就会顾此失彼，最后乱成一团；最细颗粒度其实容易理解了，第一、二范式就是为了保证数据不可再拆分。这一点把握住了，数据抽象的层次也就能确定了。这里也给大家分享一个零售业数据模型的全景图。还是与业务流程一样，我们需要根据业务流程进行裁剪和不断细化。毕竟数据是业务的投影，业务是什么样的，数据就应该相对应的落下。数据应用架构TOGAF中定义的其实是应用架构。但是TOGAF是通用的企业架构搭建指南，所以在这里优化成数据应用架构。零售的数据应用其实很多，按照零售的核心业务域，可以分为交易（商品、销售、促销）、供应链（供应链上下游协同）、财务（财务与费用）和运营（媒体与会员）四大块。每一块都有典型的数据应用：当然，也可以梳理一个贵司的价值链，从整个价值链上下游的角度，梳理出对应的数据应用，包括各种数据产品和业务应用。梳理出数据应用的方法很多，市面上能参考的应用也不少，各位都可以参考一下：比如下图就是针对智慧门店的数据应用，非常具有可参考性。这个偏互联网的数据应用框架也很有参考意义：技术架构很奇怪吧？技术架构居然是在最后。其实也很容易理解，业务和技术，就是一座桥，业务在这头，技术在那头，中间是数据架构和应用架构。技术架构，现在流行的无非就是数据仓库、大数据平台或者是数据中台。这是偏传统的那一套：这是偏中台的那一套：还是一样，拿来改吧改吧就行。如果要再底层一些的，那就参考这个，比较通用：结语再次重申：工作是等价互换，摸鱼才是血赚！自己瞎鼓捣什么啊？鼓捣来鼓捣去，没准还鼓捣偏了。扩展阅读：【10份零售业数字化转型参考文件】，下载方式：公众号“大数据架构师”后台回复“零售”即可下载。感谢阅读，本次分享的内容就结束了。也欢迎大家加我微信，咱俩私聊啊更多精彩：零售数字化转型DTC模式，只是投网红直播吗？农民工师傅助我破解数字化转型的“两张皮”问题给大家分享一下我的数字化转型研究资料数字化转型是自上而下，还是自下而上？数字化转型的价值到底应该如何体现？怎么跟外行说明白“什么是数字化”数字化转型，转个毛线的型！大象的舞蹈-华润集团数字化转型之路数字化转型不是什么，而是什么？数字化转型的交付物是什么？数字化转型是名词还是动词？

前言最近总有人问，怎么才能变成“数据驱动”的企业、怎么才能做到“数据运营”、“数据决策”？其实我对这个问题是非常绝望的。因为“数据驱动”的竞争对手不是“IT驱动”或者说“业务驱动”，而是“老板驱动”。与之形成鲜明对比的，是互联网公司。虽然互联网公司的领导话语权也很重，但是他们从上至下都会用数据说话。开会第一件事情就是把数据拖出来看看。那是不是就无解了呢？割裂上周的私董会，董事长是某集团IT部门的数字化转型负责人。他遇到一个很奇葩的问题：他的老板买就是CIO，让他和业务部门自己招聘的类似岗位划分清楚职责。这个事儿不仅他觉得很荒谬，我们一帮围观群众也觉得很魔幻：为什么同一件事情，要两个团队中都有类似的岗位？？？但是细想一下，又觉得非常合理：IT面对的是全公司，必然无法顾及每个业务部门那么细的需求。但是数字化转型是每个部门的重点工作，不能“等靠要”啊，要不年底的绩效怎么对付？所以业务团队自己找一个数字化的人，加快数字化进程，也很正常。而且，长期以来，IT&业务两张皮的事情一直存在。早期信息化的阶段还稍微好一些，毕竟需要解决的是套装软件和现有业务流程的融合问题，IT部门从中协调就好了。但是现在可不是这么简单，而是要把数据和业务进行融合，这可不是协调一下就完事的。而长期以来IT和业务部门之间的割裂，也导致双方的协同异常困难。我以前不太能理解为什么会有这么深的隔阂，直到一个民工师傅说了句话，我简直差点纳头便拜！我家门口的水泥地磨损的很严重，下雨就是一个小水洼。我想趁天晴和点水泥补一下。图片是网上找的，我家门口的已经修好了。可是民工师傅告诉我：直接盖水泥上去是没有用的，新水泥和老水泥地是“两张皮”，要不了多久，又会碎掉。我们看看刚才那位彭友的问题，这可不就是IT、业务的数字化“两张皮”的情况一样一样么？我急忙请教民工师傅解决方案，他说：两种方法：要么全部敲掉，重新铺；要么钻几个眼儿，放几根钢筋，再铺水泥。这样弄，就不存在两层皮的问题了。这第一种方法指定是不行的，我们的力量太小，不足以打碎组织重组的程度，CIO也不行，比CFO天然低一级。但是这个第二种方式，听起来很熟悉呢！支部建在连上我们回到最初的问题：怎么才能变成“数据驱动”的企业、怎么才能做到“数据运营”、“数据决策”？是让it和业务部门好好合作吗？还是再立一个数字化转型部门？可能都不是。因为这两种方式都是在坑上盖一层水泥而已，到底还是两张皮。敲掉重建？也许可以，但是代价太大了！有没有更好的办法？其实我听到民工师傅告诉我要钻洞的时候，我就想到了一句话：“支部建在连上”！当年我党起义的早期，支部建在团上，下面还有营、连、排，最后才到兵。我党和我军就是两张皮，很难做到统一思想。这种状况直接导致了上下不协同、官兵思想混乱，组织纪律差等各种问题，也间接导致了三路起义军连续被击溃。毛主席收拢残兵，在江西省永新县三湾村集合，开始整顿军纪，提出了“支部建在连上”的治军方案。这个组织架构的设计，成功的解决了“官兵”、“党军”两张皮的问题，让上下一心，思想统一，这样才能做到“党指挥枪”。天呐！这不就是水泥地的组织案例吗？不就是解决“数据驱动”最好的方法吗？不就是解决IT、业务两张皮最好的方法吗？如何做到数据驱动？IT、业务融合？支部设在连上！因此，数据、IT不能再偏安一隅，要走过去，到业务部门去，成为他们的合作伙伴。政治思维我在新书上也提到，到了数字化负责人这个位置，技术、业务都已经不是我们最需要解决的问题，因为那都是团队内部需要解决的事儿。到了这个位置，目标不能局限在团队内部，而是放眼整个组织体系。所以我们更应该撬动整个组织的力量，达成整个组织的目标。那这个时候，就不能死守“专家思维”，而应该启动“政治家思维”，从组织、战略的角度去思考问题、解决问题。“政治家”思维的核心，不在于解决具体的某个小问题，而是如何用“势”的力量。用毛主席的话来说，政治就是“把朋友搞的多多的，把敌人搞的少少的”。这可真的是太经典了。用这个思想作为指引，前文那位彭友遇到的问题瞬间就有解了。那就是把业务部门的数字化转型负责人拉倒自己这边来，让所有人都成为我们数字化道路上的朋友，而不是对抗的敌人。有人说，这怎么能拉拢过来啊，请他吃饭吗？其实我们换位思考一下，新来的业务部门数字化的人，他的处境才更困难呢！他不仅很难拒绝领导的各种不专业的要求，而且还没有直接下属解决这些要求，连糊弄事儿都做不到。所以业务部门数字化的人，还是得跟IT部门、数据部门的人紧密合作才行。这不就是天然的合作基础么？业务部门数字化转型负责人简直就是IT部门最好的合作伙伴啊，可以帮我们说一些不方便说的话，搞定我们不方便搞定人和事儿。这哪里是问题啊，简直是送来的友军啊！！！结语我要是业务这边的数字化负责人，我肯定蒙……这简直是必死局，上不能拒绝，下没有人手，还要跨部门协调资源，太tmd难了感谢阅读，本次分享的内容就结束了。也欢迎大家加我微信，咱俩私聊啊更多精彩：零售数字化转型DTC模式，只是投网红直播吗？给大家分享一下我的数字化转型研究资料数字化转型是自上而下，还是自下而上？数字化转型的价值到底应该如何体现？怎么跟外行说明白“什么是数字化”数字化转型，转个毛线的型！大象的舞蹈-华润集团数字化转型之路数字化转型不是什么，而是什么？数字化转型的交付物是什么？数字化转型是名词还是动词？

前言2020年11月19日，完美日记母公司逸仙电商正式在纽交所挂牌上市，首日收盘价18.40美元，总市值达到122亿美元。逸仙电商通过DTC模式高效运转，仅用4年打造出彩妆领域“国货之光”完美日记，成为行业典型案例。有些人看完财报认为，这不就是一个靠网红主播上台，战略性亏损换市场的套路么？怎么还能上市？其实不然，背后是一套非常深的商业逻辑，说它是改变零售业的格局都不为过。某乳业巨头的难题前些天，我去某乳业巨头一起探讨零售端数字化转型的问题。由于乳业安全监管非常严格，所以他们已经建成了从牧场到成品到配送的全产业链，并且已经打通产业链条的数据通路。但是他们目前遇到的问题是所有数据到经销商端戛然而止，没有任何直接触达消费者的能力，导致销量预测、智能补货等应用因为缺少数据而无法实现。虽然可以进行算法弥补，但是结果惨不忍睹。他们也尝试了各种方法，比如弄一个自动贩卖机。但是那个需要有一定的量才能起来，目前只能在校园能跑通，推进的非常艰难。算法部门非常委屈，明明都是大厂挖过来的高手，怎么就解决不了这个难题？原因很简单，就是因为没有终端销售的数据，没有形成数据闭环。所以还是只能用老一套的方法，用sale

前言新书交稿了，比预期的晚了半个月。我没料到注明资料来源这么麻烦。当时写文章的时候到处找了好多好多资料，都是随手翻完扔一边的。现在还要回头挨个找出来，太痛苦了！今天正好把参考的资料给大家分享一下，都是精挑细选的。标准、体系类主要参考了6个：1、中新联的《数字化转型

数字化转型流派？这两天群里突然聊起一个话题，数字化转型的流派。有位彭友说其中一个流派的切分方法，是把“数字化转型”当动词还是当名词。这个说法差点没笑喷我，啥时候这帮技术大老粗都开始说文解字了？不过笑完之后一琢磨，细思极恐啊！好像还真有点道理！这个洞察力真的超强！动词打次数字化转型如果作为动词，那么其核心在于“化”+“转”。既然是动词，那这个动作必然可以被拆解。比如，我们就得深究“转什么”、“怎么转”这些非常具体的问题。往下推导出来的重点就是“转型的过程”了。既然是过程，那就可以落实了。第一步怎么做，第二步怎么做，甚至还能整出一个SOP来！这么听上去，好像是没毛病的。比如说把数字化转型切分为业务数据化、数据业务化、数据智能化等各个阶段，每个阶段上不同的系统。业务数据化的目的是业务在线，业务数据留痕，上ERP、CRM等套件软件，提升业务流程的效率；数据业务化的目的是数据决策，数据指导业务，上BI、报表等数据分析平台，发现业务运转时的问题，针对性的进行优化；数据智能化的目的是智慧运营，数据产生智慧，上各种ABC（AI、BigData、Cloud），挖掘各种潜在规律，改造甚至重塑商业生态。我们技术同学最喜欢这样的路径了，多么清晰啊！我们以后只要按部就班，按图索骥就行了。行动清晰，就一个字“干就完了”！但是，真的这么简单吗？无数技术大拿兴冲冲的把各种平台都建设了一个遍，结果然后呢？ERP、CRM等套件软件装完了，BI、报表、大屏也都装好了，什么AI、大数据都折腾了一个遍，云就不用说了，标配么。那么，然后呢？下一步是啥？？？名词解释如果把“数字化转型”当成一个名词看待，可解释的方向就很多了。比如把它当做一件事儿、一个目标、一个概念，甚至是一个割韭菜的理由。我就经常跟彭友们开玩笑，现在数字化转型的理由中就有一条“大家都在转，不转不是中国人”。如果“数字化转型”是一个目标，那么我们只要盯紧这个目标就好了，什么ABC、什么前台中台后台的，统统都不重要了。昨天跟某房地产营销线大佬聊天，就提到一个很有意思的案例：他发现房地产项目名称从拿地到最后销售经常会变很多次，乱到不行。这个问题放在技术眼里，不就是主数据没管理好么？简单！上个主数据系统就行了！或者立个项目，治理一下数据吧。不过这么一弄，花多少钱先不论，少说半年就过去了。但是他并没不是这样做的，而是建了一个在线文档，找了两个小姑娘，让她们花了两周时间，人肉对出来一个标准名称，并且和销售系统中的项目ID匹配起来了。以后所有人需要用数据，就到这个在线文档上下载下来，然后vlookup过去，齐活儿。就这样，把一个项目从头到尾的所有环节全部串起来了。如果按照前面的说法，这种土方法，压根就谈不上“数字化转型”，太LOW了好么？但是，如果把“数字化转型”当做目标，那只要达成目标就行了，你管我用什么方法？扑克牌柔软，高手一样能飞牌伤人；手枪威力巨大，新手照样枪枪落空。有些人说，数字化转型的核心在于用AI、BigData发现数据背后的规律，然后进行预测。但是，谁说只能用AI、Bigdata才能做预测？数学系里手推算法的人到处都是，算力只是提升效率罢了。没有神经网络还做不了预测还是咋地？甚至很多行业内专家见微知著，根据一点小动静都能知道会发生什么事情。有些人也很头疼，只有目标，没有路线，也没法弄啊！还是得要有一个行动路径才行。我的意见：目标大于路径。因为在某些人眼里，啥都是困难。你给了路径，他还会嫌没有工具，给了工具，还会嫌弃没人陪伴。结语数字化转型应该怎么理解？我觉得还是放下“技术崇拜”、“新词崇拜”，踏踏实实解决问题比较好。能解决问题，你爱叫啥都行。解决不了问题，你叫数字化转型？叫数字化成仙都没用。感谢阅读，本次分享的内容就结束了。欢迎大家加我微信好友，尽个点赞之交，一起进化吧!推荐阅读：数据资产化的前提-浅谈数据治理体系的建设数字化转型需要重新定义数据治理的角色

前言上周在Tiger

前言前两天华为把鸿蒙捐献刷屏了。彭友圈到处都是“格局！”、“大气！”、“华为一生死忠粉”的强烈情感表达。我媳妇怒气冲冲的跑过来：“赶紧把你那个破苹果换了！我给你买华为！”我：说起华为捐献鸿蒙这件事情，我还真有话要说。从哪里开始呢？先讲几个故事吧。中医是怎么式微的？我爸有个好友，在县医院当保安。偶然间知道他居然是祖传的正骨大夫，在我们那边世代有名。我问他：为啥不去当医生啊？他说：公安会抓他。我惊呆了！为什么公安会抓一个医生？？？他说：因为他没有行医资格证，是非法行医。我说，那你去考一个啊！他说：试卷上都是西医的东西，我不会啊我懵了。。。大叔的医术是祖传的，他没学过西医，怎么考医师资格证？是啊，西医的知识体系都是公开的，没有任何秘密，却有一种魔力，让官方认可，甚至拥有了“法律”加持，把中华传承千年的“中医”体系逼到死角上！这是什么道理！开放专利的马斯克2014年6月12日，也就是7年前，马斯克放出狠话，开放特斯拉所有专利，全球共享！一时间全球哗然！无数媒体、个人都毫无保留的把溢美之词投向马斯克“胸怀宇宙”、“无私义举”！硅谷钢铁侠，名至实归。当时还有人非常担心，专利都公开了，别人都能随便用了，那竞争对手不是特别多？都不用研发了，直接照抄就行了，有钱的公司想要超过你马斯克不是分分钟的事情？我当时也看不懂，就当个新闻看完就算。时过境迁，还有几天就满7年了。蓦然回首，现在有谁超过马斯克了？有个特斯拉铁粉跟我吹：放眼全球，一个能打的都没有！我虽然觉得他说的有些过分，但是的确没有超越马斯克的存在。这是为什么？所有商业教程上都告诉我们：要护城河！要专利！要垄断！要给竞争对手制造麻烦！！！！！！可是为什么马斯克公开所有专利，让大家免费用，过了7年，仍然没有人超越他呢？得到品控手册7.0上个月，罗振宇在华为宣布：《得到品控手册7.0》继续公开，欢迎所有人学习、挑刺。罗胖、鹿老师反复声明，毫无藏私，全是心血。有人仍然不以为然，这不就是在营销么？其实《得到品控手册》很早就公开了，我读过好多遍。我花了4W多报的课程，学的内容其实就是《得到品控手册》里的内容。我非常确认得到知识萃取的所有精华都在这本小册子里。如果你悟性足够，能免费从中学到我花4W多学到的知识。这位朋友就是这样的人，我很羡慕他的悟性。但是，罗振宇不怕别人学他吗？那可都是那么优秀的人，多年的精华啊！不应该变成护城河么？为什么要开源《得到品控手册》？其实得到在2017年就开源了，到现在已经迭代到7.0版本了。真正的秘密是什么？我在得到总部拜师学艺，得到了一个答复：开放，是最大的垄断！开放的无敌之姿如果你偏安一隅，看重短期利益，打造护城河必然是最佳选择。但是历史的车轮是广阔而长远的，护城河对当前的竞争有效，但对历史无效。你还记得“闭关锁国”的惨痛后果吗？邓公改革开放才造就了中国的繁荣对吗？你听说过“师傅留一手”，留到最后绝技全无吗？开源的Linux蓬勃发展，但是Linux他爹Unix还有谁听说过？但是，为什么？为什么封闭会失败，而开放却能振兴？因为开放是在做增量，而封闭是在做减法。如果开放后无人问津，开不开放都没有任何区别。如果开放后被人认可，那就天然拥有一个强大的势能：群体的力量！认可的人越多，这种力量越大，甚至能被一个国家、整个地球加持！到那个时候，开放的内容就是规则，就是法律，就是既定体系。这种力量我找遍了字典，搜遍了百度，只能找到一个不太恰当的名词：“愿力”。所有遵守的人，都是同伴，所有不遵守的，都是离经叛道，被所有人排斥，甚至要绳之以法。《西医》知识被别人学走了，没问题啊。如果有好的发现，大家都补充到医学体系里来啊。我还要给青蒿素的发明者颁奖呢！不学西医的？不用西医出手，法律会惩治你。为什么？因为法律必须要有一个依据，依据那个都行，那个体系最完善，最被大众认可，就依据那个呗。《特斯拉专利》随便用，因为所有基于这些研究进行的改进和发展，其实意味着他们放弃了其他发展路线。不学特斯拉的？市场会教育你。《得到品控手册》被别人学去了，有什么关系？有本事比我更新的更好、更快、更持久啊！不学得到的？用户不认可你。发现没有？如果把视线投向更长远、更广阔的时候，开放带来的不仅是增量，更是垄断！所有前来学习的人，都会放弃自己的那条路！！！同理，《鸿蒙》捐献出去，对华为有损失吗？什么损失都没有。哦，对了，辟个谣：《鸿蒙》并不是给工信部了，仅仅是开源而已。就像很多开源产品捐献给Apache一样，只不过华为捐献的对象不是Apache，而是中国的开源基金会，名字叫做“开放原子”，仅此而已。不要被不懂技术的营销号给洗脑了。《鸿蒙》捐献出去，有好处吗？妈呀，好处太大了！只此一举，天下已无敌手。我预判，如同特斯拉开放专利一样，会有无数有志之士加入到鸿蒙的开源项目中，甚至加入到华为，为鸿蒙，为华为，贡献自己的力量。反之亦然。你看，不用华为的我，老婆这不就过来吼我了吗？不买华为都不是中国人了结语华为首先是一家企业，然后是一家中国企业。他的确爱国，的确是民族品牌，但是他挣我的钱，也丝毫不手软啊！！！扩展阅读：《得到品控手册7.0》，公众号“大数据架构师”后台回复“得到”即可下载。感谢阅读，本次分享的内容就结束了。也欢迎大家加我微信，咱俩私聊啊推荐阅读：罗振宇在小黑屋里传授了我哪些心法？贝壳上市背后的秘密武器-ACN5600字解密：干嘉伟的11页PPT有多值钱？

前言当今许多公司都沉迷于'试炼炼狱'，无法维持和扩大收益。高管们对数字化转型推进的速度非常不满，他们的数字化转型的投资回报率很有限，而且不知道到底是什么阻碍了发展。很多公司正在向“数字化转型”计划投入几百上千万元，但绝大多数看不到回报。这是为什么？为什么？有些人说是因为企业的类型，一种是传统企业，一种是区别于传统企业的“数字原生企业”。其实不然，这跟企业类型没关系，最关键的是因为他们都还在用工业时代的思考方式。他们还在停留在“以工业时代的方式运作”的传统思想中，无法抽身出来，只能在原有思考惯性中越陷越深。而数字原生企业不是，他们生来就在数据世界，每一个员工在决策的时候都会看着数据说话。一个是工业时代的运作方式，一个是数据时代的运作方式，是两种运作方式的对抗，而不是企业类型。假装转型仔细观察今天大多数大公司的数字化转型就会发现，他们的数字化举措的范围非常有限。往往是由公司的高层安排给中层，然后把注意力放到内部管控流程上。但无论是思想、行动还是原有的工作方式，根本没有发生任何变化。往往是数字化转型项目做完，公司的内部效率和价值提升，抑或是用户体验，都没有任何提升，管理思维也还是线性的。这样的模式根本不是数字化转型，只是“名义上的假装转型”，装装样子而已。如果这些公司继续保持这种模式，被淘汰只是时间问题。所以这些仍然怀着“工业时代思维”、“假装转型”的企业领导层面临着严峻的问题：要么改变自己的思想，要么彻底加入数字时代，全心全意地接受新的经营方式，要么被淘汰。答案“假装转型”肯定不是我们所期望的答案。数字化到现在为止，几乎所有的人都是在谈论数字化本身，没有人谈论数字化的根本对象--“用户”。数字化再好，脱离合适的载体，脱离合适的环境，脱离实现的价值，单独谈论数字化都是毫无意义的。因此，我们想要回到数字化转型这件事上，就必须把注意力转向企业本身、业务本身。企业的问题到底是什么？用户的问题是什么？用户的需求是什么？产品的缺陷是什么？是不是用数字化？用不用数字化手段？这只不过是一个选择而已。就像我们说的，好的产品会走路，好的内容自己会传播一样。重要的不是工具、途径，而是最核心的，你的产品、服务、内容。数字化转型的价值当然是数字化技术展示出来，但是展示的基础从来不是单纯的说技术很牛，而是你这些技术解决了什么实际问题，解决了什么用户需求，提升了那些用户体验。数字化技术再怎么牛，它终归还是一个工具而已。我们不应该把过多的关注于工具，而是要转向我们的核心目标：我们的敌人是谁？我们的朋友是谁？这一点搞清楚了，用什么工具其实无所谓了。上阵杀敌，用大刀还是用长剑，无所谓，高手拿根筷子都能杀人无数。这才是我们要找的答案。数字化的本质，是企业，是用户，是问题，是需求。结语过多的关注新概念、新技术、新工具，就像过多的关注妈妈给你买的新鞋子，却忘记了今天该去哪儿。你觉得我说的对吗？欢迎留言，一起交流。感谢阅读，本次分享的内容就结束了。也欢迎大家加我微信，咱俩私聊啊推荐阅读：数字化转型前期应该做好哪些准备工作？数字化转型，转个毛线的型！by彭文华大象的舞蹈-华润集团数字化转型之路快来看看自己公司数字化转型到什么程度了？更多精彩：

一定的sql优化、性能调优；DW/BI理论；---------------------------------------------------------------------关键词：懵懂

前言本文来自于数字化转型大咖群聊天实录。每个礼拜二都是认真学习的好日子，按惯例晚上会安排数字化转型的专题Room讨论，那么在正餐之前，我们先尝尝甜点吧，看看今天又有哪些思维碰撞的火花呢？准备工作提问：如果一个财务管控型的集团公司想向战略管控型和经营管控型进行转变的话，在数字化变革方面需要做哪些提前的准备工作或配套呀？问题补充：本质上是希望强化对子公司的管理，但是又不能过度干预子公司的生产运营。研讨：（1）换人，否则，只是想象。//换人影响面太大了，实施难度无比大，而且领导层的巨变会对正常经营造成巨大影响。（忧虑）变革，基本上都是要命的事儿。从一种治理文化，变成另外一种治理文化，最难过的就是人这一关。因人成事，人是首要的因素；当然在确定做之前，如何保留现场，是个巨大的问题和挑战，绝大部分企业都不具备这个能力。（2）继续做好财务管控，子公司阿米巴运作，每年交利润，剩下部分子公司内部分配。（3）换人换思想，是前提…数据先行，财务数据能先透明试试。（4）因人成事，人是首要的因素；当然在确定做之前，如何保留现场，是个巨大的问题和挑战，绝大部分企业都不具备这个能力。（5）所以即使子公司自行管理，集团也要常换子公司的领导，长城特别会利用这点，通过招聘外部专家引入新技术，2、3年一换，再加上本部领导班子保持一部分不变...所以人效能在行业里压得特别低。//这样管控太强了，很难长期主义。（忧虑）（6）用聪明人做事，但是像华为这种一个公司的人，都是受过高等教育的，凤毛麟角。还有一个，就是一个公司，特别忌讳这种全盘换发动机的方式；最妥当的做法，是用一条产品线子公司进行验证和改革，等差不多了，在看现有的产品线和组织文化是不是还有必要改。（7）我服务过一些集团公司的数字化转型。纯从技术角度是解决不了问题的。各种幺蛾子很多。目前摸索出来相对可行的经验：一是从数据入手，二是先总部的数字化入手，三是从一个子公司的业务浅层入手。（8）明白了，灰度测试，局部试点。我理解如果这场变革过程中最关键的是人，那么其实数字化系统可以是看做工具，其实我想学习下，什么样的数字化设计是比较适合这种变革过程中，或者说在系统层面提前做哪方面的储备。数据中台？流程中心？财务共享？//这些都不是核心抓手；用一句时髦的话，就是什么是你的企业的主航道。感谢@官*、@Jason**、@郭*、@鲍**、@安*

前言本文来自于数字化转型大咖群聊天实录。数字化转型交付物提问：我有个疑问没弄明白，请教下大佬…作为数字化转型的乙方公司，转型项目的交付件一般是什么呢？输出高阶方案？实施自己的产品？还是作为集成商整合软件厂商做整体落地项目？研讨：现在国内的数字化转型，对企业来讲，除了不差钱的主，剩下的都是不见兔子不撒鹰，关键在于老板看问题从来不是剃头挑子一头热，还是要通盘和统筹考虑，这个才是比较务实的做法。另外一个，就是屁股问题，之前的数字化转型都是站在厂商自己忽悠，并不理解甲方实际情况。老板们基本上都是看菜下饭的那种，对老板来说，数字化转型肯定要看到盈利增长。可以通过架构三驾马车的原理来理解乙方对甲方架构的了解，运营：简单的说就是事；事之间的关系，分解，组合，衔接等。管理：对事的决策处理，意外处理。治理：就是针对运营和管理的不合理进行监督，分析，方案，实施，升级等动作。现在国内的数字化转型，对企业来讲，除了不差钱的主，剩下的都是不见兔子不撒鹰，关键在于老板看问题从来不是剃头挑子一头热，还是要通盘和统筹考虑，这个才是比较务实的做法。另外一个，就是屁股问题，之前的数字化转型都是站在厂商自己忽悠，并不理解甲方实际情况。老板们基本上都是看菜下饭的那种，对老板来说，数字化转型肯定要看到盈利增长。参考IT4IT的四个阶段

前言感谢李秀川老师的一连串精彩问题，引发我深深的思考：你可能会说，这还不容易解释？数字化的定义不是到处都是么？这么简单的问题让他自己百度去！！！可别！李老师是个外行，完全跟数字化没有任何关系。我们不能抱着“专业”的高傲，拒人于千里之外。所以，我应该怎么解释，才能完美的让一个外行明白什么是“数字化”呢？为什么是“数字”？先解答李老师的第一个问题：为什么用“数字”这个词？不用别的词呢？比如“数据”？“信息”？这个其实比较好解答。大家必须得承认，整个信息技术（Information

前言群里的研讨实录已经变成信息流了，太干了，不整理一下实在嚼不动...以下为研讨实录，请查收：中间件和中台提问：如何理解中间件和中台？讨论：简单来讲，中间件和中台核心功能都是解耦，但是中间件偏向于前后端之间复杂协议的转化，而中台更多的是对复杂功能的抽象与整合。中间件属于纯技术的，为业务系统的技术开发服务的。中台一般是和业务结合，为业务提供服务的。中台的技术离不开中间件。往深了讲，谈论这个需要有一致的架构参考，微服务实际上有一整套从业务到技术的定义和映射规则。随着金融科技的快速发展，中间件逐渐不作为一个独立的技术概念被提起，而是在应用架构中扮演更重要的角色，也就是现在普遍应用的“中台”，但无论是“技术中台”还是“业务中台”，都离不开中间件技术的发展。在中间件技术发展的同时，企业应用系统越来越多、交互越来越复杂。需要解决的问题慢慢地从“提升单个应用系统的开发效率”上升到“提升企业级不同应用系统的整体交互效率”，从“单个应用系统的开发框架”上升到“企业级应用的连接平台”。单个中间件已经不能满足现状，因此架构开始升级，承载公共业务能力，变成搭建“业务中台”。“业务中台”是另一种意义上的“中间件”，它屏蔽的不是技术复杂度，而是将公共服务能力进行抽象、实现、加强，通过组合多个独立的、明确的公共服务，把业务实现变得更为简单。传统中间件解决了业务实现的技术复杂性，而业务中台则解决了业务实现的“业务复杂性”。“中间件”一定是在两层中间，为上层屏蔽底层的复杂性。计算机软件架构中有一句名言：“计算机科学领域的任何问题都可以通过增加一个间接的中间层来解决”

前文《关于架构演进发展的探讨》和《架构演进的第四个趋势：行业级标准化》中，提出了笔者对架构发展趋势的一些浅见，也介绍了企业级业务架构方法论的来龙去脉，本文拟基于上述文章提炼一下企业软件（大家常说的

前言本文来自于数字化转型大咖群研讨实录。晚上开会到11点，群里继续聊到1点，第二天早上6点53分又开始轰炸的数字化转型讨论群你见过吗？昨天晚上的数字化转型私董会讨论了“如何确定数字化转型成功或失败”，大家热议华为、美的数字化转型案例，持续到凌晨1点。今天早上6点半又开始激情澎湃，继续讨论如何在数字化转型过程中寻找通往成功转型之路。以下为研讨实录，请查收：华为与阿里（1）根据奥卡姆剃刀原则，数字化实际上是额外的枷锁，核心还是业务业务业务，客户客户客户！因此，如何运营好企业的数字化能力，以及如何让数字化能力与企业现有能力融合发展，是几乎所有变革成功或失败的核心因素。（2）道是要搞透彻的，法是可以拿来通用的，术是要针对性的，器是需要根据实际需要选配的。（3）同样的企业诉求模式

群里经常有要资料的，我基本上是有求必应。但是群里的消息毕竟零散，所以特意整一个帖子，把我手头上的资料做一个合集，提供给大家，作为51假期的小礼物，请您笑纳。资料分十二部分，一共159份！文末有下载方式。数字经济：22份数字技术：6份数字化厂商：21份数字化人才：7份汽车行业：11份零售业：20份金融业：20份教育业：6份供应链：9份工业：20份房地产：9份国家政策：7份政策类强烈建议先看政策类的文章，尤其是把十四五和浙江、上海的政策通读一遍。挣钱的方法没有写在《刑法》里，是写在政策里的！一共7份文档：中证金葵花基金

等。这个问题，可能具体到行业，会更聚焦一些。可以查阅公众号《大数据架构师》，里面有64份方法论、案例和行业调研相关的文章。另外，可以期待彭老师的新书，里面会具体回答你的问题。来自@

，结果就是梳理完流程，给了建议方案，最终到推动流程优化落地标准时就不了了之了，业务方没人愿意做总牵头，谁都只想使用数据不愿意承担维护数据标准的职能，高层如果没有魄力

前言本文来自于数字化转型大咖群聊天实录。今天群里的大佬们从自动化驾驶谈论到医疗的人工智能诊断，又是一番高能量知识的密集轰炸，下面是摘选自今天话题中关于医疗行业数字转型的难点和应对模式：实录（1）（零下1度）虽然医疗行业的中很多疾病的人工智能诊断已经超过大多数医生，但是实际场景应用时，医生和目标用户都处于保守态度。没人敢躺进医院连医生都看不见就被设备开发，其归根到底是人类对机器决策的不信任，属于伦理和法律问题，并非数字化技术所能解决；（2）（漫游鹰/朝闻道）医疗行业中关于疾病的AI诊断误判率目前虽然不高，但是一旦失误，后果会极其严重。因此考虑到医疗安全和现有法律条文约束，医院和医生都会规避潜在责任，如果需要由设备提供商或算法提供商来承担责任，显然后续医疗行业的商业化路径会极其坎坷。（3）（漫游鹰/朝闻道）医疗行业本质上还是服务行业，服务行业不能没有人文关怀，因此目前医疗行业对数字化定位还是主要集中在辅助医疗/智能问诊/部分疾病的实验室项目为主。包括最新的已获取AI医疗器械证的设备，都是按照传统医疗器械方式进行交付，对于医院来说采购了医疗AI设备，等于买了个注射器。（4）（陈晓峰/朝闻道/漫游鹰）医疗人工智能能否大规模的应用来解决医疗问题，是目前医疗行业数字化转型的重要组成部分。医疗AI定位辅助诊断还是作为临床诊断结果，是两个截然不同的应用场景，前者是作为工具存在，后者相当于替代医生，设备厂家成为医疗机构。目前受伦理和法律的限制，主流的成熟医疗AI产品都还是作为医生的辅助工具使用，并不能像其他行业直接用于生产环节，推出“无人医疗”的概念。（5）（陈晓峰/朝闻道/零下1度）通过项目经历，和科室主任/互联网医疗厂商/卫健委处长都探讨过，医疗行业的数字化项目基本上短期都无法实现盈利，缺少合适的商业模式。但目前金融资本巨头都在布局医疗的数字化赛道，提前抢占市场。这其中就提到到中美医疗行业的巨大差异：1）美国医疗保险集团是凌驾于政府之上，而中国是对人民负责的政府，并不会大面积资本化；2）美国一个医生每天不超过10个病人，年薪几十万美金，美国医疗行业给美国政府贡献10%GDP，中国的医生（三甲医院）至少要求博士起，国内全球顶级专家号也就200-300元；3）本次疫情完全证明中国医疗比美国牛，铁证如山。（6）（蓝/彭文华/shine）目前我最近在跟北京两家专科医院，搞互联网医疗，主要是商业模式不清晰，只能做到远程会诊。目前互联网医院比较乱，政策还不清晰，宁夏发了一堆牌照，但部委里暂未表态。目前总体局势是北方慢一点，南方跑的快点，但南方人比较精明，利润空间压的很小，北方相对可操作点会多一点。没有合适的商业方案给到甲方，医院也不知道互联网医疗如何盈利。（7）（蓝/shine）互联网医疗还有一个医疗体验问题，目前很多医院线下体验都很难做好，搬到线上会更惨。当然，有些医院位置不好，又没有什么知名度，搞几个特色专科搞互联网医疗可能是一个突破口。目前我们在包头和北京搞了3级联动，北京支持包头，包头支持当地二级和社区，从而解决知名医疗资源不足的问题，利用数字化技术解决医疗资源的调配问题。（8）（陈晓峰/朝闻道/

的时候也楞了一下，只不过简单琢磨了一下就放下了。今天重新听到，其实也没啥感觉。反正有人也给出了最言简意赅的解释：只是换个顺序？然后就有人蒙圈了啊！这都行？还有人猜：额。。。其实吧，

前言本文来自于哈佛商业评论，由Paul

前言昨天受邀参加机工社和DAMA中国主办的DAMA中国数据大讲堂系列活动，分享内容为《部委级数据治理项目建设经验分享》。很多人错过了，想要听回放，也有很多人想要PPT。我跟DAMA中国沟通了一下，决定全部放出来，供各位参考。实力有限，如有谬误，还请多多海涵。文末有完整版PPT下载，以及视频版连接，不想看文字可以直接拖到最底下。本文多图，请在wifi环境查阅。土豪随意。点击阅读原文，即可观看直播回放。前言绝大多数互联网公司没时间建模、治理，直接拖宽表。业务变更频繁、建模缺位、指标爆炸，是导致互联网大数据环境中数据质量的低下的根本原因。而在部委、集团中，时间相对充裕一些，标准更规范一些，但是同样面临部委和省级之间、各系统之间数据交换、对齐的问题。因此，在不同的环境中，数据治理的重点和偏向都是完全不一样的。今天分享的内容从实战出发，到落地结束。数据治理最难的不是系统建设，而是落地困难。所以今天先跟大家分享一下部委、集团类数据治理遇到的困境，以及各种问题的具体解决方案，还有如何进行经验复制。你以为的数据治理提到数据治理，第一反应就是数据部门一定要定标准、做执行、强监督啊，搞一个PDCA戴明环，一点一点慢慢的做起来。然后呢？给下属单位、子公司和其他部门下文件、搞培训，做排名，轰轰烈烈做起来，各种办法都得上啊。这样行么？这样有效果。但是肯定会非常非常的困难。因为很多事情跟你想象的不一样。比如，你以为在部委、集团里办事是不是开个会，发个文件就好了？嘿嘿，那你简直太天真了。实际上，各部委、集团的甲方，在执行项目的时候，电话根本放不下来，下面的各个厅局级的疯狂打电话过来各种确认问题。乙方呢？那就更惨了！即便是做了万全之策，也会有无数的未知问题等着你。所以乙方基本都是处于疯狂加班的状态。你以为部委、集团就是发发标准，数据质量自然就提高了？是，数据质量的确要制定好标准，但是你听说过“形同虚设”吗？即便是通过行政命令强压下去，但是各地的基础条件不一，人员素质不一，经济实力不一，系统建设的好坏也就不一样。还有，中文语义非常广，不同语境理解不一样，非常容易产生很多歧义。所以很多时候公务员真的都是在抠字眼，因为要力求精准。经常是你想要他们填A，结果有很多人填A'、B、C。你是不是以为在部委、集团里做事情，都是一声令下，然后就有山呼海啸，应者无数，事情推进的非常顺利？实际上，基层工作人员手上的事情都非常非常的多，根本没办法及时响应，通常都是拖到最后一刻才交作业，晚交也是非常正常的事情。如果你抱着以上的认知去做项目，拿着部委、集团的命令当尚方宝剑的话，我不敢确定你是否能成功，但是你肯定会吃尽苦头，撞一头的包。核心原因一般来说，你可能会遇到这三种情况：耽误工夫，不想治！数据治理太难了，不会治！治好了没政绩，没啥用！为什么会这样呢？我们需要追寻到问题的底层逻辑。我们回到最开始的策略，先定标准、做执行、强监督，向下则是下文件、搞培训、做排名。这是典型的领导视角，是带着一些强权的意思在下达任务。大家都是打工人，何必为难打工人？再说了，打工人手上的活也很多啊，谁愿意多一点活？领导视角推动事情，最喜欢用的就是强权，但是最坏事的也是强权，很容易引起反感，没人听你的。他们没有任何动力去做这种事情啊！这就像小时候的我，总是被爸爸妈妈逼着学习。晚上回家还站在我后面看着我写作业，谁心里舒服啊？上面说到的“不想治、不会治、没啥用”只是三个典型而已，信不信给你找出100个理由？你想想小时候为了逃避写作业，你编过多少理由？所以我们需要转换一个视角去办事，强权是靠不住的。根据我的经验，转换成兄弟视角是最合适的。峰会内容对付不想治，简单！病根找到了，那就让他自己想治就好了。态度一定要明确：兄弟不是给你派活的！兄弟是给你助攻的！再给你三个小妙招：举例子、挂欲望、给希望。挂欲望的时候，一定要注意，这个欲望不是人性阴暗面的欲望，而是激发他的正能量。所以奖励钱是不好的，因为你在诱惑他。而是从他的工作入手，告诉他能实现价值，比如节省时间。我们最终的目标是转变他们的观念，将“要我治”变成“我要治”。化他们的被动成为主动。对于数据治理太难的问题，我们必须帮助他们。因为很可能他们根本没有那个能力去做这些事情。更何况，你要是放开让他们自己干，一人一个理解，全乱套了，最后没办法收场了。所以我们得根据各种实际问题，帮助兄弟提供针对性的解决方案，最重要的是降低执行的难度，最好一键搞定。对于感觉没啥用的观点，好处必须要落到实处。怎么落？一定要设计好动力系统，让大家看到实实在在的好处，才能有动力一起推动这件事情。该给的荣誉要给到位，标杆树起来，比学赶帮超，带动一大批。虽然是数据治理，但是应用也得规划到位，否则业务部门无感，数据部门也觉得没啥用。还得给下面干活的同学提供相应的工作管理和向上汇报的素材，好歹也能发一个内部的小通知不是么？方法论复用我这个方法论可不仅仅是在部委能用，在集团、普通公司都能用的。比如，在微信群里，就有想推动数据治理的朋友提一个问题：怎么反驳IT同时不恰当的言辞呢？群里也有人给了非常专业的回答，这么说肯定是有理有据的。不过在这里，也可以用我之前的那个套路套一下，也挺管用的。比如，原来是要反驳，这明显是对立视角啊，想找他的问题很简单，随便能找一堆啊。但是对立就意味着失去了一个朋友。数据治理这么难，我们应该尽可能的团结一切可以团结的力量。他说错了就让他错呗。我们只要他合作就行了。所以，转变一下视角，从对立变成合作。一样，把“要我做”变成“我要做”：举例子、挂欲望、给希望。谁家的数据治理做的好，他们的IT部门都不用操心数据部门的事。SAP属于业务系统，数据分析数据分析系统，我们以前有问题都找你人工解决，以后我们自己解决。提供全套解决方案，降低执行难度。数据治理很专业，有专门的系统，也有方法，我这里还有高手，不会给你添麻烦。规划先行，设计动力系统。做好了，你也省心啊。每次有进展的时候，向领导汇报，都感谢一下他。你看，这样做，阻力变成助力，推进起来是不是就容易多了？数据治理目标接下来，给大家分享一下比较枯燥的数据治理建设方法论。不同场景、不同项目对数据治理的需求是不一样的。个人认为核心的就这几个：1、提升数据质量；2、规范数据管理；3、统一数据出口；4、数据资产化。理论指导采用DAMA，这是DAMA的车轮图，我们在具体落地的时候，一般都会从中进行裁剪，选择合适的内容进一步搞建设。另外一个是DCMM，也是一体两面，同样需要裁剪。我们需要进行常规的现状问题分析，找到问题背后的根本原因，然后再制定相应的策略，从根上解决。比如每个人都能定义指标，数据部门沦为提数工具。这个现象的根本原因是缺乏归口管理，也就是数据部门没啥权利。这是组织问题，需要从组织层面解决，制定指标定义流程，确定数据权威。部委、集团层遇到的问题就更多了。信息化做的早，不一定是好事。一般来说，裁剪完之后，就会剩下几个重点要做的事情。峰会内容组织一定要先行！数据治理犹如河道清理，不仅仅是清理工的工作。上游、河道两旁的垃圾、废水排放不制止，把河道清理工累死也无用。所以数据治理应该向政府治理城市河道学习，要联合各个部门，做宣讲，改变大家随意排放的观点。做污水管道，引导河道两边的社区、企业合理排放。最后加上一些河道清理，这样大家一起努力才能有效。组织先行的第一步是设立数据治理委员会，主要目的是把老板拉进来，把业务部门负责人拉进来，一起进行治理。这一步时间最小，但是重要性最强。其次是制定各种管理规范，让大家有法可依。然后才是建立数据治理团队，不仅仅是数据团队要加入，其他团队也要加入。最后才是责任到人，落实到位。这是组织架构简要示意。部委级的组织架构简要示意。这是各种政策的简单示意。包括数据安全、质量管理、各种校验方案、管理办法等。这是各种计划示意，具体的工作肯定不止这么少。但是逻辑是一样的。管理方案数据治理应该覆盖所有环节。但是项目建设范围有限，不建议超出项目建设范围。一般主要有三个环节：生产、传输、加工。再往后是使用环节，那边主要是发现问题的地方，而且往往在系统之外，所以不太好管理。这三个环节管好基本就差不多了。在生产环节，我们需要跟业务部门多多沟通，有些时候需要看看数据，反应的都是那些环节出问题了。也许是人的问题，也许是培训不到位，也许是系统不友好。我们根据实际情况进行调整，不断优化即可。在数据清洗的过程中，重要是成本和质量之间的平衡。这时候我们应该让业务参与进来，尽量做到用最小的成本覆盖最多的数据质量监控。对于已知的异常数据，我们可以根据数据的重要性和其他特征，做相应的处理，能填补的就填补，不能填补的就原路返回，改好了再重新发过来。在数据治理的环节，一般要分成存量和增量场景。存量场景基本上一次性操作，人工突击搞一下就行了。增量场景则需要进行全面监控，而且还要持续治理，人工处理效率太低，成本较高，建议用系统承担。特殊情况再由人工介入。数据治理是一个综合、复杂、困难的工作，需要多方协调。建议由信息中心、IT部门牵头，定标准、做规范，拉上业务部门和厂商一起进行。期间一定要做好宣贯、协调工作。招术尽出，最后还是要加一根大棒。因为没有考核就没有结果。我遇到过什么事情都做了，但是结果就是不好的情况。你想想身边是不是有这种“天天加班，但就是干不好活”的人？治理平台建设在不同的阶段，数据一致性校验的内容是不一样的。以部委为例，先要从省级平台同步数据到国家同步库，然后再入到基础库，最后到应用系统。期间会经过同步、清洗、处理三个阶段。同步的时候，校验的目标是数据源和接收结果是否一致；清洗的时候，校验的目标是数据是否干净；处理的时候，校验的目标是数据是否准确。系统截图：略组织建设在数据治理环节上，要做到闭环。在组织建设流程上，也要形成闭环，这样才能把每一件事情做到位，每一条数据治理干净。最后帮DAMA做一个广告：我是DAMA中国会员，DMBOK是国际数据管理的标准知识体系。现在DAMA2.0已经发布，感兴趣可以直接点击链接购买。结语完整版PPT下载：公众号“大数据架构师”后台回复“0415”即可下载。感谢阅读，本次分享的内容就结束了。欢迎大家加我微信好友，尽个点赞之交，一起进化吧!推荐阅读：CRM、DMP、CDP到底都是些啥啊？如何打造数据治理闭环？以金融行业为例快⼿数据质量保障体系及在直播场景的实践数据资产化的前提-浅谈数据治理体系的建设主数据又是啥东东？应该怎么建？什么是数据、元数据、主数据和参考数据？近期数据治理案例合集更多精彩：

前言前几天的私董会，聊的是怎么给中小型、小微型企业赋能，正好提到了SaaS的事情，结果一堆一堆的人找我要SaaS的报告。我一个一个对付实在是忙不过来，关键有些哥们一个劲的要，前后管我要了7、8次，你这是要榨干我吗？？？行吧，来吧，给你整个合集，一次性给个够~~~总共1张SaaS全局图、11份SaaS最佳实践，54份SaaS行业研究报告。文末有下载方式。SaaS产品经理导图开局一张图镇楼！SaaS最佳实践没啥，就是一堆文件，一共11份。有赞-企业级

前言最近在写书，实在是没时间更新了。前两天更了两篇文章，导致写书速度下降了好多，快赶不上进度了。不过还好，我这大佬多啊，今天继续让大佬们代班，把群内聊天内容整理一下，供您参考。都是群里聊天实录，直接复制粘贴的。肯定有错别字、语句不通顺的问题。您将就着看哈。怎么理解宽表？问题：明细宽表怎么理解，选择好业务过程后，直接从ods取数到一张宽表里吗？如果是，那这种宽表岂不是耦合了度量值和维度值。也没有独立的维度表了，模型上岂不是很无章法？讨论：具体看情况吧，并不是必须按照你讲的那样来，大多数宽表都是空间换时间。我理解，建模不可能严格按照第三范式，适当的冗余是OK的。都是混合建模方式，没有绝对，适合自己业务，好用就行。我们曾经在dw层想过用范式来应对上层变化的业务需求

前言2020年3月20日，晚上，我在得到北京学习中心张元济厅，眉飞色舞的完成了我的公开演讲。我的主题自然是与数字化转型相关的，因为这是我今后5年甚至10年的努力方向。下来之后，同学说我稿子不错，很吸引人，但是发挥的有些过火了。我觉得也是，这感觉就像是多年前的婚宴上一样，醉了醉了。最后结果还好啊，拿走了3张奖状。只有一个更优秀的小姐姐比我多一张。随后，我就带着这股子浪劲，被请到了“小黑屋”，开始了刻入灵魂的一场对话。问题刚进去的时候的确是孟浪了。罗老师拿着我的稿子夸我：“这是一篇非常专业的稿子”。可是我没接他的话，而是鬼迷心窍的问他：“罗老师，我能复制您么？我能日更3000字！”说这话的时候我是有些得意的，毕竟他每天早上的语音也就300字。罗老师大概也没料到我会这么问，楞了一下。随即反问我：“复制什么？复制我的胖？我掉头发？”我蒙了，没想到他的脑洞这么大。我的意思当然是复制他的成功。但是他这么一说，我也明白了，是我没问清楚。于是我思考了一下重新提问：“复制您的内容”。因为我觉得内容是他成功的主要因素之一。他认真的看着我，说：“不，内容不值钱，产品才值钱。”一条少有人走过的路他接着说：我知道你想问什么。但是你把这件事情看简单了。日更3000字，并不能挣多少钱，而且你的产能基本上也就到极限了。我想了想，是啊，他每天300字，现在只需要一会儿就完成了。其他时间可以用来做自己的事情。而我，基本上就被3000字给耽误了，啥也干不成。这的确是一个巨大的问题。他继续说：这个世界上，表达力是一个非常稀有的能力。日更3000字，还能吸引到很多专业粉丝，组建社群，说明你不仅专业能力强，文字功底也非常强。但是这还不够，因为边界不够清楚，也就是说，你的标志不够明显。在一个城市，我们想要让一块地值钱，最好的办法就是盖一个地标建筑。边界分明，标识清楚，所有人远远望到，都会说：“这是国贸大厦”。不过北京的地已经很少了，我们得另外找一个地方盖楼。有一个地方很少有高楼。要么是孤芳自赏、远离尘世的魔法塔，要么就是皇亲国戚盖的城堡。这个领域就是知识领域。如果我们能在知识的领域，圈定一块人多的地方，确定边界，一边不断向上生长，一边不断向周边的人稳定产出，我们就能稳稳的矗立在这块领域上。这是一个少有人洞察到的秘密。确定性什么叫稳定产出？不是说篇篇都是绝世好文才是，而是像你承诺的那样，稳定、定期产出同一个领域的内容。就拿你的公众号来说，同样是3000字，你一会产出这个，一会产出那些，你的标志就混乱了。比如提到丽思卡尔顿，大家都知道是酒店；提到古奇，大家都知道是包包。但是你呢？不确定！别人不知道该怎么用你。在一开始打磨的时候，你说你什么都能写。我一听，这就废了！你知道你放弃了什么吗？确定性！确定性是什么？是永远保持稳定的提供服务的能力。世界上最好喝的咖啡永远不是星巴克，但是它质量稳定、每天开门。世界上最好吃的汉堡也不是肯德基、麦当劳，但是它们口味稳定，24小时开门。甚至在你想上厕所的时候，第一反应居然也是找个肯德基、麦当劳。因为你知道，哪里肯定有厕所，能解决你的问题。这就是确定性的魅力。而你，主动放弃了！你说你什么都能写，这也许是事实。但是你要确定边界啊，这样才能在最短时间内，在这个领域内刻下你的标志，让大家知道怎么使用你，从而获得确定性。我罗胖儿，在微信公众号上已经说了3000天了，现在已经没有多少人每天早上听我的60秒语音了。但是我仍然要说，按照之前承诺的那样，每天早上60秒，说满10年。那时候，我是我，罗胖儿是罗胖儿。罗胖儿已经可以永远流传下去。在2012年12月22日开始，有个胖子，每天早上发语音，连续发了10年。这座精神地标已经立下了。进化的方向说实话，我听到这些，整个人都蒙了。因为跟我想的完全不一样。我以前在职场，进化的方向是不断拓展自己的能力外延。先是“I”，然后“T”，然后是“П”，把自己变成多面手。数据是我的老本行，从写SQL到建仓建模，到BI展示，功夫一直在身，拳不离手；后来因为工作原因，也是为了突破，连续搞定信息系统项目管理师（高级职称）、国际项目管理证书PMP；同时，也花费了大量的时间，去学习和拓展商业管理领域的知识，不惜花大量时间和金钱，去研究很多公司的内部运作肌理。我开设公众号也是这样，数据分析、大数据技术、商业洞察、数据中台，甚至职业发展，我都写。最近又在写数字化转型。我的确是基本做到每天更新，但是东一榔头西一棒子让人很混乱。而且，我的从业经历也有问题，虽然有在一个公司呆了5年的经历，但是行业和公司类型经常切换。站在自己这边，我当然有充分的理由，比如乙方身不由己、其他特殊原因等。但是站在用户（用人单位）那边，这就是没有长性啊。《百鸟朝凤》里，唢呐大师焦三爷在传衣钵的时候，并没有传给天赋又高、悟性又好、又非常努力的天才“蓝玉”，而是传给了入门考试都没过的“天明”。蓝玉遭此打击，无法理解，因此差点投河自尽。多年以后，蓝玉终于明白，师傅要的是什么。师傅要的是长性，要的是确定性！用他自己的话来说，如果是他接了衣钵，估计无双镇早就没有了唢呐声了。我一直不能理解，有些人那么笨，是怎么当上领导的。难道不应该是由更聪明、能力更大、又负责人的人担任么？也许，是我错了。如同焦三爷一样，大家可能更希望有一个“长性”的笨蛋“天明”，而不是“跳脱”的聪明“蓝玉”。不是要一专多能的“万能钥匙”，而是要用情专一的“罗密欧”。恪守承诺、守好边界、专注创作、稳定产出、打磨产品。这就是罗振宇的全部心法。说起来很简单，但是理解起来，非常难。要做到，就更难。因为，需要用自己的心血，去喂养这个IP。这倒还好，关键是外面有那么多诱惑！我已经很能忍了，头条两篇文章爆了，一篇24万，一篇16万。但我都忍住了，依然在公众号里创作。我也不想收任何钱，我坚持不投放广告，腾讯的广告也不投。不卖课程，不变现。建一个知识星球吧，为了防止倒卖资料的，我还设置门槛，进来一个人，我赔5块钱。但是我真的不知道能守多久。这太难了！苦旅我还记得之前看余秋雨老师的《文化苦旅》。里面的内容我已经忘的差不多了，大概是写他到处旅游，写景抒情。我当时就一个感慨，tnnd写一本书太难了，这本书得写多久啊？这差事我可不干！结果，多年后的我，却选择了长期的内容输出。这是苦行。其实罗老师说的，跟余秋雨身体力行写《文化苦旅》的逻辑一样。专注于一个点，插上旗子，然后不断产出，输出成为一个产品，把自己打造成为一个地标建筑。余秋雨老师是一个地方一个地方的去看，然后最后升华到哲学层面。罗振宇是怎么升级进化的呢？他总结了7个进化的层级：这7个层级，是罗老师自己的进化之路。其中内容太多，今天不做展开，下次详细深聊。我想表达的意思，是不管是余秋雨还是罗振宇，他俩都是在拿自己的心血在供养着一个作品。不一样的是，余秋雨供养出作品之后，就去休息了。罗振宇供养出作品之后，把心法传给我，写在我手心里了。嗯，我确信，这条路很苦，也许是我做的不够好，但我想试试，想试试这条跃迁之路。后记后来，我去请教陈章鱼老师。他跟我说了另外一个概念：“大门”。我们画了一个圈，立了一个标，向世界这就是我的地盘。但是这个标不仅仅是一个地标，更具象化，是一个“大门”。是从这个领域进入到“我的世界”的大门。不管哪个建筑，都希望大家从一个“大门”进去。里面就可以丰富多彩了，可以是大型会议，也可以是宴客厅，也可以是客房，也可以是健身房，也可以是游乐园。但是这个“大门”得守好，不能动，永远都不能动。这才是守好边界的核心奥义。这也是文化人进化的核心奥义。感谢阅读，本次分享的内容就结束了。本公众号目前保持日更3000字，为你提供优秀的数据领域的分享。扩展阅读：《罗振宇讲师讲师训练营》思维导图，公众号“大数据架构师”后台回复“讲师”即可获得。欢迎大家加我微信好友，尽个点赞之交!推荐阅读：3000字，如何讲清楚专业知识？by彭文华就业冰点，你为什么要裸辞？by彭文华更多精彩：

前言嗯，我在写书，数字化转型方向的。所以只能请群里的各位大佬来替班了。希望您别在意。如果觉得打扰到您了，类似标题的，可以不用打开看。今日继续当个转述师，分享数字化转型大咖群的聊天记录。话不多说，直接上干货！甲方要什么？其实甲方企业比做所谓数字化转型业务的乙方更完整而真切的理解自己痛在哪里。甲方企业更多需要的不是被动追随的+迫于生存不断低价介入的乙方，而是齐头并进的、甚至牵引战略前行的合作伙伴。@吴涛

前言今日继续当个转述师，分享数字化转型大咖群的聊天记录。话不多说，直接上干货！人工智能刘总提问：请教个问题，关于大的机构，尤其是金融集团，关于如何建立高效的数据管控体系，除了DAMM的理论外，还有其他的相关理论基础吗？谢谢。讨论：国内的数据管控体系还到不了理论层面。信通院每年都有数据资产管理白皮书，汇集了国内部分厂商的专家资源输出的成果。公众号此前的文章和知识星球中都有很多数据治理的文章，刘总可以参考一下。比如：戳我查阅：数据资产化的前提-浅谈数据治理体系的建设数据上升为生产要素后，在整个IT架构的地位越发重要，很多金融机构也做了很多探索，包括从监管导向的数据治理。但是更多是业务的部门视角，如何建立集团视角的数据管控体系，将金融机构、子公司等下属单位全部管控起来。做这件事的前提是why的问题，一是要从理论基础的角度，另外一方面是从现状和问题的角度出发。两方面兼顾更具有说服力。国内厂商和银行的客户前些年对DAMA认知度比较高，特别是最近几年好像成了过了气的“空嫂”，大家提“DAMA”好像都难为情了。这也只是代表部分人的想法，是不是主流还是要自己做判断。最近几年信通院发布的资产白皮书，他们发布的很多执笔人都是企业的人，更注重应用，理论基础相对欠缺。确实也需要与时俱进。而现在金融机构的中高层，不论理论基础还是实践能力都已经很高了，能到80分到90分。不过，领导们更关心理论基础，局长们更关注了why的问题，处长等中层关心what的问题，高经和技术骨干关注how的问题。现在很多金融机构在数据治理的过程中踩了很多坑，下一步的数据管控如何能更有效、少踩坑。但是国内的一线厂商更多提供的以技术解决方案为主，比较少有从企业愿景到企业战略、到业务架构再到it架构的整体解决方案。而以四大为代表的高端咨询在国内现在有些水土不服了。国产化咨询的市场空间还是很大的，至少必要性上（有需求）说的通。坑来自于对企业发展目标、以及支持路径与评价方式的认识不清、落实不足，这是数据治理要面向的机制建设前提。而不是完全靠数据治理解决，治理更多的是对接沟通方式，不能放大它的作用到管控与落实层面，如果要落实，要围绕具体业务场景做数字化优化。感谢

前言这几天群内的话题质量都非常高，而且很多都是比较前沿的话题，看着各位大佬唠嗑，也是很有意思的。我就当个转述师，跟大家分享一下吧。数据中台

前言上周末，我参加罗振宇讲师训练营线下集训。在欢迎晚宴上，罗老师说了一个非常有技术含量的事儿。有几个技术大拿找罗老师请教数字化转型，天花乱坠说了半小时，楞是把罗老师说蒙了，半天没理解是啥意思。我在台下听的是乐不可支。这个文科生和理科生对话，颇有秀才遇到兵，有理说不清的感觉。最后罗老师整理了一下，帮忙推出一个观点：数字化转型不是信息系统，而是给出行动方案。正好，我对数字化转型也颇有研究，也来聊聊“数字化转型是什么，不是什么”这个话题。现在数字化转型铺天盖地，说啥的都有。而且还有各种变种，什么“数据化”、”数智化”，非得把人弄蒙了不可。好像跟别人说的一样，就没法玩了。我哥们跟我吐槽：这帮“砖家”，一天天啥事不干，净造新词儿。信息化新词儿咱不怕，怕的是自以为是。毛主席说过：“规律存在于历史发展的过程中。应当从历史发展过程的分析中来发现和证明规律。不从历史发展过程的分析入手，规律是说不清楚的。”因此想说数字化，就必须先提信息化。因为信息化在前，数字化在后。信息化解决什么问题？信息化已经融入我们的身边了，现在回过头，大家应该能感觉出来：Word让我们从手写转向文本编辑；财务软件让财会人员由手工填账本转向财会电算化；办公系统让所有办公人员从批条子升级为在线催办。所以信息化是把整个社会中所有的事儿，用信息技术，进行整体升级，让效率更高，成本更低。那然后呢？我们当然没有停下探索的脚步。信息化提升了效率，顺便还把各种过程、结果信息，用数据的形式记录下来了。这可是个好东西啊！2020年4月9日，《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》颁发，其中明确定义了，数据成为一种新的生产要素。我们看看其他的生产要素都是啥：土地！劳动力！资本！技术！对，就这四个。现在数据是第五个。你看看前面四个，都是意味着啥？意味着钱啊，同学们！而信息化的副产品就是这个第五要素：数据！所以，你告诉我数字化转型是干啥的？是干啥的？如果你现在还跟我说，数字化转型是建一个信息系统？哥们，咱俩没法聊了。真的。数字化咱说回来啊，这个生产要素，我们怎么利用呢？直接卖吗？那是杀鸡取卵，太二了。经济学家威廉·配第说：“劳动是财富之父,土地是财富之母”。那对于土地，我们怎么创造财富？农业时代我们种庄稼、经济作物，是不是能挣钱？工业时代我们用来盖厂房，是不是能挣钱？20年前，我们如果穿越到深圳，那没的说了，赶紧批地盖楼啊！有多少，盖多少！种地、建厂、盖楼，都是开发土地生产要素，产生价值的方法体系。同理，数字化就是开发数据生产要素，产生更高价值的方法体系。Gartner也早就有定义，数字化是利用数字技术，来改变商业模式，并提供新的收入和价值创造机会。至于啥是数字技术，这就广了，我说不完，而且现在说完了，过两年还会有新的技术出来。现在比较热门的有什么大数据、人工智能、物联网、移动互联网，还有什么RPA、区块链，还有啥数据中台、业务中台、数字孪生都算。那咱不能光有技术，没有应用啊，跟那个“手工耿”似的，整出一堆牛掰轰轰的发明，然后毛用都没有？所以，数字化转型这不就来了么？数字化转型如果你是一个财务人员，每月一次的报税绝对是让你头大的事情。如果遇到季末、年底，那完蛋了，肯定是一头的包。别问我为啥，因为我媳妇就是。一到这个时间节点，我在家是大气都不敢喘，好吃好喝伺候着。但是你要是有一个RPA，那可就舒服了。分分钟帮你自动审核、自动填报、自动递交。有问题随时告诉你，缺啥、错在哪儿都写的非常清楚。这就是财务数字化转型的典型应用之一。如果你是一个HR，每个月的薪资计算估计得要你的老命。各种复杂的绩效规则、考勤、入转调离、特殊情况、社保扣费，保准让你欲仙欲死。如果你公司有14万人呢？你觉得需要多少人算绩效？美的只需要23个人。月度算薪，从取数到推送到财务，最快只需要几分钟。这个我也干过，虽然干的没有美的那么好，规模也没那么大，但是也能支持每个月变一次绩效制度，15分钟准实时更新绩效数据到每个人手机上。这就是人力资源数字化转型的典型案例之一。对于业务层面上的就更多了。用CRM管理好用户，用CDP全面刻画用户，精细化运营用户。用数据中台打通所有数据，用数字孪生监控生产情况，甚至预测机器故障。类似的应用太多太多了。对于重构商业模式，没有啥比链家升级为贝壳更好的例子了。链家积攒了楼盘字典、VR看房、SaaS化经纪人交易平台等一系列的数字化技术，然后利用ACN规则，直接重构整个商业模式，由房产中介升级为交易平台。在贝壳的案例里，楼盘字典是数据资产，VR看房、SaaS化经纪人交易平台是数字技术，链家到贝壳的升级就是数字化转型的典型案例。我举了这么多例子，不知道你有没有什么感悟？如果还没有，我再举一个生活化的例子。没有手机的时候，我们出门怎么找路？要么凭记忆，要么看地图，对吧？OK，过几年，有了手机，比如诺基亚，他们把地图装到手机里了，我们在手机里可以看地图。但是这些地图还只是单纯的地图，只能看，不能干别的。这是信息化。后来移动互联网来了，我们可以结合各种数据，比如交通拥堵数据、天气数据、商圈数据、POI数据、用户上报的数据，以及用户当前的GPS数据和历史使用信息。这些数据，再加上各种路径规划算法、搜索算法等各种数字化技术，就能实现查找附近的酒店、自动规划出行路线、躲避拥堵等非常智能的应用。再链接上打车、美食点评、酒店预订、门票购买等应用，一个全新的商业模式就诞生了。这就是数字化转型的C端案例。格物案例说完了，咱再来咬文嚼字一下。看看这个词儿：“数字化”。类似的词有啥？“工业化”、“年轻化”、“现代化”等等。工业化就是大力发展工业，把工业建设成为支柱产业，对吧？年轻化就是多引进青年人才，把队伍的平均年龄降低，让年轻人成为主流，对吧？现代化也是同理，让科技走进千家万户，提升生活质量，创造财富价值。那“数字化”是不是不管啥都变成数据，让数据成为主流？当然不是，这是信息化的事情啊。是的，数字化不是信息化，不是给你装一个信息系统。数字化不是“平地抠饼”，没有数据就是一个空壳子，啥也干不了。数字化是在信息化的基础上，对系统积攒下来的第五元素-数据，用各种数字技术，进行流程改造、价值挖掘，甚至是商业模式重构。用在流程上，可以提升效率，降低成本；用在价值上，可以提炼数据，创造价值；用在决策上，可以指明方向，定下行动路径；用在商业模式上，就是重构商业模式，进行转型升级。致知说了这么多，我们最后能不能提炼出来一个非常通俗易懂的结论呢？我尝试着提炼一下哈，说的不对，还请多多包涵。数字化转型不是给你建一个信息系统，而是面对新的生产要素，进行数据价值开发。我们可以用数字化技术去改造流程、实现数据增值、给出行动方案，重构商业模式。数据是一种全新的生产要素，数字化转型是对这种新的生产要素的开发建设模式。结语这个数字化浪潮已经风起云涌，不，这不是浪潮，这是海啸！将会席卷全球，波及我们每一个人！前方是星辰大海，让我们3、2、1！开始我们的征途吧！另外，跟大家说个事儿，数字化转型群里有很多甲方和实施方，老有人问数字技术的事儿。我自己通讯录上也有不少供应商，BI、RPA、低代码、数据中台、CDP都有，基本上都是总监以上级别的人。我想攒动一个线上小会，每周一次，请一位行业代表来给大家讲讲，不知道有没有兴趣。还是老规矩，如果点“在看”超过30个，我就厚着脸皮求大佬去。点的越多，我就再多找一些。您看可以不？感谢阅读，本次分享的内容就结束了。本公众号目前保持日更3000字，为你提供优秀的数据领域的分享。欢迎大家加我微信好友，尽个点赞之交，有需要的可以拉你进数字化转型交流群，一起在数字化的浪潮之巅浪吧!推荐阅读：【资料贴】64份数字化转型案例+方法论+报告数字化转型，转个毛线的型！大象的舞蹈-华润集团数字化转型之路数字化转型需要重新定义数据治理的角色快来看看自己公司数字化转型到什么程度了？更多精彩：

前言前两天，我一个前同事很恼火，她说现在已经找不到工作的价值感了。一天到晚就是查数、查数、查数！简直就是个查数姑！我说你去努力啊，给他们多输出一些有价值的东西呀，慢慢的用数据推动他们运营呀。她说，我努力过了！根本没用。我抽空、加班，专门为了这次活动一个分析报告，运营也不爱看；看了又说只有分析没有结论；给了结论又说结论不对；我根据他的意思调整了方向，又说没有行动策略，给了行动策略又说没啥效果。我就纳闷了，你都没做，怎么知道没效果？最后还是根据运营自己的意思去搞活动。而且，那个报告也不是我想说的，也不是我的观点，是被阉割的结果。这是运营在拿我的数据印证他想说的话而已。他们认可的，就拿走，不认可的，就说我们分析的不对。所以，他们只是把我们当做提取数据的机器而已。我的努力全部化为泡影，然后继续沦落到“查数姑”的地步。迷惑唉，听完她的唠叨，我也比较郁闷。的确是，现在的数据产品越来越智能，SQL的门槛越来越低，上升通道也感觉不是那么通畅。后来她还说，现在想换工作，往上走一走，可是找不到合适的，到哪都是这个Level。数据分析好像跟她当时选择这个行业的时候想的完全不一样。她当时以为数据分析可以去发现数据背后隐含的一些秘密，然后指导其他部门改善流程、做很多有价值的事情。可是完全不是这个样子，她已经快没信心了。我仔细思考了一下，的确，是我草率了。作为一名数据从业者，我已经干了16年，这种问题其实我也一直在面临着，而且有些时候会更糟糕。收到客户质疑的事情时而有之。甚至有些人跟我说数据分析没啥用。甚至有：“乔布斯从来不做市场调研，张小龙从不看数据”的说法。上面那句话我没考证过，但是他俩的确都说过类似的话，就是有无数人给他们反馈，告诉他俩该怎么做产品。如果他去相信这些用户的反馈，去设计产品，结果会怎样？我估计，乔布斯会陷入无止境的需求调整，而张小龙则要面对海量的优化/调整的功能需求中，我估计这样做，应该没谁回去买一个古怪的苹果，和打开一个奇怪的微信吧。而且，这帮人提的意见，真的就对吗？很多人反对，很多人就对了吗？所以，貌似我朋友遇到的问题是一个真问题啊！那数据分析到底有没有用？深入管理大师彼得德鲁克说过：“如果你不能衡量他，就不能管理他”。乔布斯也经常用数据抓住用户，在他的PPT中经常能看到类似的画面：张小龙也是，微信的各个按钮都布满了埋点，看各种数据是微信产品经理重要的工作之一。这就奇怪了，为啥还会冲突呢？其实不管是乔布斯也好，还是张小龙也罢。他们说的话、做的事，都是基于一个深刻的洞察，就是：数据，只是理解这个世界的方式之一，对，仅仅是之一。我们理解这个现实世界，是通过什么方式？我儿子小时候，看见啥都要去舔一口；我媳妇到现在还有在黑夜中准确找到一件衣服的特异功能，她靠的是触觉。我们绝大多数人，是通过眼睛看，通过手去摸，通过舌头去品尝，通过耳朵去听，这些手段来认识这个现实世界的。这样可以感知到这个物理世界。对于一些看不见摸不着的东西，我们通过思考来探索各种奥秘，用抽象来解析规律，用反思去体察自身的弱点、用同理心去感知人性。看见没有？有很多东西是数据没法衡量出来的，即便是衡量出来的，感觉也不一样。最典型的一个例子，北京的零下5度和广州的零下5度，你比一比，那个更冷？数字告诉你是一样冷的，但是现实会把你冻成狗。所以完全靠数据，那是傻子。你说，这个例子太生活化了，不能一概而论。哈哈，这种例子到处都是。我就不说互联网的了，那个太乱了，每家公司玩法都不一样。说个最简单的例子。假如说你在路边开了个饭馆，你会怎么做？嗯，买一个收银系统，开通美团，然后就能看到后台数据了。有啥数据呢？有外卖单量、客单价、退单、评分、评论、投诉等指标，可以按日期、时段、菜品等维度区分。是挺丰富的，然后呢？是不是有了这些数据的人，开店就不会倒闭了？没有这些数据的店，生意就不好？并不是。很多饭店老板根本不看数据，但是店里所有的情况其实都已经刻画在他的脑子里边了。不信？你放开胆子想指标，看你能想到多少个！今天来了多少个客人？门口的人流量有多少？进来的多少个，消费了多少个，营业额是多少？客单价是多少？还有吗？你还能提出其他的指标吗？可以。我相信你可以的。但是都是量化的指标。请注意，这是很容易量化的指标。还有有一些非常难以做到的一些量化量化指标，比如满意度。好，现在满意度等不是那么容易量化的指标也给你处理好了。然后呢？是不是就可以大干一场，挣钱去了？缘由当你拿着这些数据去开店的时候，你就会疯掉了。你会发现，满意度调查的结果压根就不准，现场的顾客直接发飙。美团上的打分和点评也不太准，因为主厨今天病了，是小工炒的菜。今天的进店客人还是很不错的，但是亏本了，因为你上个月搞了一个活动，送了很多优惠券，导致现在客人们吃饭的时候，没有优惠就不吃了。怎么会这样？我不得不说一个事实，数据分析不是超级跑车，而是一根拐杖。数据分析并不能帮助你获得超能力，仅仅能在你赶路的时候比别人更快一些、更省力一些而已。这恰恰也能说明为什么很多老板根本没数据，却能做好生意，而有些年轻老板信息化做足，却依旧赔本的现象。而且这还是基于数据能真实反馈现实世界的前提下推断出来的。你是不是很惊讶？数据不是最真实的么？怎么还不能真实反馈现实世界呢？答案是因为有人的因素在里面。比如打电话之后的满意度评分，1非常满意，2很满意，3满意，4比较满意，5不满意。很多人等不到后面的不满意，就直接选择满意了。更搞笑的是，有一次我收到满意度调查短信，上面只有非常满意、很满意和满意三个选项。为啥？因为满意度是客服中心的KPI。数据太难看，谁的面子都下不来。除了人的因素之外，还有一些数学小陷阱，比如辛普森悖论。这个解释起来比较费劲，有空可以单独写一篇。简单来说，就是部分的平均结果，与总体平均的结果不一致。究其原因，这是数据分析本身的问题导致的。一方面，可量化的数据只是整个现实世界的一部分而已；另一方面，在数据量化时，还会受到人的因素、数据分析本身的一些限制。而那些生意做的好的老板，除了运气好之外，他们早已经用自己的方法获取了更多的信息。客人是满意而归？还是吃完抹抹嘴就走了？是临时有事？还是永远不来？是门前修路？还是隔壁做活动了？这些都不是你那个点单系统能给的数据，你如果远远的坐在总部，看着数据就下命令，多半是要遭殃的。而这些，小店老板是都能知道的。所以总结一下，数据只能还原部分现实世界，而且还会受到数据分析方法、人为因素的噪音影响。所以并不是特别好用，就像是一个毛玻璃一样。正视那数据分析是不是真的没啥用啊？当然不是了。毛玻璃也比一堵墙要好啊！而且，你不是用这个能力挣着钱了么？都能挣着钱，肯定是有用的。只不过，我们的期望和实际用途上，有一些错配了而已。数据分析不是超级跑车，谁上去都能一脚油门踩到200迈，而是远行的拐杖，你的体力弱，探的路就短；你的身体好、能力强，就能走得远。它只有在你手上才能发挥作用，在你知道的领域，能触及的领域才有最大的效果。如果你掌握了数据，你可以比别人稍微快一点，比别人更安全一点，比别人更稳一点，仅此而已。你如果战略方向错误，你拿着这根拐杖往前走，你会越走越偏，越走越远，走进死胡同里面出不来，他就是这样。但是我们也不必因为数据分析的局限性而摒弃它。比如，前面虽然说北京的零下5度和广州的零下5度不一样，但是你在北京的零下5度和石家庄的零下5度体感是一样的啊。完全只看数据是傻子，完全不看数据，那也是二傻子。很多运营的同学就是把数据分析当跑车，一脚油门踩下去，发现根本不是那么回事。然后就说数据分析没用。但是咱数据分析师也要清醒的认识到，数据分析真的没有那么厉害。往往工作就是这么朴实无华，看数据的表现，作出合理的假设，设计实验，做测试，优化环节，不断精进。就跟科研是一样的。案例我们可以用数据分析来干什么？或者说擅长做什么？其实就是上面说的那些内容。在我们已知的范围内，用数据真实的反馈到现实：今天的表现怎样？我们做了哪些动作，产出了什么结果？有没有直接的因果关系？有没有其他的因素影响？哪些环节卡壳了？一切正常？我们就多从几个维度看看，不行再往下细分看看，然后在前后对比一下，横纵对比一下。我们还可以多种策略同时并行，看看哪一种策略更优秀。这种在流程上优化的场景，才是数据分析擅长的、直观的。就譬如说在女装店里，重要的是客群和服装匹配。这个基调定了，再去设计服装的摆放。比如在进店的地方摆上5个不同款式的服装，测试这5个款式的吸引力。客人进来看那件衣服比较多？如果发现进店的人群中，大多是小姑娘，那我们就在这里多摆一些时尚的、小姑娘喜欢的衣服。如果是年轻妈妈多，那我们也可以配上一些儿童服装，但是不要太多，不要喧宾夺主，对吧？这样，我们的产品和我们的人群就比较匹配了，就能很好的支撑我们的生意了。然后我们再去观察衣服的销售情况，是否跟我们预期的一致，如果一致，就继续放大，如果不一致，就再尝试。如果说刚才的例子是靠经验丰富的店员，拥有微观体感，不断的去试，那么其实也有拿数据分析的案例。譬如说，“茵曼”，他们在每件衣服上面都装了一个RFID芯片。当这些衣服被选中，拿到试衣间里面去试的时候，系统就会记录下来。这个就意味着什么？我们就可以把用户从进店到购买的整个的链条给串起来。这样我们就可以把用户决策的过程可视化下来，发现其中的问题。有些衣服根本连试都没人试，大概率是风格问题，直接淘汰。有些衣服经常试，但就是不成交，大概率是版型不对，优化版型。有些衣服热卖，苗头刚起，那边生产订单自动就下好了。这边刚卖完，那边新货就续上了。他说你告你要告诉我，我今天卖什么东西能发财，我卖哪个进哪个款会很好，数据分析告诉不了你，那那不是数据分析的擅长的事情，那是时尚达人擅长的事情那是服装买手擅长的事情。他们去解决人的问题，数据解决流程、连接的问题。如果把人性、审美、环境等无法量化或者很难量化的东西都一股脑儿扔给数据分析，那肯定完蛋。结语我们现在再次回头看看前面说的那句话，数据分析不是超级跑车，而是你身边的拐杖。他并不能让您飞速到达目的地，但是能帮助你扫平前方的障碍，是你远行途中必不可少的工具。我们不能过分的强调它的作用，也没必要尽力贬低它的效果。指明方向，向毛主席学习，深刻理解战略、把控局势、洞察人性；制定计划，用项目管理方法，绘制甘特图，匹配任务、时间、资源；重在执行，观察过程，监督结果，复盘全局。数据分析在哪儿？在每个过程中都有它的身影，默默的充当那根拐杖，陪你远行的拐杖。感谢阅读，本次分享的内容就结束了。本公众号目前保持日更3000字，为你提供优秀的数据领域的分享。欢迎大家加我微信好友，尽个点赞之交，有需要的可以拉你进数据分析交流群，2021更上一层楼!推荐阅读：没有数据，咋做分析？偷偷给你三大法宝！就光会拉个数，要你数据分析师有何用？如何搭建一个数据分析体系企业级数据分析体系的最佳实践更多精彩：

前言前两天，我详细剖析了一下这两天脉脉上很火的数据建模帖子。指出来帖子里百度小哥“只见宽表不见建模”的核心原因是整个数据圈的核心逻辑变了。然后就引起了建模群里一帮人在疯狂吐槽。也有大厂的数仓大佬高屋建瓴，指点江山，侃侃而谈。为啥吐槽？因为我们知道，这再也不是以前数据至上、工程为先的俄罗斯方块游戏了，而是客户至上、业务为先的神庙逃亡游戏。但是绝大多数企业的数据仓库工程师，究竟还是沦落到拉宽表的境地。大清都亡了，你上哪找辫子去啊？玩法变了早些年，业务变化还没那么频繁，战略是一年定一次，KPI