数字化失灵,都是数据“惹的祸”?
数字化成功,关键在于形成数据驱动业务的闭环。
2022 年圣诞节前,风暴“埃利奥特”席卷北美,导致美国航空业严重瘫痪。数据显示,圣诞前一周,全美航班取消总数超过 1.7 万架次。暴增的航班变动需求,让美国西南航空的 IT 排班系统完全失灵:由于平台信息误差太严重,美国西南航空不得不大面积取消航班,许多机组人员也无法返工。
风暴过后,美国西南航空高层将排班系统崩溃的原因归咎于其过时的 IT 系统。有报道称,此次大崩溃之前,美国西南航空运营一直沿用的是上世纪 90 年代的 IT 系统,虽然排班表是电子化操作,但一旦排好之后就只能通过人工的方式修改,这导致了当大规模航班取消压力来临时,原有航班计划和人员完全错位。
美国西南航空的例子,折射出许多企业的数字化之痛:明明投入了预算,上线了系统,积累了数据……但当面对业务需求时,仍然玩不转。这背后有人才、流程、组织等因素,但若追根溯源,基本上都能从数据治理上找到原因。
企业数字化的源头,始于数据治理。许多企业的数字化,都是在这个源头上“徘徊不前”,无法更进一步。中智药业 CDO 朱泉松曾一语道出其中症结: 许多数据治理项目之所以失败,主要在于没形成业务闭环,最终导致数据治理无法驱动业务。
浙江尖峰药业有限公司信息化负责人俞迅,同样提到了数据和业务脱节问题:业务人员的大部分精力都花在了收集、处理海量数据上,几乎没有时间进行数据分析;基层人员的数据汇报不准确——到达企业管理层,管理层面对不准确的数据无法做出正确的决策——决策下达到基层各个生产环节又会出现误差,继续将不准确的信息向上汇报,最终形成一个“错误闭环”。
数据不可用,导致无法形成数据驱动业务的闭环,这是造成企业数字化和 IT 系统引入失败的一个重要因素。正因如此,华为在数字化转型过程中,自 2007 年至 2016 年,曾投入十年以上的时间,成立了数据管理专业组织,做数据质量管理、数据全流程贯通等数据治理的基础工作。
作为数字化的一环,企业软件和 SaaS 产品的应用,同样也离不开高质量的数据。数据治理,不仅决定企业数字化转型的成败,同样也关系到企业软件的实施和应用。
鼎捷软件价值交付中心副总经理汪志峰说,“企业软件服务商应当帮助甲方从选择好用的产品,转变为怎么用好一个产品。”这意味着企业软件服务商的角色正在转变:不仅要向客户提供产品,还应当帮助客户解决在使用产品过程中遇到的问题和困难,让产品更好地用起来。
打通企业数字化的“数据断点”,已成为企业软件服务商需要与客户共同面对的一个挑战。
数据质量,贯穿了数据的全生命周期 (包括数据的采集、存储、处理、传输、交换、销毁),每个环节的管理缺失,都可能埋下数据质量的隐患。 在对多名企业 IT 负责人以及多家企业软件服务商的调研中,我们发现: 数据孤岛和数据不可用,是当前企业数据治理中的两大难题 ,也是造成企业数字化与业务脱节的深层因素。
先说数据孤岛。在数字化过程中,企业的各个分、子公司,各个部门,都有可能形成自己的数据。这些数据被各自定义和存储,也可能存在于不同的 IT 系统中,彼此之间缺乏关联性,无法有效地交换 (消费),如同一个个孤岛。 数据孤岛又会加剧数据质量的问题,产生数据不一致、不完整、冗余重复等问题,不断推高 IT 成本,影响企业的运营效率和客户体验。
除了数据孤岛之外,数据不可用是数据治理的另一大痛点,它制约了 IT 技术的应用效率。儒竞集团 CIO 沈琦告诉牛透社,数据不可用,一个重要原因是数据触达使用者的半径过长。
在解释“数据触达使用者的半径”时,沈琦借用了知识管理中的 DIKW 模型 (DIKW 为首字母缩写,分别指 Data,数据;Information,信息;Knowledge,知识;Wisdom,智慧)。 沈琦说,数据管理的一个重要挑战,就是如何缩短从数据到信息、知识、智慧的转化半径,让数据能够更简单、更高效、更高价值地支撑业务发展。
沈琦认为,借助数字化工具,把数据转化为信息并不难,真正的挑战是,如何把信息转化为能够支撑业务发展的知识,比如用来优化营销、客户关系、供应链管理等,这需要 IT 部门能够从数据中筛选出有用的信息,并将其整合成业务所需的知识,缩短业务部门使用数据的半径。
数据治理涉及业务、技术、管理等多个部门,各自标准不一,就很容易带来数据治理的混乱。从数据使用的角度,我们认为应当用业务定义数据。更重要的是要形成数据驱动业务的闭环,这样才能从根本上走出“数据孤岛”和“数据不可用”的怪圈。
忽视数据治理,让许多企业的数字化难以落地。 很多企业迫于经营压力开始数字化,业务线上化的占比提高了,也积累了大量数据,但由于这些数据没有被有效地管理,比如没有建立统一的数据管理标准,持续提升数据质量,实现数据的贯通和共享等等。因此,数据量虽然很多,但更多是“数字化噪音”,难以辅助决策,形成业务闭环。
线上化,不等于数字化。 数据在业务闭环中不断循环,才能更加深入地融入业务流程中,迭代进化成为企业的大脑,最终沉淀为企业的数智化能力和数据资产。离开数据管理谈数字化,很可能只是流于表面,难以持久。
从企业数字化的推进来看,朱泉松认为,只有形成数据驱动业务的闭环,IT 部门的数据治理和整改方案才更有可能得到公司高层和数据治理组织的认可和支持。甚至可以说, CIO 和 IT 部门的价值,正是体现在数据驱动业务的闭环中。 那么,企业要如何才能建立起数据驱动业务的闭环?
首先,要从文化入手。
一方面,要建立使用数据的文化。俞迅认为,要在企业内部建立数据文化,让员工充分理解数据的重要性,提高对数据的敏感度,高层善于使用数据做决策,习惯用数据分析和决策代替以往的经验和直觉;沈琦以常见的会议场景举例,提到要从“会议中谈问题”转化为“会议中看数据”,从数据中分析问题,并以此驱动现场、流程、管理、财务等方面的改善;另一方面,要建立 IT 服务业务的文化。
其次,要建立数据治理的组织。
朱泉松告诉牛透社,自己曾与多家企业交流数字化经验,大家普遍认为成立数据治理组织 (或者项目组、委员会) 非常重要,因为这一点最基础,所以也最易被忽视。朱泉松认为,建立数据治理组织,关键是要做好责、权、利的分配。“在权力分配上,数据治理组织需要一把手挂帅,IT 部门和业务部门共同参与,这样才能共同驱动;在责任分配上,IT 和业务应当携手,以实现业务闭环为导向,联合形成整改方案;在利益分配 (绩效考核) 上,要联合人力部门,对数据治理项目的参与者进行绩效考核,才能保证项目落地。”
第三,要提高数据产生业务价值的效率。
沈琦认为,数据治理的底层逻辑,是要缩短从数据、信息、知识、智慧的转化半径。“数据治理的目标,是要把数据服务变成像白开水那样简单透明、解渴的必需品,让数据驱动成为业务部门的日常动作。”
沈琦称,要实现这一点,IT 部门应当做好三个转变:“一是在意识上要从业务提需求 IT 响应,转变为 IT 与业务共同合作,立足场景提炼企业适用的知识;二是 IT 部门应把为企业提供有效知识作为目标,帮助业务部门提升方法和效率;三是 IT 部门要将有效知识与业务进行关联、整合,做成统一的服务包,帮助企业解决生产经营中的问题。”
第四,要从源头抓数据质量管理。
俞迅认为,谈 “数据治理” 先考虑 “治理” 数据,谈 “治理” 数据就应将统一数据作为数据质量管理的源头,统一数据标准,加强主数据治理,提升主数据管理水平,在高质量的数据、共享平台的支持下,降本增效,控制风险。
俞迅以尖峰药业为例,提到数据管理的核心目标,是打造一套坚实的主数据管理体系,做到 “六个一”: 一个组织、一套业务语言、一套制度 (企业数据管理制度)、一个标准 (企业数据管理标准)、一个流程 (企业数据管理流程)、一个平台 (企业主数据管理平台)。 俞迅提到,要获取正确的数据,即对企业经营决策有价值的数据,而不是全部的数据。
第五,在创建数据的时候,就应当考虑到数据的使用场景。让数据和业务相互驱动、深入融合,不断迭代数据驱动业务的闭环。
AGI 时代,数据管理将迎来 AI 化升级,这将提升企业的数据质量,为企业带来更多数据智能。同时,也会推动 SaaS 企业从产品到经营上的 AI 升级。 俞迅告诉牛透社,AI 技术将为企业数据管理带来以下升级和改变:
第一,提升数据质量检测、分类标记等数据管理的自动化程度,帮助管理者和数据分析人员更好地管理数据,提高数据质量和可操作性;
第二,帮助企业更好地管理数据隐私与安全,通过自动化的数据访问控制和数据加密等方式,减少数据泄露风险;
第三,优化和迭代数据。AI 技术可以通过大数据分析和机器学习,优化数据存储和管理,降低数据成本,提升数据质量。
在数据应用方面,AI 技术将降低数据的使用门槛,让终端用户可以通过聊天对话的形式,更轻松、方便地调用数据。同时,AI 技术还可以缩短数据使用的链条,提高企业从数据中获取业务价值的效率。沈琦认为, AI 将帮助企业和员工更高效地萃取和整合碎片化知识,从而缩短数据触达使用者的半径。
随着大模型在各行业的落地推进,越来越多企业开始考虑如何在通用大模型的基础上,训练出适合自身业务的专用模型。SaaS 企业也开始尝试结合自身产品的业务场景,让大模型能够基于数据的学习和训练,为客户提供更加个性化、智能化的产品。
在大模型时代,SaaS 企业和客户将共同面临的一次数智化迭代。SaaS 企业除了要考虑如何调用大模型能力,为客户提供更加智能化的产品和服务之外,也要考虑如何保护好客户的数据安全。
数据,好比数字化企业的血液。血液通畅,企业才能身强体健,企业的数字化才能深入到业务中,真正产生价值。
受制于行业数字化的发展,相比较于数字原生企业,传统企业和中小企业在 IT 系统实施时,经常会面临“数据断点”的制约。企业软件服务商可以利用自身的数字化服务经验,帮助客户企业“舒筋活血”,打通企业数字化的“数据断点”,从而提升产品的实施效率和成功率。
群核科技副总裁兼客户成功部总经理汤锡峰告诉牛透社,在大家居行业,因为客户数字化程度参差不齐,导致 SaaS 产品在实施环节遇阻的情况较为普遍。例如酷家乐在服务华北一家大型定制企业时,由于该企业的产品体系非常复杂,客户的工艺、模型还不够完善,工艺梳理也比较浅,造成了酷家乐在产品实施方面的困难,花了一年时间也未顺利步入对接阶段。
为了打通产品实施过程中的“断点”,第二年酷家乐重新安排了专家,在与客户深度讨论形成共识之后,重新梳理了客户的工艺和产品体系,继续投入半年时间,在建立了新的对接体系库之后,才最终顺利完成对接。
汤锡峰说,这个案例可以带给 SaaS 企业的思考是:“酷家乐有很多行业的实施经验和 Best Practice,但并不一定适用于所有企业,流程化和标准化实际上都是要考虑客户的特性,注意客户的业务能力和业务水平差异,在求同存异的前提下提升实施的效率和成功率。 实施效率和成功率提升,对于客户来说就是节约成本。 ”
如何提升实施的效率和成功率?汤锡峰认为主要有以下几种方式:
1. 参观标杆客户。通过最佳实践,降低客户的学习成本。
2. 客户预期管理。摸透客户,充分了解客户的执行能力和能力上限。
3. 预先发现问题。预先沟通,了解和发现客户的困难和问题,为项目的实施过程“排雷”。
4. 做好执行协同。制定有效的项目管理执行表,保证双方在项目管理上的协同与执行效率。
除上述几种方式外,SaaS 企业还需要成立服务团队,通过“产品+服务”的方式,帮助客户打通产品实施落地的“最后一公里”。
数据基础薄弱,尤其是对数据质量和应用的忽视,是企业数字化过程中的常见短板,也为 SaaS 产品的实施和使用,带来了一定阻碍。
企业数字化的成功,离不开三个关键要素:充分准备、对的产品和高效实施。充分准备: 包括企业的数据管理、业务梳理,以及组织建设等,这些是数字化的“土壤”; 对的产品: 企业 数字化需要的是适合当前业务阶段的产品,而不是大而全的产品,这一点需要 SaaS 企业与客户达成一致; 高效 实施 : SaaS 企业需要通过有效的沟通 和服务 ,帮助客户更好地使用 SaaS 产品,为后期的续费、增购和推荐做好铺垫。
从选择好用的软件服务,到用好软件服务,是一个贯穿企业全生命周期的价值链条。 对于 SaaS 企业来说,要提高 LTV (Life Time Value,客户终身价值),不仅要注重产品交付,还应当重视产品背后,可能影响到产品使用深度和体验的实施、服务、运营等综合因素,做好“全域服务”,才能建立起竞争优势和壁垒。
本文来自微信公众号“牛透社”(ID:Neuters),作者:张保文,36氪经授权发布。