为什么企业总是很难真正做到“数据驱动决策”？
随着诸多企业数字化转型进入成熟期和收获期，数据的应用也愈发广泛和深入，不仅仅局限于数据的可视化展示，如报表、看板等，更要求可以真正推动业务科学发展，其中“科学决策”成为了关键之一。
在过往的数据支撑决策中，通常是以数据为先，决策者参考数据结果进行决策。但这种方式的问题在于无法避免“惯性思维”，即依然以自身视角查看、解读报表，再根据自身经验做出决策，没有系统化的数据思考意识，数据只起到了对于决策的少量辅助功能。
正如Gartner所判断：以决策为中心的数据和分析逐渐替代以数据分析为驱动的决策。永洪科技认为，做到以决策为中心的数据和分析，需要从以下两个方面入手——
1、深入业务场景建立数据体系
以决策为中心的数据和分析，需要保障数据以业务决策为出发点和落脚点，这就要深入业务决策场景进行数据体系的建立，其关键在于对业务的层层分解，形成可量化的指标。
以保险行业的承保模块为例，从基础、过程、结果三个方面出发，构建完善的数据指标体系。
如何分析一个保险公司核保风险管控水平？基于风控流程，一般从三个层面出发：一是风控基础分析，二是风控过程指标分析，三是风控结果评价。
第一层是核保风控基础指标分析
风控基础分析一般从6个维度出发。判断一个公司核保制度是否完善、核保流程是否规范、投保材料是否完善、公司使用条款是否合规、是否有系统的分析报告，核保人员配置状况。通过对以上基础管理工作的分析和评价就可以得出核保风险基础工作是否存在漏洞。
第二层是核保风控过程指标分析
核保过程监测指标可以从以下6个维度进行分析：保险费率的走势、财产险续保率、保险业务的销售费用率、已报告赔付率、变动费差影响比率、保费增长率。
这一层次主要反映核保风险管控的技术水平，技术是核保风险管理的核心，包括风险评估与选择、保险费率的拟定、保费业务手续费用的核算、自留保额的选择、保险标的再保风险选择。
以上核保风险管理将会对经营的结果产生重大影响。核保风险管理技术较高的公司过程检测指标往往较好，对公司的发展产生正价值。核保风险管理技术较差的公司过程检测指标往往较差，对于公司业务发展将会产生破坏价值，不利于企业的长久发展。
第三层是风控结果评价指标分析
核保结果评价指标可以从3个维度进行分析：公司的已赚保费比例、综合费用率、综合赔付率。产险公司各项核保风险管理的工作成绩最终体现在公司的保费达成与承保利润上，结果指标是反映核保风险管理的决定性指标。通过对核保风险管控结果指标的分析发现核保工作在那个板块存在问题，并可以进一步细化分析找出具体的原因并加以改善，从而提高公司的经营效益。
以此，从业务场景出发构建数据和分析，最终无论是形成报表还是管理者驾驶舱，都可以构建以决策为出发点、以数据为工具的数据体系。
永洪BI Demo
2、IT与业务相融合的协作体系
以决策为中心的数据和分析，需要重塑企业内数据应用的组织结构，改变以IT为数据分析主体、业务人员为数据应用主体的模式，这样的模式的问题在于容易造成数据与业务的割裂，同时使业务人员难以建立起数据思维，以决策为中心的数据和分析更无从谈起。
因此需要改变这种模式，将分析与应用合二为一，真正做到从决策出发的数据分析与应用。一方面，数据分析的IT人员应当走进业务，在组织层面划分到业务部门，或是成为类似于“IT BP”的角色；另一方面，更重要的是让业务人员具备数据分析能力和思维，这样在工作中使决策和数据合二为一。可以从以下两个方面进行：
工具方面，可以降低数据分析难度，并提供智能化的决策辅助。例如BI的简单易操作性，可以实现分析体系标准化，统一分析口径及计算逻辑报告输出自动化，全流程自动化完成数据综合分析，拖、拉、拽即可生成报表。同时可以通过BI实现“AI平民化”应用，全流程可视化建模，降低AI应用门槛，使AI深度分析与BI数据可视化深度融合以实现联动分析，使零基础的业务人员可以实现深度的自助分析，带来更多自动化功能及业务创新洞察力。
思维方面，可以着力培养企业中的数据分析氛围，构建有利于提升全员数据分析能力的制度。例如，某大型制造企业在企业内部打造了一系列培训课程，并制定了初级、中级、高级的数据分析师成长机制，建立了数据分析师的执行制，即初级、中级和高级数据分析师的晋升是在执行过程中升级，如果积极地进行了数据分析工作，就可以获得附加分。同时，还在整个集团范围发起了数据分析师大赛，提升员工的参与性和积极性。以此，构建了数据分析氛围，有利于提升全员数据分析能力。
