商业决策数据化的十大要点

◇林 雷

◇林 雷

商业决策是企业安身立命并长远发展的根本所在，是企业的“神经中枢”。长期以来，企业的商业决策，往往依赖于个人智慧、领袖意志或偶发性的非逻辑化思考。随着数字时代的到来，我们的思考和决策过程也愈加数字化，历史潮流无可回避，关键是如何把握和顺应这一趋势，更好地服务于企业商业决策。

新华信通过研究，认为商业决策数据化有十大要点值得关注：

一、数据化的思维方式

传统理论认为，企业经营管理更多考验的是决策者的定性思维，也就是管理艺术，而企业运营管理则更偏重于流程和执行，可以大规模地信息化和数据化。随着时代的演进，科学决策与艺术思维的融合不断加速，未来大有取代之势，颇似数字电路对模拟电路的颠覆。

二、第三方数据源合作

随着大数据时代的到来，数据的获取成本变得越来越低，企业信息化将逐步过渡到社会信息化。企业仍将保持对核心运营数据（大部分是结构化数据）的管理，而针对非（半）结构化数据的需求则更多地依赖第三方资源，一方面可以极大地降低数据使用成本，一方面也要考虑数据安全的法律风险。

三、在业务中检验和更新数据

企业数据库中的数据在完备性、唯一性、准确性、及时性等方面存在众多的缺失，甚至存在虚假数据，不论是偶发的还是人为的。单纯的检验和更新数据动作，涉及的成本相当高，且效果未必佳。新华信认为，数据质量的管理一定要绑定日常的或创新的业务流程，例如可以利用微信建立客户互动机制来实时更新其联系方式。

四、数据的投入和虚拟分摊

信息化和数据化的投入相当大，且效果无法通过正面数字完全测量。所以企业需要一种合理的机制来实现成本的合理纵向（针对未来的计提）和横向（针对业务单元的计提）分摊，它可以是实在的财务数据，也可以是虚拟的计算。

五、数据治理和集成

企业数据的完全整合和集成，是一种理想状态；但如果不进行整合，企业级的数据分析也无从谈起。这个时候，企业级的数据治理就显得尤为重要，例如进行企业数据的统一编码和主数据管理，而新型的商业智能工具已经可以不依赖于数据仓库而进行整合性计算。

六、商业智能平台的建立

商业智能平台，对企业而言是阶段性的突破，是企业由“数据生产”和“数据使用”向“数据消费”乃至“数据享用”阶段的过渡。商业智能平台的主要任务是进行描述性统计分析，但是也可以为商业分析（即预测性的统计分析，构建模型）打下良好的基础。

七、商业智能能力中心

商业智能的大发展，必将要求一个“中央”机构来协调和管理企业内部的数据业务，它将由IT专家、统计专家、业务专家和行业专家等共同组成，是企业的“神经中枢”，将辅助企业核心层的经营决策。

八、拒绝平面思维

人类视觉的平面化决定了其思维的平面化，爱因斯坦的四维时空以及黎曼空间也仅停留在公式层面而无法具象化。但是我们的世界是多维的，我们的分析和思维也必须是多维的。新华信认为，时刻保持多维的思考模式远比掌握多维的分析方法（如OLAP）更加重要。

九、多维的可视化

不论何种分析方法，其结果都必须通过二维或三维的方式来进行展示，方便受众的阅读、理解、掌握乃至更深层次的分析。从某种角度来看，数据可视化就是数据语音和人类语言之间的翻译。

十、数据价值分享&应用反馈

数据分析的结果或发现的新模式，都是为了企业的经营决策，都必须在实际的商业环境中检验其价值。这就需要在兼顾数据安全（如权限管理、数据面具）的基础上，来实现分析结果的最大规模分享，同时要最大规模地搜集使用者的反馈，并加以进一步地探索和改进，如此循环往复、生生不息，方可确保商业决策数据化事业的稳步前行。

展望未来，商业决策数据化的下一个热点必将是大数据，挑战的不单单是我们所拥有的手段和工具，更多的是我们掌握的非结构化思维能力。