車(chē)品覺(jué)：建立“數循環(huán)”框架，全面重塑你的商業(yè)邏輯

多年來(lái)，我自覺(jué)非常幸運，不斷有機會(huì )接觸很多頗具挑戰性的數字化轉型項目。離開(kāi)阿里巴巴之后，我相繼參與了北京市的大數據推進(jìn)小組的工作，以及粵港澳大灣區的大數據政策研究報告的撰寫(xiě)、京東數科的中臺建立等。同時(shí)，深度參與了紅杉資本所投資企業(yè)的數字轉型過(guò)程。而在清華大學(xué)、上海交通大學(xué)、香港大學(xué)等高校的教學(xué)工作讓我獲得了很多與互聯(lián)網(wǎng)、金融機構的領(lǐng)導層交流的機會(huì )，也承蒙大家的信任，讓我受益匪淺。

《淮南子·本經(jīng)訓》有云：“四時(shí)不失其敘，風(fēng)雨不降其虐；日月淑清而揚光，五星循軌而不失其行?！币馑际撬募緯?huì )按照既定的順序循環(huán)往復，星體會(huì )按照既定的軌道不迷失方向。其實(shí)，周而復始地循著(zhù)事物發(fā)展的軌跡，并經(jīng)過(guò)長(cháng)期的觀(guān)察，我們可以還原出很多事件成功及失敗的規律，由此可以看出，找出“循環(huán)”的重要性不言而喻。

在以前，想要在收集數據（觀(guān)察）上做到足夠全面和細致，其難度很大，即便在今天的大數據時(shí)代，數據存儲及計算的能力有了飛躍性的進(jìn)步，也依然如此。另外，世界的急速變化也在考驗著(zhù)我們對數據重塑的應變能力。本書(shū)名為“數循環(huán)”，是我總結過(guò)去的經(jīng)驗，持續思考并迭代出來(lái)的經(jīng)驗之談，簡(jiǎn)單地說(shuō)其意為數據與業(yè)務(wù)之間的循序漸進(jìn)的關(guān)系：行動(dòng)產(chǎn)生數據，數據發(fā)現規律，規律幫助決策，決策指導行動(dòng)，周而復始，不失其行。

任何一個(gè)數字應用場(chǎng)景中，都隱藏著(zhù)數循環(huán)的兩面

企業(yè)要想做好數字化轉型，首先要正確地認識“大數據”， 千萬(wàn)不要以為它是數據的加大版。從本質(zhì)上來(lái)說(shuō)，大數據的價(jià)值來(lái)自在業(yè)務(wù)閉環(huán)中對數據不斷重塑及發(fā)現（Reinvention）。數據在小循環(huán)中自然也能產(chǎn)生一定的價(jià)值，但在大循環(huán)中大數據作為公共創(chuàng )新資源被利用，且如果能在多個(gè)循環(huán)之間共生，這種疊加效應或將創(chuàng )造難以估量的價(jià)值，這也是它被譽(yù)為未來(lái)鉆石礦產(chǎn)的原因。正如我在 2014 年出版的第一本書(shū)《決戰大數據》中指出的：在某個(gè)循環(huán)中被認為是冗余的數據，在另一個(gè)場(chǎng)景中經(jīng)過(guò)整合則可能成為寶藏。2017 年，在我的第二本著(zhù)作《數據的本質(zhì)》中，我再次強調， 大數據是通過(guò)不斷連接而形成的，在編織這張“大網(wǎng)”的過(guò)程中，大家需要學(xué)會(huì )構建持續的互惠互利關(guān)系。

我想強調，在任何一個(gè)數字應用場(chǎng)景之中，都隱藏著(zhù)數據循環(huán)的兩面（見(jiàn)圖 0-1），分別是：以數據應用為中心的孵化過(guò)程（以用促通）和以數據資源匯聚為中心的營(yíng)運方式（以通促用），而數據戰略（包括了數據范圍的制定）正是兩者的指揮中心。

本書(shū)為了便于讀者簡(jiǎn)單識別，把它們簡(jiǎn)稱(chēng)為“用數據”及“養數據”兩個(gè)環(huán)節。企業(yè)要想把“用數據”做好固然是漫漫長(cháng)路，但 這始終是一條明線(xiàn)，只要業(yè)務(wù)目標清晰，做得好壞較易衡量。

但 “養數據”卻不一樣，企業(yè)如果缺乏清晰的戰略方向，不但無(wú)法養好數據，還會(huì )造成極大的資源內耗，比如管理層及普通員工的信心。如前所述，大數據的本質(zhì)及價(jià)值來(lái)自全域（大循環(huán)）數據之間 的連接，但對于數據來(lái)說(shuō)，越往外索求，其穩定性越難保障，而且 獲取的場(chǎng)景中業(yè)務(wù)性質(zhì)相差越大時(shí)，數據之間的隔閡就需要更大的 資源來(lái)進(jìn)行修補。

在我看來(lái)，數字化轉型中數據的有效循環(huán)有賴(lài)于 數據戰略目標及其范圍的合理及一致。如果戰略目標訂立得適宜， 那么成功就已經(jīng)在望了，但若想讓數據充分在業(yè)務(wù)環(huán)節中流通起 來(lái)，會(huì )涉及組織上的改變（包括破和立），企業(yè)在業(yè)務(wù)、技術(shù)、資源分配、人才培養等方面的觀(guān)念的轉變將成為轉型的核心。由此可見(jiàn)，在沒(méi)有構建一套頂層框架之前直接投入太多技術(shù)資源或人力成 本，是很容易造成科技未取得成效之前，企業(yè)的內部矛盾及糾紛就 已經(jīng)原形畢露這種現象的，這是國內外成功的數字化企業(yè)不多的主 要原因。

分享一個(gè)我在阿里巴巴的經(jīng)驗，大概在十年前公司管理層認為把集團內子公司的數據打通的最佳方法，是首先迫使大家把數據集中起來(lái)（這成為阿里云的基礎），但如今，數據的安全性要求越來(lái)越高，這種方法也許就不太合適了，目前更優(yōu)的策略偏向于減少數據轉移，代之以分布式技術(shù)把數據連接起來(lái)，最好還能利用區塊鏈技術(shù)對數據流通進(jìn)行跟蹤。當然，數字化轉型的戰略也必須隨著(zhù)政策、技術(shù)、業(yè)務(wù)需求的變化而變化及延伸。

以阿里巴巴的數據發(fā)展歷程為例，數據戰略可以分為嘗試期（已了解數據是核心競爭力，但大家還處在各自為政的狀態(tài)）；形成期（數據越來(lái)越多且比較混亂，想要駕馭混亂，必須上下左右駁合）；成熟期（集中精力，精耕細作把數據轉化為價(jià)值）。當初我加入阿里巴巴時(shí)集團正值從“嘗試期”到“形成期”的轉折點(diǎn)，急需一個(gè)供全面思考的框架，包括找出切入點(diǎn)、什么該快快跑、什么該慢慢做，等等。

這個(gè)框架應該以業(yè)務(wù)為核心、客戶(hù)為導向、結果為目的，絕對不能脫離業(yè)務(wù)講數據，可以說(shuō)是我心目中數據戰略的初步探索。記得在支付寶早期的一次戰略會(huì )議中，管理層討論了支付寶在未來(lái)作為集團最具數據化能力的公司應該做何種準備，如應該積累什么數據、要擁有什么技術(shù)能力及人才組織結構等。其中的一個(gè)重要決議是，認定了用戶(hù)信用數據是未來(lái)成功的關(guān)鍵，后來(lái)芝麻信用的建立應該與這次會(huì )議有一定的關(guān)系。

有了目標之后，如何落地就成了當務(wù)之急，對此，我一直強調的抓手是：以用促通和以通促用的循環(huán)。對用戶(hù)的信用數據進(jìn)行獲取及累積必須經(jīng)過(guò)與應用場(chǎng)景的駁合，這樣才能收集到數據（數據生命周期的始點(diǎn)），例如用戶(hù)的投資偏好及****還款情況、水電費及電話(huà)費是否準時(shí)繳付等。

從那時(shí)起，支付寶便致力于打造生活場(chǎng)景的應用，其中有些已經(jīng)成了今天的爆款，重要的是上述這些數據都經(jīng)過(guò)了“以用促通、以通促用”的循環(huán)，因此數據的穩定性能夠得到很好的駕馭，但即便如此，執行起來(lái)也并不簡(jiǎn)單，尤其是在傳統企業(yè)中，由于欠缺數據治理資源及經(jīng)驗，特別容易為了業(yè)務(wù)的需求而不惜代價(jià)，造成數據混亂不堪，無(wú)法與其他業(yè)務(wù)銜接重復使用。這些日積月累所形成的混亂，在日后數字化轉型的時(shí)候，將會(huì )導致昂貴的治理成本。

因此，數據治理框架的建立特別關(guān)鍵，所以我覺(jué)得有必要以非技術(shù)的角度讓管理層明白數據治理在數據化轉型中的角色及戰略意義。在寫(xiě)作本書(shū)的第二部分時(shí)，我反復修改了五次之多，目的是希望通過(guò)從業(yè)務(wù)（去技術(shù)）的視角來(lái)分析在數據生命周期的六個(gè)環(huán)節中管理層的戰略關(guān)注點(diǎn)，并探討了六個(gè)常見(jiàn)的棘手問(wèn)題。希望能讓管理層明白數據資源在業(yè)務(wù)運作的過(guò)程中的流轉如何才能達到在效率、成本、安全、用戶(hù)體驗之間獲得平衡的最優(yōu)狀態(tài)。

我知道對于管理者而言這些內容不太容易理解，但希望大家可以重視起來(lái)，因為這對于數字化轉型的成功與否實(shí)在太關(guān)鍵了，甚至可以說(shuō)是影響深遠。還記得在我作為阿里巴巴數據委員會(huì )會(huì )長(cháng)及后來(lái)作為頭部互聯(lián)網(wǎng)企業(yè)顧問(wèn)的時(shí)候，我發(fā)現很多企業(yè)分管業(yè)務(wù)的總裁會(huì )錯誤地以擁有多少量級的數據而自豪，卻不知道企業(yè)的數據利用率偏低、垃圾數據及重復數據占比很大的情況。如果企業(yè)管理層對數據生命周期的治理理解薄弱，那么自然會(huì )導致很多的重復建設及平臺推倒重來(lái)，其后果絕不僅是資金的浪費，還有人心的耗散。

破除三個(gè)層次的認知偏差，才能真正讓數循環(huán)創(chuàng )造價(jià)值

如前所述，數字化轉型的核心是對數據資源的“用”和“養”， 特別在當下急劇變化的世界中，敏捷的應變能力已經(jīng)成為企業(yè)的生存及創(chuàng )新之道，而敏捷的背后則需要有厚重的數據能力作支撐。因此，如今很多企業(yè)對數字化轉型的步伐越來(lái)越急切，但很多企業(yè)的領(lǐng)導者，在全力以赴推進(jìn)數字化轉型之前都會(huì )有這樣的疑問(wèn)：應該如何找出切入點(diǎn)？如何設置轉型中的優(yōu)先次序？數據中臺與數據治理有多重要？如何平衡數據安全與業(yè)務(wù)發(fā)展？如何才能找到適合的領(lǐng)軍人才？如何判斷轉型做得對還是錯？看來(lái)大家都意識到了走彎路會(huì )帶來(lái)沉重的代價(jià)！

管理層的猶豫其實(shí)可能來(lái)自企業(yè)在數字化轉型過(guò)程中所面臨的三個(gè)層次的認知偏差，企業(yè)如果能夠及早識別出這些認知偏差，就可以少走很多冤枉路。

第一層認知偏差：只注重效率，而忽視效果

首先，談到數字化轉型，大多數企業(yè)的關(guān)注點(diǎn)主要在于提升效率，但落到實(shí)操上，往往會(huì )陷入第一層認知偏差中，也就是認為：企業(yè)中的業(yè)務(wù)單元可以運用自身?yè)碛械臄祿?，利用分析工具及算法就能將?wèn)題解決。這種想法欠缺外部視角，沒(méi)有認識到大數據的價(jià)值在于其與外部數據進(jìn)行連接而產(chǎn)生的洞察力。這個(gè)認知偏差更會(huì )導致企業(yè)內部各業(yè)務(wù)單元各自為政，數據資源分布零散缺乏合力， 而且在數據戰略資源上的布局也必然是缺失的。別忘了大數據有別于普通數據的正是其全域打通的連接能力。

第二層認知偏差：只變革技術(shù)，而忽視管理變革

在第二層認知偏差中，企業(yè)盡管已經(jīng)意識到，充分打通數據并改善數據質(zhì)量決定了數字化轉型的速度與效果，但卻可能忽略了解決這個(gè)問(wèn)題是一件牽一發(fā)而動(dòng)全身的事情，不僅涉及企業(yè)內部的利益問(wèn)題及與外部的競爭關(guān)系，這背后往往還涉及利益分配及本位主義等問(wèn)題，組織上下不協(xié)調的現象也經(jīng)常發(fā)生。因此，數字化轉型其實(shí)也會(huì )涉及更高層次的問(wèn)題，這亦是傳統管理有待變革的原因。

第三層認知偏差：需要用開(kāi)著(zhù)飛機換引擎的心態(tài)來(lái)看待數據戰略

第三層認知偏差表現在企業(yè)對“謀定而后動(dòng)”與“小步快跑” 的平衡點(diǎn)的拿捏。大企業(yè)容易因為過(guò)度計劃而陷入原地踏步的狀態(tài)中，小步快跑雖然有利于快速迭代，但卻容易缺乏全局考慮，進(jìn)而造成重復性建設，甚至最終只能推倒重來(lái)。其實(shí)，只有少數企業(yè)會(huì )有這種認知：把試錯納入戰略及頂層框架的一部分去考量，然后不斷在實(shí)踐中復盤(pán)及打磨，以及在失敗中總結經(jīng)驗，找到有效的方法?？傊?，互聯(lián)網(wǎng)企業(yè)成功的數字化轉型戰略不是憑空想出來(lái)的， 而是干出來(lái)、打出來(lái)的。

企業(yè)都應該在啟動(dòng)數字化轉型之前對以上問(wèn)題有所認知及判斷。當然，這些問(wèn)題并不存在完美的答案，關(guān)鍵是不要讓試錯的成本放得太大。如果要我用兩句話(huà)來(lái)說(shuō)明我這 10 多年經(jīng)歷所學(xué)到的教訓，我會(huì )說(shuō)：第一，切忌好大喜功；第二，不要把數據轉型看成簡(jiǎn)單的技術(shù)問(wèn)題。

數字化轉型本質(zhì)上是一套“數循環(huán)”的組合拳

最后我想說(shuō)，真正高效的數字化轉型是一種遞減模式，起始時(shí)的業(yè)務(wù)范圍越大、涉及的組織越多、數據范圍越廣，落地則會(huì )越困 難。大數據行業(yè)迄今已經(jīng)發(fā)展了 10 余年，但無(wú)可否認的是很多機構還處于“望梅止渴”的階段。數據作為數字經(jīng)濟時(shí)代的生產(chǎn)要素， 與數據驅動(dòng)的能力息息相關(guān)，有些企業(yè)甚至把這種新生能力稱(chēng)為 “數據力”。作為大數據行業(yè)的先行者之一，我一直致力于推廣數據化思維的普及與應用。從《決戰大數據》到《數據的本質(zhì)》，我就是想通過(guò)這些著(zhù)作讓企業(yè)感受到大數據的重要性。

多年來(lái)，有一位前輩曾說(shuō)過(guò)一句我一直銘記于心的話(huà)，那就是“用好大數據的前提是先假設數據都可以被獲取”。馬云也曾說(shuō)過(guò)，真正的大數據就是你還未想通如何用的那些數據。這兩句話(huà)說(shuō)明了不要讓想法限制了無(wú)限的可能性，好像是在說(shuō)數據越多越好，但在數字化轉型的過(guò)程中，在資源有限的前提下，執行的路徑同樣非常重要，成功的關(guān)鍵在于聚焦，因而數據戰略絕不可少，因為很多企業(yè)都很容易被沒(méi)有定義好的數據范圍（data scope）搞得無(wú)所適從，擔心數據不夠的同時(shí)又怕資源浪費。

企業(yè)若想要立足當下，必須要判斷數據儲備對未來(lái)的業(yè)務(wù)需求來(lái)說(shuō)是否足夠，這肯定不是一件容易的事情，因而盤(pán)點(diǎn)數據的現狀就變得很重要了。根據數據范圍，企業(yè)可以為此規劃數據在“用數據”及“養數據”這個(gè)循環(huán)周期（見(jiàn)圖 0-2）中的資源配置、組織結構、保障機制及安全合規等能力。為了讀者可以更深入地理解，我把循環(huán)中的 6 個(gè)步驟與 6 個(gè)關(guān)鍵的治理要素組合成 6×6 的方陣，讓處于不同狀態(tài)中的企業(yè)可以各取所需，找到適合自己的切入點(diǎn)。

我一直認為在談?wù)摂祿信_之前必須先搞清楚以上問(wèn)題，否則很容易墜入技術(shù)的迷思之中。關(guān)于大數據的一套“組合拳”，從《決戰大數據》開(kāi)始，10 年大數據的渺渺光景，到《數循環(huán)》，應該可以為我在大數據的業(yè)務(wù)推動(dòng)方面的工作畫(huà)下一個(gè)句號，同時(shí)為如何在更符合道德

本文摘自湛廬文化《數循環(huán)》。