01　谁能早一步用好数循环，谁就能最先赢得数字化转型的红利

今日的世界，充满了不确定性，而“黑天鹅”事件也远非人类目前的能力所能避免，但是获得数据力可以助你应对不确定的未来。

大数据被广泛使用以及由此带来的经济活动上的一些变革，已经引发了全球性的关注。例如，互联网出现后，人类已经冲破了时间和空间的天然屏障。如今，地球上已经有超过一半的人口能够以极低的成本享受互联网服务。数十年来，在网络效应的推动下，互联网已全面渗透进社会发展的方方面面，深刻改变了我们的生产模式及生活方式。例如，虽然我居住在香港，但我每天的工作则通过网络与北京、上海、广州等城市相连，而熟识前沿科技趋势的网络社群则“驻扎”在像伦敦、波士顿这样的大型城市。如今，城市生活的很多方面都处在不同的物理空间中，而且产生了大量的个体数据，这些数据分布在不同的领域中，如购物、社交、娱乐、工作等，它们都独立存储且基本互不相连。每一个“我”的数据被存储在独立的服务提供者手上，而数据之多连使用者自己也无法估量。总而言之，数据已变得越来越分散。

另外，伴随着云计算及机器学习算法的普及，人工智能已经成了经济发展的核心推动力，也将数据驱动引领到了全新的阶段。但我认为在这个过程中，我们最关键的收获并不是技术的进步，而更多的是体现在组织内部因数据思维的变革所带来的创新能力的提升。企业若想善用数字经济所带来的红利，首先要明白数字经济的重要特征就是网络效应，在万物互联的智能世界中，数据每时每刻都在产生，并被互相关联，进而产生新的价值。数据是有生命周期的，这一周期包括收集、存储、生产、使用、流通、分享等过程，而且数据的生命周期具有以下特点：

·　数据资源与智能应用的关系存在强者越强的趋势。

·　数据的存储成本越来越低，但对数据进行首次提炼及治理的成本不菲。

·　数据可以被多场景重复使用，其边际成本最终会接近于零。

·　数据的价值很容易被低估，因为数据的价值主要取决于其使用后的效果。

·　数据的新鲜度及完整性，在开始收集的那一刻起就开始逐渐衰减。

随着5G、物联网、区块链等技术的相继普及，数据驱动将对各行各业都产生深远的影响。每一项新技术都有可能影响数据资源的分布格局，例如，智能电视所采集到的家庭数据，绝非智能手机所能触达；区块链的出现，则令数据变得更可信等。

数字化转型不全是技术活

大家在为人工智能与大数据的发展兴奋不已之际，是否想过，为什么真正从中获利的企业还是寥寥可数？其实答案很简单：大多数公司仍然处于大数据发展的初期。别忘了，像谷歌、阿里巴巴这些公司，10年前就已经启动了数字化转型的步伐。虽然至今，我们尚不能形容出大数据的全貌，因为大数据这一术语的内涵至今仍处于发展之中。但我依然坚信，未来是一个高速运转的世界，其命脉肯定依赖于海量数据驱动的实时决策与产品设计。大数据将从根本上革新人类的生活方式及企业的营运方式，甚至会催生出全新的社会形态以及产业。由于大数据具备外部性及网络效应等特点，因此，谁能在数据战略上保持领先，谁就有可能拥有明显的先行者优势，而一旦错过了，就不只是失去了机会，更是失去了未来的竞争壁垒。

那么，真实的现状又如何呢？NewVantage Partners公司在2018年的一份对高管群体的调研数据显示：在《财富》1 000强企业中，90%以上高管表示，他们所在的公司正在加快脚步增加对大数据和人工智能的投入，而且大多数高管都认为这个转变迫在眉睫，因为大家一致认为企业正面临着前所未有的挑战。但经过一段时间后，其中许多公司的高管表示并没有从这些前沿科技中获得令人满意的回报。这一事实并不那么出人意料，而令人感到奇怪的是：报告中宣称已经转型为数据驱动型企业的公司的比例反而下降了。更加令人惊奇的是：这一比例在近几年持续呈现出下降趋势。转型失败的公司高管认为，失败的原因主要是缺乏数据战略观，并面临着来自公司文化的挑战，而与技术有关的因素仅占5%。在我看来，实际上大家并没有弄明白问题的根本所在，正如“数据中台”“数据治理”“城市大脑”等流行语一样，大家都是似懂非懂，尚在摸索之中。

我一直很关注如何加速数字化转型，但我要首先说明本书中论及的数字化转型是相对狭义的，我更多探讨的是数据化及数据驱动如何在企业中激发创新的相关内容。过去几年，我先后在很多大型企业中担任顾问，也为北京市和上海市政府做了很多次大数据的咨询。在这个过程中，涌现出了一个关键的问题：在这些案例中，组织或机构遇到的问题都很类似，甚至有些问题一直在重复上演。无论是企业想通过大数据或者人工智能来促进业务增长，还是政府想通过人工智能解决城市发展问题，好像大家都把所有希望寄托在技术解决方案上，而承载着这些梦想的概念包括“城市大脑”“领导驾驶舱”“数据中台”等，从我的观察来看，其中的大部分概念只找到了“药名”，却尚未配出“药方”。所以，即使满怀强烈的数字化转型的意愿，没有正确的实践方案也是枉然。

在我看来，数字化转型的首要工作不是选择什么技术工具，而是找出更清晰的业务逻辑，明确如何通过数字化转型触动发展的转折点，并且探索出新的商业模式及模型，然后围绕着此目标制定实践方案。谨记：目标越清晰，数字化转型资源及力量就会越聚焦，也就越有利于效果追踪及迭代，这样一来试错成本就会降低，企业也会变得敏捷。

在数字化转型的道路上，除了业务逻辑，千万不要低估员工对科技新趋势的逆反心理。当员工（包括管理层）认为数字化转型可能会威胁到自己的工作时，他们会用不同的方式去抵制这种变化。对于领导者来说，及时认识到员工的这种抵触情绪非常重要，并要在稳定员工情绪的同时，挖掘成功的案例以引领内部对数字化转型的认同。我们可以把企业的数字化变革看作一个正循环：首先，在高管达成共识的基础上，运用数据驱动能力增强企业的效能与创新力。其次，在目标实现的过程中培养全员的数据能力、构建认同企业数字化转型的文化，进而促成数字化战略及策略的成功。这样看来，数字化变革的起点就应该是盘点企业中促进数据驱动的要素：数据资源及人才储备。

数据在未来将成为企业中的重要资源，而且与人工智能的发展有着密不可分的关系，但事实上，没有多少企业真正理解业务现状与数据资源使用之间的关系，更遑论找出未来在数据上的需求与当前的差距。可以说，没有得到适当使用的数据如同堆在库房中的垃圾，对企业非但没有价值，反而会消耗更多成本。

数据战略、数据治理、数据中台，构建持续型数循环的必经之路

数字化转型绝非易事，除了有良好的技术作为保障，也要遵循相应的转型框架，好的转型框架需要包含3个关键部分，分别为数据战略、数据治理与数据中台。

大数据的组成是多源异构的，其中包含4大趋势：跨境、跨域的数据合规，公共数据的开放及共享，个人隐私数据的使用和数据安全，它们虽然与政府政策的制定息息相关，但却间接影响着企业的数据战略。

在数字化转型的3个阶段下，企业若想成功实现突破，应遵循“八步法”。下面我来详细介绍一下“八步法”的具体内容。

我建议企业在数字化转型的起步阶段可以从业务的关键决策需求出发，先定下数据战略范围（步骤1），然后以此作为数据治理的目标（步骤2）及技术保障（步骤3），再由浅入深地引进机器学习算法，以加强分析海量数据的能力（步骤4）。

·　步骤1：关注决策过程，加强数据分析能力。

·　步骤2：建立数据资源，制定数据标准。

·　步骤3：制定管理规范，建设数据治理中台。

·　步骤4：加强对海量数据的深入分析能力。

我们需要注意的是“八步法”中的步骤4“加强对海量数据的深入分析能力”，它是企业数据驱动能力升级的分水岭，也是实现企业海量数据深入分析能力的必经之路。大数据从被收集到能被稳定使用其实是一个数据生命周期，需要一套精密的流程来进行管理，以保证数据的质量、时效、一致性等。

·　步骤5：建设外部数据的战略储备。

从步骤5“建设外部数据的战略储备”开始，已经是从外部视角看数据生态，在这种视角下数据生命周期的边界变得更广。企业在数字化转型过程中，自身基础的数据能力建设，如数据分析及治理能力的提升、数据标准和规范的建立、数据“仓库”及数据管理后台工具的建设等，都需要随着外部数据的加入而不断加强。在引入外部数据之后，企业应关注以下3个步骤工作的开展：

·　步骤6：建立数据的外部创新能力。

·　步骤7：推动自身数据的开放与共享。

·　步骤8：优化数据产业的战略布局。

当企业能清楚地认识到数据治理在整个数据生命周期中的重要性时，才是引入数据中台作为技术支撑的最佳时机，这也是我写这本书的初衷。我认为，数据中台的精髓在于把企业内共享的数据资源沉淀、整合并进行工具化，帮助企业灵活快速地改革创新，从而实现企业的战略目标。

堵、独、慢、漏，数据战略落地的四大阻力

虽然数字化转型的逻辑在多数人看来并不是难事，但是在实际的转型过程中却出现了很多现实的问题，导致很多企业半途而废，被新生代的公司挤出了时代。通过深入研究，我认为企业数据化运营的所有转型困境都可以用“堵、独、慢、漏”四个字来形容，企业中的“CXO⁽⁴⁾”、管理层，甚至基层员工都应该对此感同身受，这四种困境不但暴露了企业数据治理方面的不足，也显示出企业数据治理能力的缺失，以及内部员工对数据化缺乏信心。

·　堵：日常资料、报表信息量大，决策者难以捕捉有效信息。企业内充斥着多个称谓相似但数据口径不太相同的指标，比如，决策者案头上积压着的各种数据日报、周报、月报、研究性报告、市场竞争分析报告等。从如此多的报告中识别与提炼出真正有用的信息太难了，所以，管理者在日常经营的过程中常常缺乏有用的数据来为决策作支撑。

·　独：信息分散在不同部门，缺少有效的整合。企业中各业务部门间的数据孤岛现象非常严重，数据分析各自为政，缺少沟通及整合。企业中根本没有人了解信息或数据的分布以及如何获取，因而大数据只能是空谈。

·　慢：业务异动的发现和处理严重滞后。很多企业都缺少应对业务变化的主动机制和长效监控机制，当业务问题出现时，管理者通常被蒙在鼓里，自下而上的信息滞后，错过了修补的黄金时段，导致解决问题的时效性严重缺失，进而导致引发多种复杂问题，综合分析及同步处理问题的难度变得更大。

·　漏：关键分析成果取得成效，也难以沉淀。从问题发现、专题分析、解决方案制定再到方案验证，整个过程欠缺管理。资源持续投入，成本不断激增，但对数据的收集、整理、分析以及对有效方案的事后跟踪等，都没有积累和沉淀经验，最终导致数据治理举措低效和资源浪费。

一旦解决了“堵、独、慢、漏”这四大战略落地的阻力，那么就可以走到数据治理的环节。

数据治理精髓，切忌用短期解决方案解决系统问题

随着无人驾驶、机器人、深度学习等技术的普及，科技的不断创新已经成为很多企业无法掌控的不确定性因素，所以，企业也需要不断探索“数据驱动”的内涵。首先是运用数据做精准决策，然后致力于把数据决策能力渗入业务过程中。数据创新业务就在这个时候应运而生，这也正是业务数据化演变至数据业务化的过程。例如，阿里巴巴从淘宝业务衍生出阿里金融、京东商城孵化出京东数科、腾讯牵头成立微众银行等，都是让大家眼前一亮的华丽变身，所以，我希望大家在低头努力的时候别忘了抬头看一看天空。

在数字化转型的过程中，大部分企业最容易出现的问题是过于追求短期效益，而忽略了传统企业的纵向分工及信息管理的习惯，这恰好不利于知识的重复使用、共创、沉淀，企业也容易因此失去创新力。所以，我在这里提出企业数字化转型过程中进行数据治理的“三板斧”：

·　以制定数据战略为先。

·　根据战略方向（定出范围）并通过数据治理，解决数据在整个生命周期中的“汇—通—用”问题。

·　数据中台应该随着前两“板斧”的成熟而建立相应的技术平台作为支援，并致力于以自动化提高效率。

如前所述，在不同阶段，数据驱动有着不同的数据治理方法及技术要求。例如，业务的分析能力首先更讲究指标口径的制订是否有足够的敏感度及一致性，但若要处理大量的非结构化数据，如与客户投诉有关的数据，进行机器学习时则应尽量保留数据的原始状态，因为我们既希望整合客户的投诉信息，也希望保留投诉内容的原貌并将其用作其他分析用途。如果企业已经到了数据资产化的阶段，那么数据的品质及安全合规就变得极其重要了。

许多企业在数据治理和业务优先之间举棋不定，加上创新驱动型业务的市场在急剧变化，数据治理与数据复杂程度的不匹配，很容易导致企业陷入恶性循环。结果是，企业不但长期的数据治理工作没有做到位，还会拖累短期业务的开发。

组织架构与配套激励机制，做好数据中台的前提

纽约前副市长史蒂芬·戈德史密斯（Stephen Goldsmith）⁽⁵⁾曾经跟我分享建立智慧城市的经验。他说：“我们无法想象，一个传承了百年行之有效的组织架构能一下子适应新的智能时代带来的种种冲击。在关键的益处到来之前，我们还得循序渐进。”

任何完善的数字化转型都不能缺少敏捷的组织架构和能够打破常规的激励机制。以我多年的经验来看，技术架构和治理组织同样重要，而近年来，很多企业及地方政府也纷纷设立了数据管理委员会。数据转型的核心理念是利用组织的合力去推动“以用促通，以通促用”：这里的“通”不仅关乎数据间的联通，也关乎以人为主体的组织结构间的联通，而且是纵（各职能部门之间）、横（数据生命周期的各个环节之间）都要互通。

从本质来看，数据中台就是为了加强后台输送数据资源的速度以支持创新的能力，通过技术加强并提高治理及运营的效率，以实现对数据的高效利用。总体来看，数据中台的主要功能是加强在数据战略指定范围内的数据的沉淀、复用、共享、共创以及快速开发。所以，想要落地数据战略，对数据进行更好的治理，可以尝试搭建一个数据中台。

共享共创，提升数据中台的巅峰价值

数据中台的主要目的不是要建立数据孤岛，恰恰相反，企业在数据中台运营的过程中，只有做到了企业制度及文化上的“立”和“破”，才具备谈论数据共享思维的必要条件。从阿里巴巴到后来请我担任顾问的企业及城市，为了强化数据共享思维，都采用了实际的激励机制。“数据账单”是一种很好的工具，月度数据账单可以让大家知道部门之间的数据供需情况，能够充分促进企业内部对数据中台核心理念（以通促用）的理解。

记得曾经有一年，在阿里巴巴的总裁年度会议中，马云说那一年没有一个总裁达标，因为大家都没有很好地贡献出数据来，所以，数据共享思维这种观念的传播和文化的形成才慢慢得以实现。真正好的数据中台不仅可以给予现有业务高效支撑，其更大的作用在于：当各部门孵化创新业务时，除了搭建自己的数据平台外，还可以利用中台与其他部门的业务数据进行联动，即使当前的数据中台与其业务无法做到百分之百贴合，但数据中台上的结构化、高质量、高安全性的数据资源可能更足以支撑新业务的快速崛起。当大家学会了放弃小我、奉献于大我，合理地将数据资源前置到数据中台上实现“共创”时，数据中台的真正价值才能得以发挥。这也正体现了“海纳百川，有容乃大”的道理。