数字化转型和数据化转型是什么关系 有哪些挑战？

本世纪大概再没有比今年更魔幻的一年了。

2020年初的这场疫情，加重了黑天鹅效应，也挑战了各行各业在一片混沌和逆境中生存和增长的能力。

在疫情的倒逼下，企业的数字化转型成为必然的选择。“不转型等死，但是转不好型就是找死。”数字化转型和数据化转型是什么关系?这个过程会对组织框架有哪些挑战……

本期“W访谈”，造就创始人汤维维和红杉资本中国基金专家合伙人、阿里巴巴商学院特聘教授及学术委员会委员车品觉先生，一起聊一聊未来无数的中小企业如何数据化转型。

1. 数据化和数字化是一个概念吗?

汤维维：很多人说我已经数字化了，比如销售额的60%～70%已经线上化，而且也建立了供应商数字管理体系，那是不是说明已经数字化或者数据化了?

第二个问题，什么样的公司才是成功的数据公司?阿里是不是一个成功的数据公司?百度是不是?海底捞是不是?怎么去定义一家公司是不是一个成功的数据公司?

这是我想问的两个问题，因为只有当我们去判断什么是对的，或者说什么是成功的数据公司的时候，我们才能找到一个楷模，告诉大家要往什么样的方向走。

车品觉：在我看来，数据经济应该包含在数字经济里。所以，虽然你的公司线上成交量可能达到了总量的60%～70%，但这并不能代表公司已经完成了数据化转型。

数据经济应该包含在数字经济里

差的地方在哪里?在于当你拥有了这么多数据时，有没有把它用在你的生意里：比如能不能用这些数据预测销售业绩、走向、库存、爆款产品等;能不能差异化价格;能不能在众多消费者中辨识自己的用户;能不能区分出哪些是羊毛党，从而提前做出风险控制;如果你是比较大的电子商务，搜索引擎或推荐引擎有没有充分使用这些数据，推荐一些你认知之外的客户……

如果能把已有数据的价值挖掘出来，做好用户体验，增加客户粘性，同时数据也能越来越优化，那么我认为这已经是在数据化转型了。

但如果没有做到这一点，仅仅只是因为渠道铺得好造成线上业务提升，这并不能代表已经完成数字化转型中最重要的数据转型。

2. 数据是什么，数据化为什么重要?

汤维维：是不是可以这么说，企业的所有决策是基于数据，而不是基于经验判断;业绩也是基于数据不断优化增长的，而不是别的?

车品觉：这两点可以说是短中期里的判断点。企业做生意不能只把当前的事情做好，这是不够的，还需要用数据去驱动你思考未来的事情。

举个例子，在PC端年代，阿里做的淘宝很受欢迎。但是在做PC端的时候就应该根据数据看到趋势，当手机只有5%的覆盖率时，就应该准备好做淘宝APP，同时还要思考怎样让客户在手机端使用更顺畅、更有趣。

所以在往前发展时，需要数据来试探一些新方向。在思考未来方向时，不只是自己的数据很重要，大数据也很重要。你需要思考，如何借助别人的数据，让自己在整个领域里走得更好。

汤维维：所以自己的数据还包括了其他平台的数据?

车品觉：肯定的，今天还有个记者问我如何形容大数据。我说，其实就是一家企业使用外部数据去解决问题的一种更好的方法。

正常来讲，你可以用别人的数据来帮助你做得更好，比如分析整个行业的走势等。再进一步讲，我们有时会发现企业数据有盲点，这会影响整个发展方向。所以发现自己的数据盲点很重要。

比如你的企业认为60岁以上的顾客在零售上是一个新的、需要关注的市场，但因为之前没有这个客户群，企业对这部分用户的认识十分欠缺，这时就会进入盲区，因此要借用其他数据来帮助自己走出盲区。

3. 数据化转型中哪类人才最稀缺?

汤维维：数据化转型中，人才是稀缺资源。懂得商业语言并且能把它转移到数据上，解决实际问题，这种人一般是什么职位?

车品觉：一般来说，这种人是产品经理，但实际上高层也缺少这样的人才。我在阿里的时候，也有人问我，到底应该把技术人才培养得更有商业感，还是把商业化的人培养得有技术能力做事情?

结合多年的经验，我发现这两种人都不好找，事实上哪个选择都可以，都要给他机会，只是要注意一个重点，那就是永远从问题开始思考，这样我们很容易锁定需要的数据范围，也就容易入手。当一个项目很难推进时，你可以回头想想，我们到底是从数据入手解决问题，还是问题本身。

4. 数据化转型对企业架构会产生什么影响?

汤维维：我们在进行数据化转型时，以问题切入是一个比较好的方式，但实际上最后还有一个问题，到底谁说了算。所以在组织架构上，是不是要产生相应的变化?

车品觉：首先，要尽可能早的让企业高管明白，如果不对数据进行集中处理，就失去了数据驱动的重要基础，后续也就没有办法用数据把公司业务盘活。

我还想强调一点，是不是把数据全放在中央，就代表每个业务的业务线没有自己拥有的数据?不是的，如果所有人把一堆标准化的数据给到其他分公司，那就损失了创新。

所以这里有一个判断，数据的所有权是公司的，但数据的使用能力是应该是分散的。

汤维维：按照你的架构，我觉得可能会产生两个逻辑：数据凌驾在其他业务层之上，也就是说企业里既有业务组织架构，又有一个汇总的数据中台;这个数据中台必须有一个非常强的分析师，可以基于所有数据去做分析和判断，优化企业的数据使用。但是实际上这两个逻辑对于大量的中小企业来说都比较难推行。

车品觉：我们需要把这两个问题进行区分，比如有些人提出数据力，也就是你首先得有数据资源，否则有数据技术也没用，反过来说你拥有数据资源，但你没有数据能力同样没用。所以数据资源、数据能力、数据的组织架构，以及如何对数据进行细化、疏通，这四个点是不一样的。

有一点我可以跟大家分享一下。如果一家公司说它已经数据化了，而且非常成功，那么你肯定能在他们员工的职责里看到，这个职位在整个数据架构里发挥着什么作用。

5. 成功的数据公司是怎么样的?

汤维维：数据力、数据资源、数据的组织架构，以及数据的疏通很重要，你是不是可以举一个案例，某个成功的数据公司在这四个框架里是怎么做的?

车品觉：我觉得阿里做得挺棒的。当年准备做数据委员会时，本来只打算做今天所谓的数据，但后来我们想做数据能力培养的数据委员会，因此分为了两部分，一个是关于数据的组织架构，另一个是数据本身。

当时HR花了很大力气梳理了跟数据有关岗位的职务特征及其比例。从这一点上来讲，我要提醒大家，如果一个企业要做数据转型，当你改到这个地方时，要注意看看员工岗位职责有没有真正落到这个点上。

汤维维：这是一个牵一发而动全身的事情，每一环节都有关联性，不是局部的事情，那么企业里谁来做这件事?

车品觉：这个肯定是演变出来的，不可能第一次做就对了。阿里比较特别，我们每年的绩效考评分两部分，一个是业务，一个是人才。

当你谈人才的时候，就必须思考如何让人才匹配业务。

比如我发现产品经理有两种，一种是怎样把数据变成一件数据产品的产品经理，在这儿数据本身就是一件产品;另外一种是把这么多数据转换为一个产品。这是不一样的，前者比较容易理解，比如把数据变成一个风控产品;后者是要把这组数据重组，然后把这一组数据变成别人的，可以卖给别人用。

如果在真实操作中，对这两者不加以区分，大家的工作都会很别扭，一个在想怎么优化数据，另一个则在想怎么让现有的数据变得更有商业价值。

倒过来讲，从业务角度，可能也要思考如何利用数据把用户服务好，把业绩做好。

6. 对于大量中小企业，怎么做好数据化转型?

汤维维：对于大量的中小企业来说，比如一些处级单位，它们的表格还都是纸张，没有办法把这些数据进行统一整理，更别提怎么去拥有数据力，从而挖掘出有效信息。

对他们而言，数据化转型好像很遥远，因为第一步都还很欠缺，那么怎么把业务变成数字?

车品觉：这个事情可以从增量去考虑。比如这些小企业不一定非得等到把所有纸张都变成电子后，才能开始一个企业的变动。

用上海的一网通办举例，实际上它就是重新树立了数据的收集以及应用，从一个新的应用开始增量，这时就不用担忧其他的东西还是不是纸张，需要关注的是怎么吸引更多的人去使用应用，当越来越多人使用时，就有数据了。

所以当一个中小企业觉得这个地方太难，那么能不能从一个小部门开始数字化，慢慢学习，这也是一条很重要的出路。

7. 对于企业或者业务负责人来说，如何找到关键问题的切入点?

汤维维：企业的很多问题可能都属于人的问题，怎么避免把局部成功当成全局胜利的错觉，如何找对切入点，有没有一些判断的逻辑?

车品觉：我认为今天我们在外面看见的框架都是技术框架，不是商业语言上的框架。比如你把一堆数据拿给CEO看，他可能根本不想看，也就没有办法根据今天的业务情况去判断实际问题。

所以作为负责人，一定要应对着你的业务专门去制定数据范围，要用它来做数据治理，当你知道了问题之后，才放技术、机制、组织去解决。

汤维维：所以它是基于问题的一个判断，是为了解决一个问题，我们来匹配技术的机制和人力资源。

本文来自微信公众号：造就(ID：xingshu100)，作者：尹欢欢

关键词： 数据化