文章专家观点王宇:数据驱动决策的难题与突围
点赞 (6)
资深作者王宇
王宇 36氪企服点评专家团|HiCTO技术合伙人

针对企业数字化的话题,目前已经是汗牛充栋,无论是选型还是产品,亦或者是实施,都已经足够让人眼花缭乱了,因此笔者就不在这里赘述。

但笔者最近接触了一些创业企业,也观察到了一些有意思的现象,那就是虽然很多企业把数字化作为重点,也表示出足够重视,但在企业中,数字化似乎只停留在数字本身,并没有形成有效的决策能力和数字化配套的组织能力。

本文笔者将通过对组织、人和架构的解析,来讨论下那些让数字化真正落地的阻碍是什么?

王宇:数据驱动决策的难题与突围

 

为什么把创始人放在第一部分来写,是因为目前我所接触的创业公司,基本还是延续“围绕在创始人为核心”的组织形态,创始人的思路、做事风格和决策方式直接决定了数字化的落地效率,所以我针对不同类型的创始人,先做一番讨论。

(一)偏原生创业者

对于初创公司来说,决策效率往往来自创始人本身的背景和经验,如果创始人之前没有在成体系的大厂工作过,则往往依赖直觉和信息进行决策,对于数据的理解相对会缺失的较厉害,从底层架构、人员能力支持、组织搭建都需要依赖外部的建议。

因此这类公司缺失的其实是一个能够初步运转的体系,让决策层能够体会到数据的价值。由于这类创业公司的合伙人也往往是与创始人类似的背景或是体系的,因此大家在数据上的体感趋同,很需要有一个资深的外部角色来帮助他们快速建立闭环的数据体系,摆脱只看大数据或是只用来证明主观观点的情形。

因此,这类公司在数据化落地时,最合适的方式不仅仅是引入产品实施,最好是搭配一个同行业的资深数据专家。专家以偏咨询的方式,帮忙解决以下几个问题:

A、从一开始的业务报表化给予指导,建立更全构架的数据体系,而不是仅围绕短期目标;

B、指导各业务团队学会对于数据的解读,而不是仅仅停留在问题+主观判断的阶段;这一点往往是很多初创企业容易犯的错误,很多业务团队会提出问题,但缺少合适的角色对需求进行解读并翻译成合适的埋点、数据获取的方式,以及进一步处理数据来解答问题的过程;

C、作为一个独立角色,始终将团队的注意力留一部分在业务与数据的结合上,而不是全部跟着业务目标本身零散的思考,这一点是很多团队自身很难意识到的。

(二)有过一定大厂经验的创业者(非高管)

有过一定大厂经验的创业者,往往是亲历过,甚至亲自实施过数据化以及数据化决策这套体系的,因此无论是认知还是经验都不是问题。而且往往团队里会有某个合伙人是有能力兼顾这个角色的,从一开始就能建立一套能够使用的数据体系,并支持到业务。

但由于在大厂做业务时,往往仅专注于某一块业务的能力搭建,因此当创业业务度过了早期的发展阶段,需要更加精细化的运营以及更加有效的决策依据时,就会缺少进一步提升数据能力的思路和经验。

这个时候将一个专门的数据角色独立出来,持续积累就可以作为考虑项进行讨论。一方面原有负责人的业务压力更重,分在数据上的精力就会更少,另一方面,这个时候数据要对业务进行一定的反驱而非简单的支持,需要更持续以及更加专业的角色加入,并着重解决以下几个问题:

A、在原有的报表化数据体系上进行升级,用更加灵活的方案提升整个公司灵活使用数据的能力,缩短获取数据结论的时间和流程;

B、在原有的决策体系之上增加独立的数据决策思考角度,在偏经验、主观的决策方式上增加稳定客观的数据维度决策参考;

(三)有足够大的管理经验的创业者

这类创业者往往从经验、管理能力、团队建设上都没有太明显的短板,因此对于数据的运用也基本上足够有效。但这类创业者面临的挑战反而更大,因为既有的数据化管理能力已经基本达到了,而要学会在这上面推出新的东西,成为进一步的增长引擎,反而更加缺少一些借鉴,需要创新以及组织试错的能力。

举个例子,前几天“增长黑盒”团队写了一篇关于元气森林的文章《12000字解读元气森林:套利与降维的游戏》,里面就专门提到了元气森林团队借鉴了游戏测试的思路,建立了对于新品测试的一整套体系,这算是对传统方式的一种改造,再结合36氪之前的一篇关于字节的文章《9年70万次实验,字节跳动首次揭秘A/B测试》,可以明确感受,真正的数据化升级是要对原有的做事方式、团队以及流程做全方位的改造,这需要创始人足够的授权甚至是亲自参与。有兴趣的读者可以搜一搜这两篇文章了解下。

王宇:数据驱动决策的难题与突围

因此对于这一类的创业者,并没有太好的方案,最好的方式反而是招到一位足够信任,加上有一定话语权的数据化专家,让他在原有体系上尝试推出一些新东西,而非简单借

 

这一点也经常会在公司的架构调整时被反复提及,到底数据团队是放在业务下面还是独立的,亦或者分散在各个团队里面更合适?这里也要分几个角度来讨论:

(一)放到业务团队里

这个是很多团队的首选项,毕竟足够贴近业务才能给予足够的支持,但其优点和缺点都非常明显:

  • 优点:

A、在业务早期确实能够比较好的支持发展,也有相对足够的相应效率;

B、数据人员由于沉在业务里,对于业务的动态以及细节往往会很熟悉,也能快速理解业务的需求和想法;

  • 缺点:

A、缺少独立视角,数据人员最终是为了验证业务的想法或是观点,无论对错,中期就会形成封闭体系,无法真正洞察业务的问题或是帮业务建立更加客观的观测体系;

B、在这种体系之下,数据应用角色被分为了数据需求方和数据提供方,前者更多是用数据来做汇报和证明观点,而后者更多变成了一种取数工具,无法成长也不利于留下优秀人员;

C、如果各个业务团队都有自己的数据人员,那关于数据口径的争夺也会成为一种内耗,各家都会建立有利于自己的数据标准,一旦涉及跨团队合作,基本很难达成有效的共识。

王宇:数据驱动决策的难题与突围

(二)建立独立的数据团队

在多数创业企业,独立的数据团队往往脱胎于技术团队,最终作为一个单独单元放到产品技术团队;完全独立的数据团队反而不多见,汇报给创始人的就更少见了。

这类独立的数据团队,在早期会着重于数据报表以及数据产品的搭建,由于资源集中,能快速建立一套数据体系。但同样存在明显缺点:

A、与业务存在两套考核体系,导致人员支持的方向和目标不清;

B、由于分属不同团队,对于业务的理解往往会不够细致,一旦需求太多,就会变成浮于应付需求,并无法对业务进行更加有价值的支持;

C、对于数据产品的搭建一旦具备了基础能力,数据和业务的结合就变得更加重要,但脱胎于技术团队的数据人员往往会执着于数据产品的更新和迭代,从而造成资源浪费;

(三)建立相对独立的数据负责人,同时数据人员分散在业务中

这种模式往往会出现在比较有经验的管理团队中,如果运用合理,相对来说可以兼顾前两种情况的优点。

但这种模式也有一个比较致命的缺点,需要一个足够资深和格局的数据负责人来管理团队,同时推进建设。如果这个角色够强,这个团队除了能兼容上面两个模式的优点之外,还能带来以下几个价值:

A、统一各个业务团队的数据标准。这一点看似简单,其实十分重要,这是大大减少内耗以及提高决策效率的基础;

B、基于业务目标,在原有的业务手段之上建立一个更加高阶的观测维度;比如,在某些业务里把视角从用户增长,转变为核心用户增长(不要小看核心两个字,这背后就意味着整个管理团队对于自己核心目标的统一及清晰的认知,而不是执着于表面繁荣);

C、帮助创始人建立一个基于数据的管理工具(数据团队本身),能够从第三方的角度来帮助业务重新思考目标以及达到目标的手段。(这句话同样也是看着简单,但实操难,太多的创业团队喜欢打哪儿指哪儿,而不是指哪儿打哪儿,前者意味着主观随机性,后者才是有目标有步骤地前进)

 

对于能够帮助企业落地数字化的人才,这里也简单分析一下

这个角色首先一定是要有大量的数据化决策经验,并且真的在业务里有过实操的 ,这里并不是指那些取数能力、coding能力或是可视化能力,而是要能够理解业务目标,并具备把目标本身、过程节点以及好坏标准与数字结合的经验;

同时,这个角色最好自己也曾经是业务操盘者或是参与者,因为不同的业务解决的方案会大相径庭,运用数据的方面也涵盖极广,比如ToB业务会有销售管理、那就不只是数字本身,还涉及到管理流程、激励体系、客户洞察与数字之间的关系;而ToC业务,又会有大量营销能力建设,需要和媒体平台、投放方式、效果衡量有很好的结合。

因此,一个从业务中长出来的数据负责人要远比一个纯数据背景的有更大的潜力和掌控力。

只是可惜,这类人才过于稀缺,最优秀的那批往往也已经完成了业务操盘者的转化,而不是一个纯数据角色。所以与其找下属,不如找合伙人。

 

结语

数据化是一种文化,因此对于企业来说,第一责任人永远都是创始人本人,任何试图通过简单招聘来解决这个问题的手段最终都很难得到预期的结果。

所以对于创始人来说,在不同的阶段选择合适的人、组织架构以及处理方式就变成了在数字时代一种新的修行,无法逃避也不该逃避。

希望越来越多的创业者能够升华成数字的掌控者,并借此获得更高的效率以及更快的业务腾飞。

王宇:数据驱动决策的难题与突围

 

#推荐阅读#

 

专家介绍:

数字化转型路上,企业管理者必备的数据基础概念 | 专家干货
王宇:数据驱动决策的难题与突围

[免责声明]

原文标题: 王宇:数据驱动决策的难题与突围

本文由作者原创发布于36氪企服点评;未经许可,禁止转载。