1.3.1 数据将从信息工具逐渐成为生产资料
2013年年初，《哈佛商业评论》和《MIT斯隆管理评论》都聚焦探讨大数据这个话题，众多学者提出一个观点：在未来，数据将会像土地、石油和资本一样，成为经济运行中的根本性资源，数据科学家被认为是下一个10年最热门的职业。人类已经由IT时代进入了DT时代，数据取代了石油成为最核心的资源。在未来，数据会成为像水、电、石油一样宝贵的公共资源。
可能很多人不理解，数据为什么会成为生产资料，为什么会成为像石油一样宝贵的资源？数据是虚的，大多数的企业还仅仅停留在将数据作为了解事物发生和发展的工具性信息，甚至有的企业“因为业务太繁忙”，还没来得及记录、收集、整理自己内部的数据。
人作为重要的劳动力，在60多年前，德鲁克在其经久不衰的《管理实践》一书中明确提出了“人力资源”的概念，他认为人力资源拥有当前其他资源所没有的素质，即“协调能力、融合能力、判断力和想象力”，是一种特殊的资源，必须经过有效的激励机制才能被开发利用，并会给企业带来可见的经济价值。
人力是资源，从传统意义上讲，劳动力制造出生产资料，带来生产资料的增值溢价，企业获得利润。而优秀的人力能够产生更多的附加价值。
技术在生产过程中很重要，邓小平说科技是第一生产力，有了技术，产品就有了竞争力，就能够获得溢价，就能够产生利润，技术是重要的生产资源。
数据也具有类似的特征，它是一种特殊的资源。数据通过被深度挖掘和分析，能够为企业经营和管理活动带来可见的经济价值增值，能够更加有效地发挥其他资源的创造力，提高其他资源的产出效率。
有了数据，就能够更好地了解客户的需求，生产客户所需要的产品，从而让产品有更高的溢价能力，有了更高的溢价就有了更高的利润空间；有了数据，就能够更加清楚地知道公司内部的经营活动，从而更好地优化内部的资源配置，提高内部的运营和管理效率；有了数据，就能够更加清楚地认知外部环境，做出更好的管理决策，降低决策风险，减少决策失误，能够让公司更加持续；有了数据，就能够更加熟悉竞争对手的日常活动和行为模式，提出更加正确的竞争策略，减少竞争损耗，提高商战胜算率，从而让公司持续发展。数据作为任何企业经营活动的“晴雨表”，还可以利用其不断总结出市场规律，指导企业实践。所以，数据是未来企业竞争的重要资源，并逐步成为战略资源的一部分。
1.3.2 用数据预测产品上市收益，控制市场风险
宝洁公司在每个新产品上市之前都要做未来销售额和销售量的预测，根据预测测算销售收入和利润收入，如果达不到预期，则终止上市或者再继续改进，只有达到上市要求的新产品才被通过上市审议。而这个新产品的销量预测和利润测算都是在大量的数据基础上，结合长期探索出的数学模型做出的。
一般情况下，新产品上市审议会由产品研发部提出，由市场部、市场研究部、财务部以及产品供应部共同完成。生产供应部需要确认在既定的计划成本下能够保质、保量地满足产品预测销量的供应；财务部对所有的成本和利润核算的准确性和真实性负责；市场研究部对市场预测模型的准确性和本产品的销量预测负责；市场部则确定在营销支持、渠道分销支持等方面能够按照既定计划完成，并对该新产品的最终市场表现负责；而产品研发部是新产品上市的发起人，并对配方、产品功能、产品性能方面负责。
笔者曾经负责多个国家的新产品开发，包括越南、印度、马来西亚、菲律宾和中国，当时主要负责洗衣粉产品的研发和上市工作。我们在预测每个市场新产品销量的时候，采用的都是雷同的模型，但是在每个数学模型中，各个国家测试结果都会根据不同的经验系数进行修订。
比如，同样的购买可能性1条件下，中国消费者对产品的整体评价会相对较低，1购买可能性：我们在消费者试用新产品后询问消费者，在某个价格和包装条件下，您购买这款产品的意愿有多高？我们采用5分值进行打分：
5——绝对会购买（definitelywouldbuy）；
4——可能会购买（probablywouldbuy）；
3——不确定（notsure）；
2——可能不会购买（probablywouldnotbuy）；
1——不会购买（definitelywouldnotbuy）。
而印度的消费者对产品的评价分值会高很多，这主要与消费者在面对陌生人访问时的文化有关系。因为地区差异不可比，我们就需要针对消费者对新产品的整体评价做出一个修正系数，不同的市场系数不同；同时，这个修正系数在不同的市场竞争状况下也是不同的。在早期，中国的洗发水市场刚刚开始起步，好的洗发水就是宝洁公司的海飞丝，这个产品就非常容易得到很高的购买意愿分和整体评价分。而随着洗发水市场的成熟，消费者给出的评价会逐渐降低，这种变化也考虑在内，这些经验系数也是随着预测模型在市场的实际情况不断修正的。
宝洁公司在推出每款新产品或者每次产品改进时都要做大量的市场调研、产品测试、消费者评估，并在产品上市之后不断收集消费者对产品的评价，随时调整公司的市场策略。这些都是基于大量的数据研究和持续不断地对各种预测模型进行修正、改进甚至改良的基础上的，所以其产品销量和赢利预测模型会非常精准。在这种情况下，新产品上市成功的概率得到了大大的提高。笔者在宝洁公司工作的那段时期，其产品上市成功率预估能够达到70%。
70%的成功率看上去不高，误差仍然很大，但是没有人能够保证新产品上市之后100%成功？特别是在快速消费品领域。你可以看到在一个不足100平方米的小超市中有上千个产品，经过3个月之后，这上千个产品大概能够消失30%，经过一年，能够继续留在货架上的产品不足10%。如果能够保证公司上市新产品的70%都能够成为这保留下来的10%中的一员，这才是一个公司的强大之处。而这个强大的背后需要大量的市场研究和数据分析的支撑，量化各种市场活动，保证公司持续地成功经营。
可能会有读者对这个销售额预测模型长什么样子感兴趣，其实它并不复杂，但是经验修正系数则是这个预测模型非常核心的地方。不同的公司、不同的客户定位、不同的产品品类、不同的市场竞争环境、不同的营销力度、不同的市场覆盖率都直接影响着这个模型预测的准确性，没有5年以上的持续摸索，用这个模型来决策新产品的上市，仍然会存在巨大的风险。
这个预测模型大概的样子示例如下：
预测产品销售额=目标市场总量（即目标消费者总数×目标消费者的人均消费量）×市场覆盖率×现阶段该产品市场份额（即零售检测数据）×广告和营销力度等级系数×消费者购买意愿修正系数×竞争对手响应预测调整系数……
以上的模型仅仅是一个示意，在实际工作中其要复杂很多。考虑各方面的因素，比如，广告和营销力度等级系数是按照常规市场内媒体检测各家公司的广告力度、促销力度等数据形成的具有经验值成分的修正系数，并且是非线性的调节系数，即不同的广告力度下会有不同的系数。
市场千变万化，本质上是很难准确预测的，就像天气一样，你无法精确预测未来的天气如何，但只要采集大量的数据，构建数学分析模型，持续分析数据背后的逻辑关系，并随着对数据的积累、经验的积累、模型的不断修正和完善，我们对未来市场预测的准确性就会逐步提高。现在气象局对未来7天内天气的预测准确度已大大提高，虽然还不够精确，但对生产安全、环境安全预警起到举足轻重的作用。在你感叹“奥运蓝”、“APEC蓝”和“阅兵蓝”的时候，你会发觉国家对天气状况控制的准确性已经非常高，这些都是常年积累的经验和数据在发挥着作用。就像有了数据，我们就可以预测并控制天气一样，有了产品、客户和市场的数据，你就能够控制市场销售额的多少，最初程度可能很弱，只有很小的影响，但随着数据完善程度、分析经验、模型准确度的提高，可控范围会增加，你对产品控制的准确性也会提高。
如果你的公司已经经历了5年以上的快速发展，仍然没有建立甚至还没有开始建立自己的预测机制的话，随着未来市场竞争越来越激烈，靠概率来生存或者靠拍脑袋来做决策，肯定不利于公司的发展。现在数据采集、存储、处理的成本不断降低，而你所需要做的就是行动起来。
1.3.3 用数据精细化成本核算，优化产品、订单、客户结构
笔者曾经服务过一个生产制造企业，主要制造塑料工业中间品，也就是塑料片材，产品的主要用途是通过模具压制塑料包装，客户订单从几百公斤到几百吨不等。因为企业所使用的原材料很通用，如果出现质量问题，只需要将塑料切碎，再加热成型即可，不会有太多的“浪费”。而从常规的加工制造过程来看，只要是每吨销售单价高于采购材料单价2500元/吨，就能够赚钱，所以该企业也一直未建立数字化管理，也未精细化核算相关成本和费用。不过市场一直不错，公司经过十多年的发展，也逐步达到年销售收入近10亿元的规模。
但是，该企业近3年业务发展却停滞了，每年增长率不足5%，甚至有时候还出现了负增长，公司利润大幅下滑。分析原因的时候，客户归结于劳动力成本上涨过快，其实工人工资在整个销售收入中占比不足6%，对利润的影响不是很大。
在我们要详细分析利润下降的主要原因时，发现这个公司基本没有数据管理。原材料买来就放到一个露天的仓库中，使用的时候就由工人开着叉车一袋子一袋子地往车间送；产品生产出来之后就放到露天的成品仓库，由工人装上车就拉走了，只有在采购的原材料进厂和成品出厂时才会通过地磅测量重量，之后物料的管理记录非常有限。因为在老板的概念中，只要原材料进厂、成品出厂两个关口把控好了，原材料还在厂里，成品只要不出厂门口，按照他的原话说：“好肉烂肉都在锅里，只要不出厂门，就还是我们的。”
没有数据，我们就不知道去哪里找原因，找不到原因，也就无法改善公司的管理。如果能够精确地计算出每一个订单的成本和费用，就能够知道哪个订单在赚钱，哪个订单在亏钱，哪些订单贡献的利润最大，哪个订单分摊的固定费用最大。由此就可以对订单进行选择，优化订单结构；在对订单分析的基础上，就可以优化客户，哪些客户给公司赚钱了，哪些客户虽然很大，但可能是亏钱的。
比如，一个500公斤的订单和一个50吨的订单，量差了100倍，但销售人员跟踪客户签订单所需要的时间差异不大、厂里排产计划安排所消耗的时间差异不大、配方调配所需要的时间和材料消耗差异不大、工艺调试稳定所需要的时间差异不大、厂里的跟单员跟踪客户订单所需要的时间和耗费的精力差异不大、其他的管理成本分摊也差异不大，而分摊到每公斤产品，这个差距就大了。而现在该企业仅仅诊断500公斤订单每吨上调400元价格，这200元的上调幅度是否能够支撑以上这些固定发生的费用？因为没有数据，所以无法核算。
随着这几年中国经济增速放缓，客户的日子也不好过，订单平均需求量越来越小，订单平均成交金额由原来的上百万元逐渐到了十几万元，而定价策略没有调整，甚至价差也在缩小，客户的回款周期在变长。为了能够利用剩余产能，有些时候差价从原来的2500元/吨变到差价1500元/吨的订单也接，否则厂房空闲、设备空闲、工人空闲都是很大的问题。工人工资标准不断上调，员工收入只能增加不能减少，能源费用、环保费用、税收等都在上涨，而原材料价格波动越来越快，一个订单生产完成后，已经又是另外的价格了，每次价差超过3%就有可能吃掉公司所有的利润，当然有些时候本来不赚钱的订单，因为价格波动原因也可能成为赚钱的订单。
1.3.4 用数据赢得竞标成功
建筑园林在生产管理上比地产建筑要复杂得多。地产建筑所需要的钢筋、水泥、玻璃、门窗、火电、弱电、水暖管材等，标准化程度非常高，有大量的产品是大宗商品，从采购到生产过程都有相对标准的规范。而每一个地产园林项目都需要各种不同的原材料来满足不同的风格要求，每个项目基本上都需要采购上千种原材料，而这上千种原材料可能会有上万家供应商在供应。所以采购价格弹性非常大，一棵5年的绿色树木，3000元/棵或者5000元/棵都有可能。自然生长的树木形状不同、风格不同、高度不同，即使通过标准化的修剪，仍然不能造就标准化的产品。正是这种形状各异的产品，构成了不同地产园林独特的风格，即使是同一个地产公司的相同地产项目品牌，每次都会有不同的风格。产品缺少标准化，而原材料的标准化程度也非常低，导致这个行业内的企业毛利空间差异非常大。
这样的企业，在具备一定的规模之后，如果不建立自己的数据库去跟踪，即使发展多年，仍然是“新手”，每次更换一个采购经理都要重新去采集数据，而每次投标都要重新在市场上询价，一方面在投标时间上会严重滞后，另一方面，大量的工作在重复着，重复询价、重复核算、重复寻找新的供应商。更为严重的是，如果监管不严，在采购权力下放之后，会导致各种腐败，而监管人员在面临着频繁变动的上千种原材料和上万家供应商之后，也将会有非常繁杂的工作，不可能监管到每棵树的定价。
该行业发展初期，毛利空间可以达到50%甚至以上，粗放式的管理问题也不大，交付每个项目都能够赚钱，只是赚多赚少的问题。而现在不同了，随着地产商集中度的提高，涌现了大量的大型地产商，他们集结人力和物力，构建了其建筑和园林两大行业的大型原材料价格数据库，从而在项目设计和施工过程中，严格把控生产成本，严重挤压了这两大行业的毛利水平，有些项目给的毛利空间不足10%。而这些建筑和园林行业的企业面临巨大的利润空间压力，因为毛利空间只有10%，做不好肯定亏钱。
如果企业构建了这几千种原材料和上万个供应商的产品供应数据库，常年积累，精细化管理，并动态调整和更新数据库中的数据，对产品的价格形成标准化的规范，并在长期积累的价格数据的基础上进行精细化的价格预测，企业在招标、投标的过程中，就能够对项目进行更加精细化的核算，精准地定价，在投标过程中更加精准地获得标的，也能够在项目执行过程中严控项目成本，保障最终利润。
而大型的企业，包括万科、万达这样的下游企业开始重视数据、收集前段的建筑材料价格、有强大的数据库的时候，他们会比一个实际采购原材料的企业更加懂得原材料的价格、一个项目的成本，更加了解一个项目应该有哪些费用，这个时候采购原材料企业就失去了议价能力，丢掉了溢价的空间，如果不能更加精细化地核算出什么样的资源配置能够更好地完成一个园林项目，那么企业在精细化生产的今天终将失去竞争优势。
数据给企业带来的不仅仅是信息，更为重要的是这些数据像技术资料、技术能力、专业知识等资源一样，是企业竞争优势的核心。同样两个企业竞标，谁能够更加清楚这个标的物的成本，且能够更好地控制这个成本，谁就能够有更高的概率获得这个标的，也就能够在直面的竞争中获胜。
1.3.5 用数据找到最合适的人才
在企业内部的大数据中，有一部分数据是员工活动的记录，这部分数据包括员工的行为数据、工作成果数据、参与公司活动的数据等，这些数据就如外部的大数据一样，是员工所有活动的信息记录。这些记录是员工在企业这个领域范围内非常精准、详尽且有效的数据，这个数据比采用外部各种社交网站或者各种电商网站上的数据更紧密且连续。
比如，员工上下班的打卡数据、门禁数据、参与生产或者经营活动的数据、登录公司信息系统的数据、参与会议或者培训的数据、提交的各种报告数据、给员工发工资的数据等，甚至还可以直接采集员工性格特征数据，可以对员工进行任职资格和能力考试、对员工进行定期体检、心理测评。可以说，只要是企业的员工，如果想收集以上相关信息是非常容易的，而这些数据又是非常精准的高价值密度数据。
对这些数据进行充分利用，通过深度挖掘和分析，就可以形成每一个员工非常精准的员工画像，对员工的能力、性格、行为习惯、健康状况、心理状况、心态等进行长期且持续的检测，然后再同企业内部各个岗位员工的输出绩效结果进行关联，就会发现优秀员工所应该具备的特征、特点、能力要求、特质要求等，从而形成最佳员工画像、最佳岗位匹配模型。然后人力资源再按照这个画像去招聘最合适的人选，就可以组建最适合公司经营和管理的最佳团队。
虽然以上的描述带有理想化的成分，但优秀的公司其实就在做这样的事情，而且已经做了多年。在大数据概念兴起之前，这些优秀的公司已经形成了本公司所需要的人才模型，进而根据企业发展和社会变革，不断修正或者优化最适合公司的人才模型。比如GE、IBM、摩托罗拉、宝洁等公司都有自己的领导力模型和人才选任模型。领导力模型用来选拔和培养公司的领导人选，而人才选任模型用来招聘最适合的员工。
摩托罗拉虽然没落了，但其在管理上给我们留下了很多启迪，影响着一大批优秀的公司。摩托罗拉对于内部的领导力评判有个“5E模型”，即在摩托罗拉，一个优秀的领导者应该具备5个方面的特质，这5个特质分别用5个E开头的英文字母组成：Ethics（职业操守，处于中心）、Envision（高瞻远瞩）、Energize（激情互动）、Edge（果断决断）和Execute（执行力），如下图所示。
摩托罗拉的领导力模型
而GE的杰克·韦尔奇认为，领导人应该具备的关键素质可以用“4E＋P”来概括，也是“GE领导力模型”的主要内容，与摩托罗拉的领导力模型稍有不同。分别是：Energy（活力），也就是现在经常说的每日充满正能量；Energize（鼓动力），即能够激励身边的人完成更艰难的工作；Edge（决断力），即能够迅速做出决断，在不确定的情况下识别出机会或者风险，具有快速决断的能力，也代表着能够承担责任的能力，这在摩托罗拉的“5E模型”中也有体现；Execut（执行力），即完成结果的能力，做事追求结果，从而能够有效达成目标；Passion（激情），对工作有一种衷心的、强烈的、真实的兴奋感。如下图所示。
GE的领导力模型
IBM则用一个“三环模型”来解释自己公司的领导力模型，强调“对事业的热情”，类似于GE的Passion，以此为核心，外层分别是“致力于成功”、“动员执行”和“持续动力”，如下图所示。
BM的领导力模型
宝洁公司的领导力模型在笔者在职期间曾经做过一次调整，由最初的“3E模型”变革为“5E模型”，这个模型的变革是在一群社会学教授和管理学教授共同研究之后做出的建议。最初的“3E模型”仅仅包括Envision（远见）、Energize（激发）和Enable（使之能），这3个单词的含义就是作为一个领导者需要看到行业和公司的未来，有对市场和行业的洞察和对消费者需求变革的洞察，从而能够洞见未来的状况，并激发团队实现这个远景梦想。在具体的日常工作中能够为执行者提供各种方法和支持，从而让执行者能够实现公司的目标。在2001年前后，为了适应越来越激烈的本土市场竞争，宝洁公司将“3E模型”扩展到了“5E模型”，在原有的“3E模型”基础上扩展了Engage（全情投入）和Execute（执行力）。
一个公司优秀员工的画像是本公司的领导力模型或者优秀人才模型制定的数据基础，如果没有实践检验，拿来主义的领导力模型或者自认为的领导力模型都存在问题，适合一家企业的员工不见得适合另外一家企业，在一家公司中表现优秀的员工到了另外一个公司可能会非常不适应，甚至成为无能的员工，这就需要以事实和数据为基础，然后提炼出优秀员工的画像。
1.3.6 用数据沉淀完成核心竞争能力的培育
数据为最适合本公司员工特质的提炼提供了基础，也为公司最佳实践提供了基础。所谓最佳实践，就是在本公司内部做某项工作，最好的做法是什么，然后让公司的其他员工遵照执行。有些公司把最佳实践管理得非常细致，并形成公司的业务执行指导方案，甚至一件非常小的事情都有作业指导书，有的指导书被做成了“傻瓜书”，大大降低了对人才能力的要求，即使一个刚毕业的大学生，也能够遵照这个“傻瓜式”的作业指导书将任务完成得非常优秀。
宝洁公司除了对员工有业务的绩效要求之外，还有非常高比例的“组织发展贡献”的评价，这是纳入到人事考核的。组织贡献包括对人才的培养、对制度流程的贡献、对最佳实践（又叫作SOP，StandardOperationProcedure，标准操作规程）的贡献，这些贡献在组织发展过程中发挥了巨大的作用，能够让公司的体系不依赖于个人能力而存在，并能够因为个人的优秀而让组织变得更加优秀。
在宝洁，任何一项新业务的操作，在“第一人”操作之后都要把相关的操作规程记录下来，形成作业指导书，又叫作CBA（CurrentBestApproach，即目前最好的操作方法），当这个方法成熟之后，会形成标准操作规程。以后每个人做类似的工作时，都必须按照这个SOP来操作。因为SOP的书写非常规范和细致，所以后来人能够非常容易地遵循这个标准流程有效地完成相关工作。
当然，如果你觉得这个流程不合理或者有更好的优化方法，就可以按照优化的方法来进行，并对你的行为做出解释。当实践证明你的方法更加有效，那么，你就可以在原有SOP基础上做出一个修正版，根据改动幅度的大小，再按照软件升级的命名方式来定义新流程文档的版本号。比如，你做出了巨大的改动，就可以定义这个SOP的版本是从V1升级到了V2；如果仅仅是修补式的改动，就可以定义这个SOP版本是从V1.0升级到了V1.1。
每年做绩效考核的时候，这种SOP的修订都会被计入到个人“组织贡献”中，组织贡献和业绩贡献一样，是KPI考核的重要指标，根据岗位不同，组织贡献有的占比达30%甚至更高。
这种最佳实践沉淀的活动虽然跟企业大数据貌似没有关系，实际上，这些就是公司内的流程大数据。这个数据的变化可以反映出很多问题：如果SOP修改的版本多了，说明外部环境变化很大；如果SOP修订少了，也可能是内部激励不足，或者团队氛围缺少创新。
有了流程数据，公司就有了经验。有了经验数据，掌握了周围的环境，公司就可以比竞争对手更容易到达目的地，得到想要的结果。就如我们进入一个没有任何灯光的黑屋子，如果我们每天下班都回到这个房子，那么即使没有了灯光，也会知道每个家具在什么地方，而且也非常容易找到自己要找的东西；而如果是完全陌生的屋子，即使我们也知道有几个沙发，有几个凳子，有多宽的通道，但是仍不敢在其中轻易走动。这就是经验的力量，也是熟识的价值。
在激烈竞争的市场环境中，外界环境的不确定性是我们做经营决策时所面临的最大风险，如果想提高自身把控外界环境的能力，就需要积累更多的数据，并在这个过程中，将数据变现成经验和能力，由此来提高我们对外部环境认知的确定性，因此数据是提高企业经营确定性的基础。
全文摘自《企业数据化管理变革-数据治理与统筹方案》赵兴峰著
该文转载已取得作者认可
版权说明：版权所有归明悦数据所有,如需转载请联系我们，我们将在第一时间处理，或请注明内容出处（《企业数据化管理变革》赵兴峰著），非常感谢！【往期内容已在（明悦数据）公众号同步发布】
下期内容更实战！
网友评论