本世紀大概再沒有比今年更魔幻的一年了。
2020年初的這場疫情，加重了黑天鵝效應，也挑戰了各行各業在一片混沌和逆境中生存和增長的能力。
在疫情的倒逼下，企業的數字化轉型成為必然的選擇。「不轉型等死，但是轉不好型就是找死。」數字化轉型和數據化轉型是什麼關係？這個過程會對組織框架有哪些挑戰……
2020年的新冠疫情
本期「W訪談」，造就創始人湯維維和紅杉資本中國基金專家合伙人、阿里巴巴商學院特聘教授及學術委員會委員車品覺先生，一起聊一聊未來無數的中小企業如何數據化轉型。
數據化和數字化是一個概念嗎？
湯維維：很多人說我已經數字化了，比如銷售額的60%～70%已經線上化，而且也建立了供應商數字管理體系，那是不是說明已經數字化或者數據化了？
第二個問題，什麼樣的公司才是成功的數據公司？阿里是不是一個成功的數據公司？百度是不是？海底撈是不是？怎麼去定義一家公司是不是一個成功的數據公司？
這是我想問的兩個問題，因為只有當我們去判斷什麼是對的，或者說什麼是成功的數據公司的時候，我們才能找到一個楷模，告訴大家要往什麼樣的方向走。
車品覺：在我看來，數據經濟應該包含在數字經濟里。所以，雖然你的公司線上成交量可能達到了總量的60%～70%，但這並不能代表公司已經完成了數據化轉型。
數據經濟應該包含在數字經濟里
差的地方在哪裡？在於當你擁有了這麼多數據時，有沒有把它用在你的生意里：比如能不能用這些數據預測銷售業績、走向、庫存、爆款產品等；能不能差異化價格；能不能在眾多消費者中辨識自己的用戶；能不能區分出哪些是羊毛黨，從而提前做出風險控制；如果你是比較大的電子商務，搜尋引擎或推薦引擎有沒有充分使用這些數據，推薦一些你認知之外的客戶……
如果能把已有數據的價值挖掘出來，做好用戶體驗，增加客戶粘性，同時數據也能越來越優化，那麼我認為這已經是在數據化轉型了。
但如果沒有做到這一點，僅僅只是因為渠道鋪得好造成線上業務提升，這並不能代表已經完成數字化轉型中最重要的數據轉型。
數據是什麼，數據化為什麼重要？
湯維維：是不是可以這麼說，企業的所有決策是基於數據，而不是基於經驗判斷；業績也是基於數據不斷優化增長的，而不是別的？
車品覺：這兩點可以說是短中期里的判斷點。企業做生意不能只把當前的事情做好，這是不夠的，還需要用數據去驅動你思考未來的事情。
舉個例子，在PC端年代，阿里做的淘寶很受歡迎。但是在做PC端的時候就應該根據數據看到趨勢，當手機只有5%的覆蓋率時，就應該準備好做淘寶APP，同時還要思考怎樣讓客戶在手機端使用更順暢、更有趣。
所以在往前發展時，需要數據來試探一些新方向。在思考未來方向時，不只是自己的數據很重要，大數據也很重要。你需要思考，如何藉助別人的數據，讓自己在整個領域裡走得更好。
湯維維：所以自己的數據還包括了其他平台的數據？
車品覺：肯定的，今天還有個記者問我如何形容大數據。我說，其實就是一家企業使用外部數據去解決問題的一種更好的方法。
正常來講，你可以用別人的數據來幫助你做得更好，比如分析整個行業的走勢等。再進一步講，我們有時會發現企業數據有盲點，這會影響整個發展方向。所以發現自己的數據盲點很重要。
比如你的企業認為60歲以上的顧客在零售上是一個新的、需要關注的市場，但因為之前沒有這個客戶群，企業對這部分用戶的認識十分欠缺，這時就會進入盲區，因此要借用其他數據來幫助自己走出盲區。
數據化轉型中哪類人才最稀缺？
湯維維：數據化轉型中，人才是稀缺資源。懂得商業語言並且能把它轉移到數據上，解決實際問題，這種人一般是什麼職位？
車品覺：一般來說，這種人是產品經理，但實際上高層也缺少這樣的人才。我在阿里的時候，也有人問我，到底應該把技術人才培養得更有商業感，還是把商業化的人培養得有技術能力做事情？
結合多年的經驗，我發現這兩種人都不好找，事實上哪個選擇都可以，都要給他機會，只是要注意一個重點，那就是永遠從問題開始思考，這樣我們很容易鎖定需要的數據範圍，也就容易入手。當一個項目很難推進時，你可以回頭想想，我們到底是從數據入手解決問題，還是問題本身。
數據化轉型對企業架構會產生什麼影響？
湯維維：我們在進行數據化轉型時，以問題切入是一個比較好的方式，但實際上最後還有一個問題，到底誰說了算。所以在組織架構上，是不是要產生相應的變化？
車品覺：首先，要儘可能早的讓企業高管明白，如果不對數據進行集中處理，就失去了數據驅動的重要基礎，後續也就沒有辦法用數據把公司業務盤活。
我還想強調一點，是不是把數據全放在中央，就代表每個業務的業務線沒有自己擁有的數據？不是的，如果所有人把一堆標準化的數據給到其他分公司，那就損失了創新。
所以這裡有一個判斷，數據的所有權是公司的，但數據的使用能力是應該是分散的。
湯維維：按照你的架構，我覺得可能會產生兩個邏輯：數據凌駕在其他業務層之上，也就是說企業里既有業務組織架構，又有一個匯總的數據中台；這個數據中台必須有一個非常強的分析師，可以基於所有數據去做分析和判斷，優化企業的數據使用。但是實際上這兩個邏輯對於大量的中小企業來說都比較難推行。
車品覺：我們需要把這兩個問題進行區分，比如有些人提出數據力，也就是你首先得有數據資源，否則有數據技術也沒用，反過來說你擁有數據資源，但你沒有數據能力同樣沒用。所以數據資源、數據能力、數據的組織架構，以及如何對數據進行細化、疏通，這四個點是不一樣的。
有一點我可以跟大家分享一下。如果一家公司說它已經數據化了，而且非常成功，那麼你肯定能在他們員工的職責里看到，這個職位在整個數據架構里發揮著什麼作用。
成功的數據公司是怎麼樣的？
湯維維：數據力、數據資源、數據的組織架構，以及數據的疏通很重要，你是不是可以舉一個案例，某個成功的數據公司在這四個框架里是怎麼做的？
車品覺：我覺得阿里做得挺棒的。當年準備做數據委員會時，本來只打算做今天所謂的數據，但後來我們想做數據能力培養的數據委員會，因此分為了兩部分，一個是關於數據的組織架構，另一個是數據本身。
當時HR花了很大力氣梳理了跟數據有關崗位的職務特徵及其比例。從這一點上來講，我要提醒大家，如果一個企業要做數據轉型，當你改到這個地方時，要注意看看員工崗位職責有沒有真正落到這個點上。
湯維維：這是一個牽一髮而動全身的事情，每一環節都有關聯性，不是局部的事情，那麼企業里誰來做這件事？
車品覺：這個肯定是演變出來的，不可能第一次做就對了。阿里比較特別，我們每年的績效考評分兩部分，一個是業務，一個是人才。
當你談人才的時候，就必須思考如何讓人才匹配業務。
比如我發現產品經理有兩種，一種是怎樣把數據變成一件數據產品的產品經理，在這兒數據本身就是一件產品；另外一種是把這麼多數據轉換為一個產品。這是不一樣的，前者比較容易理解，比如把數據變成一個風控產品；後者是要把這組數據重組，然後把這一組數據變成別人的，可以賣給別人用。
如果在真實操作中，對這兩者不加以區分，大家的工作都會很彆扭，一個在想怎麼優化數據，另一個則在想怎麼讓現有的數據變得更有商業價值。
倒過來講，從業務角度，可能也要思考如何利用數據把用戶服務好，把業績做好。
對於大量中小企業，怎麼做好數據化轉型？
湯維維：對於大量的中小企業來說，比如一些處級單位，它們的表格還都是紙張，沒有辦法把這些數據進行統一整理，更別提怎麼去擁有數據力，從而挖掘出有效信息。
對他們而言，數據化轉型好像很遙遠，因為第一步都還很欠缺，那麼怎麼把業務變成數字？
車品覺：這個事情可以從增量去考慮。比如這些小企業不一定非得等到把所有紙張都變成電子後，才能開始一個企業的變動。
用上海的一網通辦舉例，實際上它就是重新樹立了數據的收集以及應用，從一個新的應用開始增量，這時就不用擔憂其他的東西還是不是紙張，需要關注的是怎麼吸引更多的人去使用應用，當越來越多人使用時，就有數據了。
所以當一個中小企業覺得這個地方太難，那麼能不能從一個小部門開始數字化，慢慢學習，這也是一條很重要的出路。
對於企業或者業務負責人來說，如何找到關鍵問題的切入點？
湯維維：企業的很多問題可能都屬於人的問題，怎麼避免把局部成功當成全局勝利的錯覺，如何找對切入點，有沒有一些判斷的邏輯？
車品覺：我認為今天我們在外面看見的框架都是技術框架，不是商業語言上的框架。比如你把一堆數據拿給CEO看，他可能根本不想看，也就沒有辦法根據今天的業務情況去判斷實際問題。
所以作為負責人，一定要應對著你的業務專門去制定數據範圍，要用它來做數據治理，當你知道了問題之後，才放技術、機制、組織去解決。
湯維維：所以它是基於問題的一個判斷，是為了解決一個問題，我們來匹配技術的機制和人力資源。
本文為「W訪談」節選內容。點擊閱讀全文，觀看完整內容。
（本文未經造就授權，禁止轉載。）
文章來源: https://twgreatdaily.com/bPI1AXQBd8y1i3sJjzMV.html