蘇春園：數據分析與決策的關鍵詞是“自動化”
在上一篇文章中蘇春園：當數據驅動成為趨勢，CEO該做何改變？，我們聊到數據驅動決策是一把手&CEO工程，以及DT時代CIO=Chief Innovation Officer的角色升級。
今天我們來聊聊如何讓創新落地，通過“自動化”的數據分析與決策，讓“人”釋放出來，專注于更有創意的思考以及更有溫度的服務。
《數據的本質》一書中有一個很小的場景，但讓我印象深刻：
車品覺（《數據的本質》作者：大數據專家，前阿里巴巴集團副總裁、現紅杉資本專家合伙人，被譽為中國數據化思考第一人。）團隊經常遇到的一個挑戰，是數據生產與制作流程需要大量數據清洗整理與準備即ETL（Extract/Transform/Load）的處理過程，即便是阿里般強執行的節奏下，一份簡單的分析報告也需要三天時間才能完成數據的預處理。結果業務部門自然態度冷淡，數據驅動不起來。
類似的場景處處都是，怎么辦？
只好來一場硬仗！
首先爭取到足夠的“彈藥”和“輿論”，包括強力的資源和人力投入、足夠的時間，還包括馬云和彭蕾等關鍵高層的理解共識；然后，內部不斷研發迭代，上下游配套展開一系列的業務流程創新；最后，在“試錯-升級”的反復磨合過程中，實現了大部分智能分析與決策的過程，從數據自動預處理、報表生成、維度自決，到問題自動排查、異常預警各個環節，全面驅動業務決策。
這場仗打了多久？
好幾年。
還好，終于迎來勝利的果實，這套數據決策體系系統性的提升了集團數據化決策的能力，為阿里在未來5-10年的持續增長打了下扎實的基礎。
阿里是全球互聯網領域的頂級公司，那么傳統行業的大鱷們呢？比如肯德基、星巴克、優衣庫等這些500強巨頭。
我和團隊曾經為很多這類500強巨頭提供過商業數據分析的產品，他們基本代表了傳統領域里面數據驅動決策的最高水準。
這些公司的典型特點，除了管理基礎很好，還有兩個容易被忽視的“人”的因素：
第一，有一個很龐大的數據分析團隊，包括各個業務部門里面自己能分析數據的業務人員，業務部門專門的需求分析人員，專門的數據分析師，還包括數據倉庫與商業智能（BI）團隊專門的ETL工程師、BI工程師、數據倉庫工程師、大數據團隊的算法科學家，以及專門的IT支持人員與管理運維人員等等；
第二，在業務的末梢，這些公司有很多理解精細化管理的運營人員，比如店長、督導、區域經理等角色，他們具備相當的看懂數據、解讀業務、做出合理決策的能力。
這兩點與“人”有關的因素，正是“數據驅動決策”在這些500強傳統公司能夠產生價值的核心基礎。
他山之石，可否攻玉？阿里巴巴與肯德基KFC，都是各自領域里面全球10段級別的選手。他們構建數據決策體系的路徑，能否直接借鑒？
根據過去十多年在美國與中國兩地的實踐，我的判斷是不大可能。
要構建阿里或肯德基這樣的數據分析與決策體系，需要有大量懂大數據技術以及懂大數據應用的人，經過長時間的不斷迭代積累，形成數據驅動決策的文化。而國內絕大部分的公司并不具備這樣的人力基礎，而且外部環境的快速變化，也不允許公司在黑暗之中長時間的探索與試錯。
當然，硬幣的另外一面是極大的利好，因為分工愈加專業，越來越多像觀遠數據這樣的“軍工廠”，專注于提供從數據到決策的“核武器”。在這個時代，絕大部分公司都沒有必要自己來重復造輪子，只需要聚焦主營業務，與外部合作伙伴來共建數據分析與決策體系，構建面向未來的企業大腦。
在我們看來，面向未來的企業數據分析與決策體系，最重要的關鍵詞之一是“自動化”。
-
能否自動的接入數據，并自動進行數據同步（Data Sync）以及處理（Data Prep），保證數據的準確與實時？
-
能否將業務分析與決策的過程形成可自動執行的分析鏈路，進一步對關鍵指標進行監控，讓數據追“人”，打通微信/釘釘，形成反饋的閉環？（Smart Alert）
-
能否透過數據的可視化呈現，自動探測到數據背后的業務“異常”，輔助業務快速決策？（Outlier Dectection）
以我們服務的多家知名連鎖零售類品牌為例，門店從數百家到數千家規模，業務變化頻度極高、線上線下深度融合。以前，傳統的BI更多提供“站樁式”的看數據，層層傳遞，級級溝通，既懂業務又懂分析的專家鳳毛麟角，往往成為分析瓶頸。當他發現某個門店的日商（日商：即每日銷售額，連鎖零售最核
心的指標）有異常，進一步發掘可能的原因，再進行分析決策的時候，問題已經發生了好幾天，錯失了第一時間處理的機會。
而這樣的場景每天都在不同的門店發生。
未來的企業決策大腦，必將是通過“自動化”的方式，進行數據全鏈路的打通與分析。80%以上的業務可以在第一時間自動形成決策結論，并將需要采取的行動建議自動推送給到相應的管理與運營人員，將每個人從繁雜的系統與數據中釋放出來，而專心為客戶提供更有溫度的服務。
專家介紹：
如果您想了解更多BI干貨知識，歡迎訪問36氪企服點評！
