文 / 朱东 殷塞信息 首席架构师、总经理

2000 年至今，财富 500 强榜单里的过半企业都被淘汰出局，取而代之的是与新时代相关的企业，今天，数字化已经深入到企业运营各个方面。

5 月 21 日- 23 日，以“传承•共生”为主题的「2021 未来CIO数字峰会」在山东曲阜成功举办。本届峰会由山东 CIO 联盟、安徽省首席信息官协会、江苏省企业信息化协会、浙江省企业信息化促进会、上海首席信息官联盟、福建省信息主管（CIO）网与崔牛会联合主办。

在会上，北京殷塞信息技术有限公司首席架构师、总经理朱东发表《发现数据之美——未来数字化社会的原动力》主题演讲，并从“未来长什么样”、“未来有多远”和“发现数据之美”三个维度进行分享。

十多年前，朱东从中国航空技术进出口总公司信息技术部总经理工作岗位离开，投入到数据分析的工作中去，用数据来推动企业绩效提升和企业转型，至今他从事这项工作已经十年。十年来，殷塞信息的客户已经覆盖第一产业到第三产业的 23 个行业。

朱东认为，如今数字化已经深入企业运营的各个方面，其对社会发展的根本推动力来自于数据应用所产生的价值。他列举了企业走向数字化所面临的“五座大山”——分析方法、数据、管理方法、组织文化与运行模式以及数字化的人才。

在朱东看来，实现数字化转型，要求企业能够以数字化的方式运行，核心团队必须具有复合型的数字化分析能力，这种能力需要以绩效改善、竞争力提升来验证。

朱东表示，数据文化是通过管理者身体力行建立起凭数据而非感觉说话，靠分析而非经验发现问题的管理文化氛围。它是管理者使用数据分析的一种偏好，如果企业没有这种偏好，再好的数据分析工具，做再好的数据治理，最后效果也不会好。

全文由牛透社整理，以下为正文：

十多年前，我从中国航空技术进出口总公司信息技术部总经理工作岗位离开，投入到数据分析的工作中去，用数据来推动企业绩效提升和企业转型，到现在从事这项工作已经十年。十年来，我们的客户已经覆盖第一产业到第三产业的 23 个行业，今年仍将继续增加。

今天我向大家汇报十年来的研究和实践结果，题目是《发现数据之美》，内容三部分：

第一，未来长什么样？

第二，未来有多远？

第三，发现数据之美。

未来究竟是什么样？国外的研究成果显示，20 世纪 1960 年代人类从工业化社会进入信息化时代以后的四十多年时间，我们就进入了一个新的时代——数字化时代。

在数字化的时代，快速发展的各种技术成为驱动整个社会经济发展的重要力量。这个变化会导致社会经济生活，包括人的成长，在诸多层面发生重要变化。

2000 年至今，财富 500 强榜单里的过半企业都被淘汰出局，取而代之的是与新时代相关的企业。不仅如此，数字化也深入到了我们日常生活中。这是我前两天从超市买的食品，他们的产品包装上都出现了非常重要的东西——营养成分表，所有的销售食品被强制标注，这小小的一张表让我们每一个普通人拥有了数字化地规划我们的日常饮食的可能。

下面是国家工业信息安全发展中心做的研究，该研究显示，这些年来随着信息化手段和数字化手段的应用，企业在经营、管理、运营各方面都产生了大量的项目应用，而这些项目的应用给我们带来了从成本节约到产品效率提升等非常多的价值。

从这些研究、先行者的实践中可以看到，数字化已经深入到企业运营各个方面，这代表了我们数字化的未来。在这期间我们发现，数字技术进入企业形成数字应用，最主要的原因是数据带来的价值，而数据产生的价值也就是数据之美。

我们常认为，一个系统表面看起来炫酷它就会起作用，这个感觉会误导我们。究竟什么样的系统才有价值？这取决于系统给管理者带来的作用有多大。

管理者使用数据进行日常决策，从收集数据、判断事实、分析问题，再到决策改善，需要一个很长的链条。在该链条中，传统的报表和指标作用很小，建立包括企业过程结果、内外部所有情况的完整指标非常重要，在此基础上给指标加上逻辑关系和思想，让系统变成交互闭环式甚至引入 AI + 机器学习才是解决之道。

很多人认为指标漂亮地展示出来就会起作用，实际并非如此。我们做数据分析、为领导提供决策，方法很重要，如果找不到正确的方法，可能难达效果。

除了错误的分析方法这个“头号杀手”外，还有哪些因素会影响数据价值的发挥呢？我们对十年来业界很多的决策支持系统进行了总结，发现通常大家按照这个逻辑来做，第一步领导非常迫切的想看到数据，这个时候不惜一切代价把数据展示出来，这个阶段叫看数。

当你从运行很好的 IT 系统中把数据捞出来整合展示时，你会发现拼到一起的这些数据会出现各种各样的窟窿，数据质量会出现很大的问题，此时会逼迫你进行数据治理。

当把所有数据治理好再展现出来时，数据并不能指导你的管理，它只能呈现数据，不能帮你找到和解决问题。你会发现，我们需要分析模型、需要有思想的 BI。用了一段时间以后，当数据帮你发现问题的时候，不一定能解决问题，不一定带来绩效提升，于是又不得不去研究如何应用有效的企业运行机制来使数据驱动业务。

所以，这个研究结果告诉我们，除了错误的分析方法，数据问题、管理方法问题、组织文化和运行模式的问题都会成为前进路上的阻碍。

当把所有问题认识清楚以后，现在还有一个问题需要解决——人。于是，很多企业大规模培养懂业务的人去学自定义报表，认为懂业务的人掌握了分析的技术，就变成了数字化人才。其实领导又想错了。

数字化的人才需要多方面的技能，绝不是懂得当下业务的人掌握分析方法就能成为数字化人才。在数字化环境下，管理者和分析者需要掌握的很多技能是前所未有的新型的技术，因此很多单位出现这种情况：数据分析师天天给领导讲故事线，但业绩却没有因此发生变化。

因此，从现在到我们看见的光明未来，（数据治理）存在五座需要克服和解决的“大山”：

第一，要掌握正确的分析方法；

第二，进行有效的数据治理；

第三，建立与数字化相适应的管理方法；

第四，企业中建立起植根于数据文化的持续改善的一流机制；

第五，培育管用的数字化人才。

当把所有问题都解决，我们才能快速进入光辉灿烂的数字化的世界。

发现数据的价值是展现数据之美的重要途径，那么怎样才能发现数据价值呢？

上面提到的决策支持系统价值提升模型属于概念模型，概念要变成价值必须找到落地的途径和工具。我们经过这些年探索，找到了真正成型的方法，这些方法使我们在传统的数据可视化方法之外给企业带来更大的价值。

这就是综合商业智能分析方法，它是把数据变成价值的一个方法。该方法告诉我们，当我们有一个管理目标，要分析并通过它去解决问题时，如何把它与业务联系起来形成指标体系，进而帮助我们实现因果分析、维度分析、聚焦问题，对问题采取针对性的改善措施，此时数据才能变成驱动业绩提升的方法。

因此，并非找一堆指标显示在屏幕上，问题就能解决。

除了这样的方法之外，不同的企业管理领域究竟弄什么指标放进去呢？这是我们另外的研究成果——企业经营分析体系模型，该模型适合任何类型企业。

这个模型告诉我们，企业形态中存在的 36 个不同管理领域中，每个领域存在多少管理主题，在每个主题下应该存在多少管理目标，在每个管理目标下又存在多少要素去影响我们管理目标的实现？在我们的研究成果中，36 个领域中大概存在 500 个影响管理的要素。借助它，每个业务领域中领导可以快速形成管理方法，进而快速建立分析体系。

第二个模型是企业标准业务模型，它告诉我们 36 个领域中，每个领域存在多少业务过程，每个业务过程中存在多少业务活动。这个模型中大概存在 1000 种业务活动，这些业务活动会帮助我们改善管理中发现的问题。该模型可把数据分析落地到不同领域，指导我们构建出有针对性的、完整有序的管理思想和逻辑分析。

上述均是聚焦于指标的分析方法，除此之外，还存在挖掘算法类分析，现在很多人叫它 AI 或人工智能，在这个领域中我们通常通过一些算法来发现规律指导解决问题。

此外，还有另一种当算法和指标都不灵、都解决不了问题时，如何在“烂数据”甚至没数据的情况下，进行数据分析的方法叫“数据探索”，这也是我们 2016 年探索出来的方法。我们认为，穷尽了人类迄今为止所有分析方法，就能帮我们在任何情况下迅速找到解决问题的途径。

我们曾与北航经管学院联合做过研究，研究了世界上迄今为止人类究竟有多少种核心算法。这些算法在数据挖掘、机器学习、人工智能领域会给我们带来非常大的帮助。

如何将这些方法综合组织起来来灵活解决业务上的问题呢？我们也形成了更高层面的综合数据分析的方法来指导管理。

五座“大山”里，除方法之外还有数据治理和企业运行机制的问题。

谈到机制，首先就要在整个组织中建立起数据文化。数据文化是通过管理者身体力行建立起凭数据而非感觉说话，靠分析而非经验发现问题的管理文化氛围，并培养各级管理者使其具备数据分析技能，这样的活动称之为数据文化建设。

数据文化就是管理者对使用数据分析进行管理的一种偏好。如果在企业中没有这种偏好，很多管理者还是喜欢通过经验进行管理的时候，再好的数据分析工具、再好的数据治理，最后效果也不会好。

数据分析的技术本身并不足以驱动组织实现新的战略目标，最后的胜出者是那些创造了新文化的企业，这些企业中，技术赋能于人，让人能进步、适应和驱动变革。换言之，成功的秘诀在于“以人为本”。

分析方法、数据治理和数据文化都建立以后，还需要另外一种方法论，在更高层面指导整个企业转型升级，这就是企业数字化转型的方法。

数字化转型在今天炙手可热，但有效的数字化转型需要综合设备自动化、业务 IT 化、管理智能化、企业生态化等各种手段，以适应整个组织运行模式和运行方式的变化。在这种变化中，我们需要采用综合手段去改变组织运行的机制才能实现，绝不是有了一大堆数据工具，企业就能实现转型。

除此之外，为了推进整个数字化的转型，挖掘数据的价值，我们还需要吸收总结人类迄今为止所有关于数据建设管理应用的知识。去年疫情期间，我们开发出了数据管理与应用知识体系，它由三部分构成：数据管理、数据价值变现和企业运营数据模型。

在知识体系建设方面，我们国家曾于 2018 年发布了 DCMM 国家标准（数据管理能力成熟度评估模型），它是一个以 DAMA（国际数据管理协会）的 DMBOK2.0 为基础，结合中国国情制定出来的国家标准，但它只负责评估发现问题不负责解决问题。

DAMA 和 DCMM 综合之后，可以从理论上解决数据建设管理应用的问题，但是两者都是象牙塔里的东西。于是我们引入了信通院组织国内 27 家公司撰写的数据资产管理实践白皮书，这个白皮书很接地气，但它也有一个问题：很多专家的观点与 DCMM 国标、DAMA 相违背甚至完全错误。

因此，我们需要去伪存真识别其中有用的东西。去年我们把这些有用的东西加上我们自己研究成果共同形成了新的知识体系，叫数据管理。这部分知识很好，可以用来专门指导技术人员做事情。但这部分内容也有一个缺点，就是不研究数据价值如何变现。

于是，我们在此基础上增加了第二个部分——数据价值变现。这部分内容是把我们自己这些年研究的成果作了一个总结，包括为了让数据变成价值，我们需要掌握什么样的原理、方法、工具和方案等。

第三，我们又开发了企业运营数据模型，为什么做这个？因为不管你做什么样的数据分析都需要平台，而这些年来数据平台建设（包括数仓、数据湖、数据中台等）普遍碰到了高失败率的问题，如何避免失败？答案就是要构建标准化和可重用的数据构件，实现了这一点，数据平台才能生存和发挥作用。

构建标准化和可重用的数据构件的前提，就是必须对整个企业运营有完整清晰和标准化的认识和描述，即我们所说的企业运营数据模型。

数据管理、数据价值变现和企业运营数据模型这三个部分构成了我们完整的数据管理与应用知识体系。有了这个知识体系，它就可以指导我们在未来数字化转型的道路上能够持续做正确的事，有了它，我们就可以无往而不胜。