十年互联网“圈地运动”结束,管理领域的“新基建”是什么?

如果要用一个关键词描述过去十年间中国大部分企业的经营方式,这个关键词恐怕会是:“粗放”。

“大碗喝酒、大块吃肉”,2018 年,移动互联网的大幕揭开。中国巨大的人口红利和产业互联网的高速发展让企业忙于跑马圈地,抢占市场,无暇顾及内部运营情况,试图用增长和规模掩盖掉一切经营与模式问题。

一定时间内,这样的战略确实奏效了。“速度”成为评估企业生存能力的重要指标;业务线少于 3 条,出门都不好意思跟人打招呼;而作为管理者,最大的职责之一,就是让团队跑得更快。

变化始于 2018 年下半年,企业的生存环境突然恶化。红利耗尽、经济下行、资本紧缩,大批企业开始为了曾经的“张狂”还债。然而情况并未好转,2020 年 Q1,新冠肺炎来袭,GDP 下降 6.8%。这是 28 年来,GDP 首次出现季度性萎缩。企业倒闭潮蜂拥而至、变本加厉,实体商业更是一片哀鸿。

即便不舍,我们也必须承认,长达 10 年的互联网“圈地运动”,结束了。

关于企业在疫情后短期内的“活法”, 各方专家的意见大体相同:若想生存,就一定要做到降本提效,现金流紧张、粗放管理的企业最容易倒下。

关于企业长期的“活法”,观远数据 CEO 苏春园、联合创始人 张进则表示:一定是回归稳健的精细化、数字化运营,快反制胜。拥抱商业智能(BI),或许是个正确的选择。

左为观远数据 CEO 苏春园,右为联合创始人 张进

BI ?这不是个伪命题吗?

相比于 BI 在欧美企业如日中天般的光景,国内企业家往往对 BI 颇为冷淡。许多人看到这个答案甚至会哈哈一笑:BI ?这不是个伪命题吗?

按照维基百科标准化的解读,BI 的含义是:“用现代数据仓库技术、在线分析处理技术、数据挖掘和数据展现技术,进行数据分析、帮助企业决策,以实现商业价值。”

定义内的关键词是“数据”、“决策”、“商业价值”,但数据和决策之间,却有一道无形的鸿沟,也是“伪命题”这个认知的根源:有了数据不等于就能做出正确的决策,有些正确的决策也未必是构建在详尽的数据之上。

陈天桥一度被认为是“赌徒型”CEO,
直到他公开表示 CEO 决策最应依仗的是数据

观远数据 联合创始人 张进首先肯定了这种质疑:“单纯的数据和决策之间,确实是有一条鸿沟存在的。BI 并不能代替人的思考,但 BI 可以完成部分分析和预测工作,简化决策的链条,让 CEO 有更多的精力思考真正关键的问题。”

以张进从 BI 服务的视角出发来看,传统企业经营确实存在一些问题,不能总凭“直觉”进行决策。但根据数据做出决策,却需要专业数据分析团队的帮助。所以,观远数据的一项主要工作,就是协助客户构建场景化的数据指标模型和运营体系。

2020 年,人人都知道数据很重要,但只有极少人懂得充分利用数据。

“BI 并不只是收集数据、分析数据、数据可视化,它还要满足企业各个层级的决策需求”,张进说道,“我们会选择企业面临的最重要的几个场景痛点,优先切入;通过采集与问题相关的数据或是提高相应数据的质量,完成对应数据的整合、清洗、治理和指标分析;然后根据数据分析结果去定位问题;找到问题所归属的业务部门和负责人,帮助他们落地可行动化的建议。”

除了服务于技术力量相对薄弱的传统企业、拥有大量线下门店的连锁零售以及消费品行业,BI 在互联网企业中的需求也逐渐被释放出来。

互联网企业自研能力较强,往往有自己的大数据分析平台或数据中台。但实际上,无论是数据分析平台还是数据中台,都不能替代 BI 存在的意义。

CEO 苏春园解释道:“对于大部分企业来讲,高频、详尽的数据分析并不是其主要盈利业务,不应该占用大量的团队资源。我们很多客户,不是没有自研该类平台的能力,只是没有必要。”

联合创始人张进也从产品技术的角度做出了解释:“BI 产品以“辅助决策”为核心,可以帮助决策者跨越数据和决策间的鸿沟,而且,以观远为代表的第三方智能 BI 可以拥有可视化自助分析、实时数据分析、AI 预测等能力,这是普通大数据产品不具备的。”

这样看来,行业内对 BI 的忽视,确实是个误会。

被忽视的“关键先生”

在苏春园眼里,当企业具备一定的规模后,BI 就成为了刚需:“每一位部门 Leader、店长都要根据每日的订单、财务、物流、供应链等运营数据去做决策,相关数据实时性越高、精准度更高,就越有利于企业决策。否则,管理者总不能靠 Excel 报表观察企业情况吧?”

带领团队离开 MicroStrategy(全球最大的独立 BI 公司) 回国创业后,苏春园更加坚定了 BI 必定能让行业变得智能化:“中国 BI 产业的发展,比国外落后 5 - 10 年,曾经的基础设施建设进度都比较慢,BI 毕竟是基于数据服务的,先有数据,才有 BI。”

他又补充道:“许多老板其实也知道数据很重要,可就是‘历史包袱’太重了,所以智能化改造的推进较慢。”

而这个历史包袱,不仅包含像孤岛一样散落在各个系统的数据源、脏乱差的数据质量还有永远无法达成统一的数据体质。BI 服务商想要走进客户,必须有足够的准备,帮助不同阶段的客户实现数据 Agile 敏捷化、Accurate 场景化、Automated 自动化到 AI 加持的 Augmented 增强化和 Actionable 行动化,这也是观远数据一直在强调的“5A”数据智能落地路径。

创业初期,他甚至自掏腰包为客户买服务器:“创业第一年,我们遇到一位客户,特别担心隐私数据的泄漏,需要私有化部署,但服务器的审批特别慢。我们一着急,就从京东下单自己买了一台服务器,与合伙人一起搬到他们公司去了,后来就忘了,哈哈(笑)。直到公司成立三周年的时候,才想起来,那一台服务器还没抱回来……”

为了实现国内 BI 产业的“弯道超车”,他还引入了 AI 的概念,联合多位合伙人一起打造智能决策平台,目标很明确:让 BI 更加智能化,进一步弥合数据与决策的鸿沟。仅仅在 2 年前,AI 的宣传价值还大于业务价值,但现在,在 BI 行业,AI 早已不是可有可无的“销售卖点”。

根据 Coresight Research 的数据显示,仅在去年,大规模降价就使美国非食品杂货零售商去年损失了 3000 亿美元,约占销售额的 12%,主要是由于错误的库存决定导致产品过多或产品类型错误产物。

这迫使超过 77% 的大型零售商都在使用 AI 来改善供应链管理。这也更加坚定了苏春园和张进走“AI + BI”这条战略路线的决心。

以比较热门的茶饮行业为例,观远数据可以通过新品追踪、畅滞销分析、动态监控和商品画像等分析模型,帮助其将新品在不同店铺的监测精细化到每 30 分钟、每 10 分钟一次。最快了解新品上市时在不同区域的表现趋势和市场接受程度,并且辅助预警功能,提前做好畅销新品的供应链端原料备货和区域性营销政策调整。

在 AI 辅助 BI 进行决策的当下,类似的场景十分常见,也进一步验证了“新” BI 在企业长期运营中“关键先生”般的核心地位。

看三年,做三个月

应用 BI 技术之后,企业业绩能提升多少?苏春园这样介绍:BI 不是能给你带来多少倍的爆炸式增长,而是持续产生比原来多百倍、千倍的增长机会。

谈到对企业 BI 的未来规划,苏春园一直坚信看三年,做三个月。一名企业决策者的眼光可以很长远,但实践方式一定是小步快跑、不断迭代。BI 一定不会是一剂急药、猛药,注定是一味温补调理之药。

近年来,数字化转型进入深水期,对数据的重视和应用恰恰是其中的关键内容。作为数据赋能的关键产品,BI 也与数字化转型的本质规律相近,张进说道:“大家一开始的时候,都会把数字化转型想成是多么翻天覆地的一个变化。但是任何一个大的变革,都是由一个一个门槛这样子跨过来的,BI 服务也是这样。”

“比如对零售连锁门店的管理,管理者可以实时、随地查看各区域门店的运营情况,借此进行快速调整;通过检测不同区域不同品类销售目标达成率,进而分辨是什么原因导致目标没有达成,是人员问题、物流问题还是商品匹配问题?“张进最终总结道,“通过更细颗粒度的分析,我们才能扩展到季度分析、年度分析,辅助战略制定,实现三年期的愿景。”

当这样的企业运营思路流淌而出时,人们仿佛能看见一位著名实业家的身影:李嘉诚。他极其重视企业现金流的健康,对企业运营数据精打细算;其战略大胆超前,但执行却步步为营,可谓是“看三年,做三个月”的典范。

著名实业家李嘉诚

对于大多数互联网企业来说,“快”比什么都重要。如果愿景是航空母舰,CEO 们恨不得先造一条渔船就上线迭代。但如果在精细化运营这条路上浅尝辄止,很可能会在“VUCA”时代尝到苦果。这并不意味着,管理者要为业务强行套上许多“不明觉厉”的前沿技术,而是要动用一切技术力量,解决最实际的业务问题。

就像观远数据联合创始人 张进所说:“我们不去单纯追求什么新颖的技术,而是要看技术如何能够赋能业务。脱离了业务场景,仅仅技术本身,其实没有商业价值,也没有社会价值。我们要做的是,让技术落地,能够解决实实在在的业务问题和业务痛点……我们又不是一个只能发 Paper 而不带来业务价值的公司。”

或许,如何抛开浮躁,回归企业经营的本源,也是每一位管理者都要细细思索的问题。

(0)

相关推荐