數據應用體系綜述
“企業發揮數據價值的前提是建立一套科學化的數據應用體系”
應用數據是一門科學
數據對于企業的重要性無需多言，上市公司財報數據反映這個企業的經營狀況;互聯網公司通過用戶大數據隨時去給用戶推送想要的信息;制造業流水線上傳輸的數據保證了國內千千萬萬的工廠正常生產。
但是，仍有許多企業徘徊在數據應用的大門前，找不到開門的鑰匙。而在眾多行業中，以傳統行業的形勢更為嚴峻，包括建筑行業、能源行業、傳統制造業、傳統服務業等。
這里面的阻礙因素很多，不過究其根本原因，就是企業對待數據的“態度”。數據應用并不是一盤經過煎炸烹煮的成品菜肴，而是需要經過食材種植、運輸、處理、存儲、烹飪、裝點等一系列復雜工序才能做成的系統性工程。
企業對待數據應用常出現非科學化的處理方式，如以下四個方面：
1、引導期：不主動挖掘數據需求;
2、前期：隨意決策數據應用建設;
3、中期：沒有應用開發的標準流程;
4、后期：應用上線后，沒有運營動作。
這類誤區的出現，基本預示著企業的數據應用建設經常空耗精力，無法得到實際成效。從科學理論的角度，問題在于大家沒有意識到應用數據是一門科學。
在 “數學”、“計算機科學”、“相關業務領域”三類學科的交融下，其中數據與業務領域結合是應用統計學，數據與計算機科學結合形成各類算法，計算機科學與業務領域結合形成企業內的信息化，而三者共同的交集就是數據科學。
數據科學包含三類特性：
1、科學系統性：數據科學遵循系統規律，可以通過實驗等方式進行驗證與探索;
2、學科交叉性：掌握好一方面的技術是無法利用好數據的，必須對多專業交叉了解，互相融合才能發揮數據的應用價值;
3、面向具體業務：數據科學如果不結合具體實際業務，成果會形如空中樓閣，對企業沒有實際幫助。
而因數據科學面向具體業務的特性，對于企業來說做好數據應用一定要明確清楚目標與價值。無論企業的內部或外部數據、結構化或非結構化數據、手工或自動化數據產生的價值都可以歸為市場價值、業務價值、管理價值三類。
三類價值代表著數據應用的三個方向，從收益上限來講，市場價值大于業務價值大于管理價值;從實現難度角度，管理價值易于業務價值易于市場價值。所以企業應該判斷自己所處的階段，先從數據的管理價值入手，再逐漸改變業務工作模式，甚至將數據投入市場實現數據增收。
具象化數據應用體系：六個方面和三個階段
明確數據應用體系的價值后，具象化數據應用體系則需要和企業實際業務結合。
*筆者從事于建筑行業信息化工作，本文常以建筑企業的實際業務來說明。
建筑企業的數據應用體系一般可以分為如下六個方面。
這六方面數據應用是為企業不同的三類人員服務的，企業管理者，更多地是掌控數據結果，通過數據最終的體現來支撐管理決策;企業業務骨干，相比管理者要更細化的進行數據分析與應用，將頭腦中的業務管理模型與數據相結合，形成有深度的數據應用;企業業務人員，不需要太過復雜的數據分析，一方面做好本身涉及的數據整理與報送工作，另一方面結合一些數據結果提升日常工作的效率。
進入實際落地環節，數據應用體系建設可以分為三個階段需求階段、開發階段與運營階段。
需求階段是要梳理清楚數據來源，一般數據來源包括業務系統數據、線下報表數據、企業外部數據、物聯網自動采集數據、業務專業數據(例如，設計圖紙中包含的數據)等。明確數據來源之后，按照價值區分市場、業務、管理三類目標，進行需求明確與篩選。
需求確定完畢，開發階段一般分為規劃設計、數據準備、技術建設、應用載體四個細分階段，從價值實現方式可以分為目標監控類、資源檢索類、問題追溯類、風險監控類等，不同價值實現方式所需要的設計內容、數據對接與應用載體會有所不同。
應用開發完成之后，就會進入到數據應用的運營階段，這一階段需要考慮不同的用戶特點，然后通過數據監控、培訓、個性化配置、價值評估等形式，將數據應用長期持久的運營下去。
這三個階段的科學方法是數據應用體系建設最核心的內容，以下三小節分別闡述各階段需要采用的科學化理念。
需求階段
“解決問題的第一步是面對問題”
任何數據應用的建設都要源于需求，需求點又和用戶的痛點緊密相連，所以需求分析的第一步是業務痛點的挖掘。業務痛點挖掘完成后，會形成企業數據應用需求池，由于資源有限，需求要有一個合理的機制進行篩選，篩選后的需求在經過準確地評審，才可以進入數據應用的開發階段，數據應用體系需求階段整體的流程可以概括為下圖。
數據應用的需求挖掘對于企業來說是一件難事，由于人員配置，數據建設者與用戶的語言并不互通，企業卡在這個環節的現象極其常見。
對于數據應用建設者想要做好需求挖掘，要從整體規劃與業務深度兩個角度下功夫。整體規劃可以通過相關行業場景地圖進行對數據應用的布局，以建筑行業的場景地圖舉例，要將企業整體的產業鏈(上下游的方向、客戶管理、供應商管理等)以及價值鏈(營銷、生產、招采、財務、人力資源等主題)描述清楚。
復雜組織的大型企業還需要將組織架構與業務融合，一般來說對于建筑企業，業務都會分為工程項目管理層與企業經營層，這兩個不同層級需要的數據應用細粒度也有差異。一線生產者更關注細節數據，從微觀角度去應用數據，而企業管理者更關注整體數據，從宏觀角度考慮問題。
整體規劃依附于對企業整體的了解，相對來說并不是一件需要花費多少時間的工作，而業務深度則沒有什么捷徑了，需要數據工作者沉下心來做企業的業務研究。
對于傳統企業來說，業務研究一般會基于五方面：
1、研究企業戰略：好的企業一切業務與管理為戰略服務，所以企業戰略對于數據應用體系的方向也是強指引作用;
2、研究業務管理制度：傳統企業一般各個職能部門都有相應的管理手冊，里面會描述清楚業務流程以及相關制度，這對業務細節的了解會有很大幫助;
3、研究行業先進案例：企業內部的管理一般會有慣性，一味的關注自身企業會引起閉門造車的負面結果，所以一定要花時間搜集同行業相關，多進行交流，這樣才不會陷入思維困局當中。
4、研究企業痛點：一個企業的好壞受行業的宏觀影響也比較大，所以嘗試站在企業視角，分析在整個行業角度企業有哪些痛點，會幫助提升需求確認效率;
5、研究內部組織痛點：除了企業視角以外，企業內各部門或分支組織之間其實也存在“部門墻”等管理問題，所以識別出內部組織痛點也能幫助數據應用建設對需求處理不再是一家之言，而是可以各組織間互相聯合。
通過上述的業務研究之后，數據工作者就可以更好地了解需求，對需求挖掘細化，站在用戶視角去思考需求。
隨著數據需求的挖掘，會逐漸積累成一個數據應用需求池，而需求池里面的需求優先級如何敲定，也需要進行科學合理的判斷。
一般判斷數據需求的優先級是從兩個維度考慮，一是需求重要性，這個主要基于業務痛點去進行重要性判斷，二是數據支撐程度，因為有些需求有很強的緊迫性但是沒有足夠的數據支撐。究其根本原因，數據支撐程度又可以稱之為業務支撐程度，因為往往數據缺失并不完全因為相關信息化建設欠缺，而是相關業務與管理不足。
由這兩個維度可以把需求池里面的需求歸為四類：
象限一：重要性高、支撐度也高，這個毫無疑問優先級要列在最前端;
象限二：重要性低、支撐度高，對于這類需求的策略是將其放在等待池中，待相關資源釋放或空閑時，可以去啟動去做;
象限三：重要性低、支撐度也低，這類需求應該果斷放棄，把核心資源投入到重要的數據應用上去;
象限四：重要性高、支撐度低，這類需求是最麻煩的，往往也會占據數據工作者的大部分時間(有的甚至達到80%以上)，面向這類需求最應該謹慎判斷，建立需求研判委員會進行多輪評審。最終會有兩個方向，一是雖然數據基本無法支撐，但是需求的重要程度影響到了企業運轉，那需要下定決心高額投入把此類需求做好;二是支撐度目前的確遠遠不足，需要等待時機成熟在啟動相關數據應用開發。
除了對需求的優先級排序外，需求在正式確定開發前，還需要進行一輪詳細的ROI(投資收益率)分析。
在ROI分析時首先要把數據需求的各類特征采集清楚，難點在于收益與成本的量化。收益量化除了評定數據應用給企業帶來的直接降本增效以外，還有一些間接與潛在的影響也需要進行量化，成本量化也同理，需要對直接的金錢、人員、時間成本測算，也需要對應用上線后帶來人員業務習慣改變帶來的間接成本進行測算。最后會形成數據應用需求的散點分布圖，優先重點投入高ROI區域的需求才是企業真正需要的數據應用建設。
需求階段最后也要形成明確的需求文檔，需求文檔要說明需求面臨的業務痛點、需求重要性、解決思路、數據支撐度、ROI以及需求的初步設計。緊接著，根據需求初步設計就可以進入到開發階段。
開發階段
“設計、溝通與技術同等重要”
首先開發階段并不單純指的是技術開發，而是從需求的詳細設計到技術開發，再到測試迭代，直至最終的應用發布上線。
開發階段可以分為三個關鍵流程，首先是詳細設計，是承接需求階段的初步設計，將需求階段的成果“概念具象化”、“內容細節化”“數據指標化”。其次是應用開發階段，通過軟件技術的項目管理與數據工具產品應用，進行快速的應用開發。最后是測試迭代階段，需要不斷通過科學化的測試方法進行數據應用優化。
詳細設計中，任何一個數據應用都需要先進行業務邏輯拆解與數據邏輯拆解，以建筑行業的進度管理數據應用舉例。
將進度管理的業務邏輯拆解為功能邏輯圖，發起項目總進度、年進度、季進度、月進度、周進度等平行計劃，然后與產值日報進行業務關聯，最后被進行進度糾偏;而數據邏輯圖是從分析角度，從WBS工程結構角度或從時間角度都可以進行目前進度的對比分析，最終形成項目工期預警。兩類邏輯互相結合，才能貼近用戶對于數據的實際場景產生業務實際價值。
在業務邏輯與數據邏輯解構之后，需要對用戶交互界面進行初步設計，設計者應該站在用戶視角，如下圖，企業的生產資源調度模型，需要先明確生產經營的訴求，然后根據訴求建立調度模型(例如，項目優先級排序，優先級高的項目可以調動優質的人員以及資金、資產、供應商資源等)。將企業的生產資源分為人、財、物、知識、供應商五類，先進行資源盤點，然后通過資源的需求程度進行合理分配，提升企業運轉效率。
分析思路明確后，通過“線框圖”的形式畫出數據看板的架構，再調動UI設計師進行頁面的交互與視覺設計，然后就可以進入到開發階段的技術開發環節了。
數據應用的技術開發環節與其他軟件類應用差距并不是很大，要著重過程中的項目管理與工具應用。
在技術開發形成數據應用初版后，數據應用的迭代優化至關重要，很多企業的數據應用匆忙上線后，因為效果不好，都導致了用戶對數據應用的不信任，并產生抵觸心理，更難幫助用戶使用起來。
在國內大部分企業處理數據仍采用線下excel手工的方式居多，數據應用的上線意味著給用戶產生了額外成本，所以在迭代優化時，注意用戶切換成本是最關鍵的一點。用戶切換成本大致歸為三類，用戶理念轉變需要一定時間與引導，舊有工作模式會產生歷史數據、數據邏輯等產物，遷移也有一定成本，而且用戶學習新的數據應用工具也有相應阻礙。
在用戶使用前，數據應用建設者核心目的是切換成本最小化，而用戶使用后，設計者則需要考慮如何讓自己的“數據應用”切換成本最大化，不斷的優化功能，增強用戶粘性。
在優化迭代的過程中，容易被部分用戶單方面的建議誤導，此時建議多采用A/B TEST的產品測試方案，通過控制變量科學化地設計數據應用，而不是只因為部分片面結果而錯誤的進行決策。
在開發階段如果把設計、用戶溝通、技術開發的重要性排序的話，應該是“設計>用戶溝通>技術開發”，因為數據應用的整體設計是最考驗對業務與數據理解的環節，也是大部分企業不足之處，而用戶溝通也會受信息差的誤導，需要設計者保持自己的理念，去甄別信息的重要性。技術開發雖說目前來說并不是瓶頸，但是先進的基礎技術，也對數據應用建設的易用性與長久性有正面的影響。
運營階段
“應用的開發完畢上線，對于用戶來說只是使用的起點”
運營階段是最容易被忽視的一個階段。
應用上線后需要進行一系列的培訓賦能、運營監控與反饋收集，相比開發階段來說，是一場持久戰。
培訓賦能要在宣傳推廣與用戶培訓兩方面下功夫，企業內部的數據應用還是很容易被用戶忽視，所以可以通過企業內部的宣傳渠道，將數據應用包裝成產品進行推廣，激發用戶興趣;而在宣傳推廣得到用戶信任之后，詳細且高效的用戶培訓也需要建設者花費精力，將培訓文檔細化、錄制講解視頻、建立答疑機制、建立企業內部學習標桿等措施，都會提升培訓效果。
在用戶培訓使用后要建立起科學的監控運維機制，首先通過技術手段，對數據應用用戶的活躍人數、訪問次數、熱點應用、訪問途徑、活躍指標等指標進行科學化監管。發現用戶訪問較少的內容，進行內容的二次優化，關注用戶下滑的情況，因為用戶不使用時是寂靜無聲的;其次，建立一定頻次的用戶回訪，注意收集用戶的負面需求，因為使用不深入的用戶是無法提出批評建議的。
運營階段其實是一個再次收集用戶需求的好機會，用戶的好點子，往往產生在用戶深度使用數據應用時。當需求反饋成功后，放入待分析的需求池，進入下一個需求階段的循環。
結語
“數據應用的成功絕對不是偶然”
隨著企業業務的變化，有關于數據的用戶痛點不斷產生，通過科學化的需求分析進行需求定位，最后再通過技術手段解決業務問題，并且迎接著未來業務的持續變化。
這是一個動態的過程，由一套科學理論所支撐，目標是建立起企業一個長久不衰的數據應用體系。
最終可以總結三點：
1、進行數據應用建設時，一定要產品思維大于項目思維，項目結束不意味著工作結束，而是要把數據應用當作一個產品來持續運營;
2、采用一些科學化的測試方式，可以有效避免魯莽決斷對需求誤判，而對企業的效益產生損害;
3、數據分析產生的結論，不一定比經驗決策的上限高，但是數據分析帶來的穩定性一定大于經驗決策，往往可以防止出其不意的風險。
企業的數據工作是慢慢長途，誰越認真對待，誰將受益越多。
京公網安備 11010502049343號