各位朋友，大家好，今天跟大家分享的主题是数字化时代下数据驱动决策组织文化的打造。首先做一个自我介绍。我叫范珂，目前在一家民营化妆品企业担任首席人力官。在加入这家公司之前，在一家跨国汽车公司担任亚太区人力资源总监，还在另一家跨国半导体公司做过亚太区人力资源总监。在工作之余，我也参与了一些英文经典 HR 方面的著作翻译，比如说《奈飞文化手册》、《高绩效的 HR》《卓越领导之旅》等。

数据驱动决策的文化

在 2003 年的世界经济论坛上，提出了“Data is the new oil”这句口号。怎么来理解这句话呢？大家都知道因为石油的发现推动了第二次工业革命，后来因为互联网技术的发展，我们有了更多的工具和手段来收集数据，分析数据，用数据为组织去创造价值，所以数据受到了越来越多的组织的重视。根据波士顿咨询发布的报告，在影响组织变革的十二项力量中，其中一项就是人才需求变化方面的大数据和高级数据分析。随着有越来越多的手段可以去收集、处理、分析数据，组织对数据分析方面人才的需求非常旺盛。越来越多的企业开始注重培养组织的数据分析能力，培养数据驱动决策的文化。

不久前我读了一本书，这本书应该还没有在中国市场面世。这本书的名字叫《Think like Amazon》，翻译过来就是《像亚马逊一样思考》。这是亚马逊早期创业阶段的一位副总监写的一本书，他曾经参与了亚马逊早期电商平台的搭建。在书里面他提到，如果从亚马逊所有的成功因素里面挑出一个最重要的话，那就是数据指标（Metrics），或者说数据驱动决策的文化。

在亚马逊公司内部的决策流程里面，数据起到了非常关键的作用，亚马逊把对数据的管理落实到了每个月、每周甚至每天的工作中。通过对指标进行分析，不遗余力地深挖问题发生的根本原因，并不断改进；设计出一套体系和指标，以方便对业务的各个方面进行实时的监控和评估；召集以经营数据分析为核心任务的日常业务经营会，让所有利益相关方真正承担起责任并采取行动，从而推动整个组织不断实现高目标。

无独有偶，前谷歌首席人才官拉斯洛·博克所写的《重新定义团队》一书中，也花了很大的篇幅来介绍谷歌内部的决策文化，这种决策文化用一句话来概括就是数据驱动决策。我对他书里面的一句话印象非常深刻，“谷歌的 HR 决策从来都不是来自哪个最佳实践，一定只会是来自内部数据的分析。”

数据驱动决策的组织文化特点

越来越多的组织开始讨论数字化转型。我们可以比较下传统型组织和完成了或者正在进行数字化转型的组织，两者在组织文化层面存在着以下四个方面的区别。

第一，决策方式。传统型组织更多的是靠经验、直觉去做决策，而在数字化组织里面，因为可以通过技术手段去收集和分析大量的数据，所以在这些组织里面一定是通过数据说话，通过数据分析对未来趋势做出预测，以此来影响商业决策。

举个例子，曾经有人说到我们公司的品牌，凭感觉认为喜欢我们品牌的人可能会中年人居多，但是后来我们把后台的销售数字拉出来发现 30 岁以下的年轻群体其实占了非常大的比例。我们的大量销售是通过电商平台完成的，所以可以很容易地去拉出消费者的数据。通过数据分析发现品牌的重点受众是年轻人群，那未来的产品研发和品牌营销等都应该瞄准年轻人群，这就是一种通过数字去驱动决策的方式。

第二，组织设计。传统型组织的组织设计更偏向于科层式，也就是从上到下的金字塔结构。上级做出决定，然后一层一层地传递到基层。但是今天数字化组织面临着快速多变的市场环境，信息传递需要更加快速敏捷，因此，数字化组织的设计更加扁平化，缩短信息传递的距离。

同时，在数字化组织里面，会更强调发展组织的数据分析能力，所以会把组织的各个部门划分为前-中-后台。其中在中台要建立一支非常强大的数据分析团队以支持前端团队。前端团队直接服务于终端消费者，后端则通常包括为整个组织提供基础设施的团队，比如法务、财务、人力资源等。

第三，管理方式。在传统型组织里面，因为是金字塔式的组织结构，所以更强调以严格的流程去管控决策。而在数字化组织里面，为了随时跟上外界的变化，它的管理方式更倾向于赋能一线，让一线能够去做出决定，让听得见炮火的人来做决策。

第四，人员能力。传统型的组织对人员能力的要求更多的是强调有效决策，团队管理能力、执行力比较强。数字化的组织模式则决定了对人员的能力要求更多的是创新和流程再造，也要求组织里的每一个人具备相应的数据分析能力。

由于传统组织和数字化组织之间的这些区别，组织在寻求数字化转型的过程中往往要面临以下四个方面的痛点。

组织数据处理能力的四步走

接下来我分享一下关于组织人员数据分析能力的观点。组织的数据分析能力，一般根据难度、复杂度以及对组织带来的价值可以分为四个阶段。

第一阶段，也是最基础的一个能力是描述性分析。指的是可以把组织里的大量数据所呈现出的趋势描述出来的能力。

第二阶段，诊断性分析。即根据收集到的数据，推导可能出现的问题并及时解决这些问题的能力。就像医生给病人做诊断一样，根据数据发现问题、诊断问题，然后解决问题。

第三阶段，预测性分析。可以根据历史数据来预测未来趋势。比如说大家如果登录淘宝、京东会发现，系统能够准确地把你可能喜欢的商品推送给你，原因就是系统可以根据用户画像去预测用户可能喜欢买的物品，这是预测性分析，目前预测性分析用到了很多相关的人工智能技术。

最后一个阶段叫指导性分析。指导性分析是在预测性分析的基础又进一步，可以实现对数据自动处理及分析，还可针对组织面临的运营问题、销售问题提供解决方案，且不需要随时的人工介入。

如今大数据时代下的数据分析相较传统的数据分析，更强调综合系统化的数据分析能力。传统的数据分析往往是独立的、分割的状态。举个例子，分析财务数据的时候，如果只看财务报表上面的数据，这就是一种很独立的数据分析。而当把财务、人力、销售、市场数据整合在一起，才能从普通的数据分析上升到系统的数据分析能力。

系统化的数据分析不止可以反映表象，更能深入到数据的底层去挖掘其背后的联系和原因，找出原因才方便去解决问题。此外，系统化的数据分析可以在分析过去和现在的状态基础上更进一步做到洞察未来。

最后一点，普通的数据分析更多的还是去做一些简单的图表呈现，比如我们经常会用 PPT 或者 Excel 做出一些简单的数据呈现。进入大数据的时代，要去做系统化数据分析的时候，就需要借助先进的数据分析的工具，比如说常见的 Python 编程、R 语言编程等，去实现更加复杂、大量的数据分析；同时也可以通过 Power BI 等工具将数据进行数据化的呈现。

数据分析团队的搭建

说完组织数据分析的能力，我们再聊聊数据分析团队的搭建。在我看来，数据分析团队里面，通常可以分成三阶。

第一阶，数据信息的分析。这个岗位的职责是要保证数据的完整性和准确性，能够熟练地使用数据收集系统及时准确地、完整地去收集到公司所需要的数据，是最基本的一阶。

第二阶岗位，商业分析。这个岗位需要既懂数据分析，也要懂商业领域的知识，能够透过现象去看本质，对数据更加深层次的分析得出有价值的结论或解决方案。

第三阶，也是最高的一阶，叫做业务伙伴。在 HR 领域有一个岗位叫 BP， Business Partner。在数据分析团队，其实也需要这样的 Business Partner，基于对业务的深刻理解，通过数据分析的结果能够真正去影响业务的决策。

以上是我对数据分析团队三个阶段的定义，大家可以对照看下自己组织的数据分析团队处于哪个阶段。

接下来，我们再聊聊如何发展个人的数据分析能力，我认为可以从以下五个方面入手。

一，业务的敏锐度。就是要了解并全面理解业务，脱离业务去学习数据能力那就是本末倒置了，数据分析能力一定是要服务于业务目标的。

二，通过学习统计学、数据科学建立基本的数据分析的能力。

三，跨部门的知识和经验。只有实现真正跨部门的分析，分析结果才是真正有价值的。否则，很可能会因为缺失整个组织层面的视野而忽略一些非常重要的问题。

四，商业咨询和商务沟通技能。对数据做出了分析之后，还需要组织好你的分析结果，形成逻辑清晰的商业报告，将结果有效地沟通给你的商业客户。

最后，当需要向高层领导或者说更高级别的受众去呈现数据分析结果的时候，高效的演示、演讲能力就显得尤为重要，需要从数字里提炼出生动的线索，以讲故事的形式有重点地呈现出来。

如何从零打造组织的数据驱动决策能力

如果你所在的组织现在还停留在传统组织的层面，还没有真正转型为数字化组织，但又想在组织里面打造数据驱动决策的组织文化的话，应该从哪里开始入手呢？在这里，我给大家几个建议。

第一个建议是要建立起一套完整的、充分的业务数据的收集体系。数据分析就像炒菜一样，如果没有合适的原材料，没有数据又何谈实现数字化转型？所以首先就要建立非常完整的数据收集体系。

以人力资源为例，以前大家没有数据驱动决策意识的时候，人力资源同事在收集员工的人力资源数据的时候，只会去关注学历、年龄、籍贯这样的数据。但现在大家知道数据可以带来更大的价值，就会有意识再去收集员工喜好、性格特征、行为特征等更多的数据，这些都需要靠一套完整的数据收集体系才能够完成。

第二点，要建立一套组织的核心绩效指标。这个绩效指标需要有结果指标，比如收入、利润等，同时还需要有过程指标，比如拜访了多少客户，开发了多少客户资源等。如果不关注过程只追踪结果指标的话，等到发现结果不好的时候，也错过了解决问题的时机和方案。既追过程又追结果，结果才能够得到保证。

第三点，要把主要业务部门的数据系统打通来做数据分析，财务、市场、销售、人力等部门都需要打通。

第四点，要在组织里面要建立起标准的周报和月报制度，通过周报、月报来跟踪结果指标和过程指标，当然主要是可以跟踪过程指标，当指标的变化出现偏出常规的趋势的时候，可以及时介入去处理这些问题，解决这些问题，只有这样结果才会自然地变好。

第五点，在整个的数据监控、数据处理、数据分析的过程中，绝不能放过任何一个表现异常的指标，而且绝对不能停留在表面上，要不断地去深挖根源。

在丰田有一个管理方法叫“五个为什么”，就是当发现任何一个问题的时候，要不断地去追问原因，当连续问五个“为什么会这样”的时候，比较明显的答案可能就浮现出来了。这也是在数据分析里面需要具备的一种意识，千万不要放过任何一个表现异常的指标。为什么这个月成本上升了？原因是部门多招了人。为什么要多招人？因为缺人。为什么缺人？是不是因为组织的原因，或者是因为领导的原因导致人员的离职率偏高等。就是要一步一步地去深挖，通过不断地去问为什么找到问题的根源，从而才能解决问题。

最后，在数据分析的过程中，一方面要跟自己组织的历史做对比，确保自己在不断地提升。另一方面还要横向地跟行业内的领先公司做比较。以我们公司为例，当竞争对手出了季报、半年报、年报之后，我们都会去把这些公司的市场表现、财报数据找过来，然后一一地去分析我们和竞对公司的成本、毛利率、人效等等。

只有这样才会发现和这些行业领先公司之间的差距，然后去深挖原因，找到可以从哪些地方去做工作，给自己定出下一阶段的目标，从而不断缩小和行业领先公司之间的差距。管理就是在不断的精进过程中才能够真正得到提升，才能够最终实现整个组织的目标。

以上是我归纳出来大家可以从零开始打造组织数据驱动决策能力的一些方法。非常感谢大家的时间，期待未来有更多的机会跟大家做更深入的交流，谢谢。

关于极客时间企业版

极客时间企业版由极客邦科技倾力打造，是企业级一站式数字技能学习平台，是具备好内容、好产品、好服务的“三好平台”，助力企业打造行业领先的数字人才团队，驱动企业的数字化转型与高质量发展。

自 2019 年以来，极客时间企业版已服务近 3000 家技术驱动型企业，覆盖银行、金融科技、保险、互联网、移动通信、软件、工业制造、教育等行业客户。