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。

TGO鲲鹏会，是极客邦科技旗下高端技术人聚集和交流的组织，旨在组建全球最具影响力的科技领导者社交网络，线上线下相结合，为会员提供专享服务。目前，TGO鲲鹏会已在北京、上海、杭州、广州、深圳、成都、硅谷、台湾、南京、厦门、武汉、苏州十二个城市设立分会。现在全球拥有在册会员 800+ 名，60% 为 CTO、技术 VP、技术合伙人。

会员覆盖了 BATJ 等互联网巨头公司技术领导者，同时，阿里巴巴王坚博士、同程艺龙技术委员会主任张海龙、苏宁易购 IT 总部执行副总裁乔新亮已经受邀，成为 TGO 鲲鹏会荣誉导师。

创作场景

十年互联网“圈地运动”结束，管理领域的“新基建”是什么？