以下文章来源于凯哥讲故事系列 ，作者凯哥

数字化时代已经到来

1996年的时候《Being Digital》的作者Negroponte就提出数字化生活的概念，而20年以后的今天，我们已经进入了数字化的生活，移动互联网、物联网、手机、各种社交媒体、电子支付等各种数字化技术把我们的生活完全连接到了云端，连接到了网络。每一个消费者通过手机和设备，成为了一个巨大的数字化网络的一个节点，每时每刻，我们从云端获取各种信息，各种状态，浏览各种商品，从而实时的决定我们的决策和行动。

数字化时代的三大特点

数字化时代和过去有哪些不一样的地方呢？

信息透明

    过去，很多行业知识、数据、信息、方法等都是封闭的，而数字化时代首先的表现是信息透明。所有的文档、信息、影像等都通过手机、电脑、手环、穿戴设备等传输到了网络上，而在Web2.0时代催生出的UGC(User Generated Content)一下子打破了传统的知识的壁垒，原来相对封闭的信息一下子百花齐放的在网上产生，知乎、在行、得到等知识变现的应用更是把原来行业的知识、专业信息也都快速、批量的陈列在所有用户面前，大家的信息获得的渠道千万倍的增长。

    信息透明给这个社会带来的改变是巨大的，它从根本上打破了传统的物理世界的各种信息壁垒，极大的冲击了传统行业和社会形态。冲击最为明显的几个行业，比如媒体行业，信息咨询服务行业，在网上每一个人可以搜索到基本上所有的信息。

    知识和方法论的透明，让过去的专业壁垒大幅下降，专业咨询公司拥有的方法，掌握的知识，很多在互联网上也可以找到。信息透明让行业之间的边界模糊了，隔行如隔山这句话已经行不通。

速度为王

• 连接速度

    手机把人和互联网连接在一起，微信把朋友们连接在一起，传感器把工业世界连接进来。你的信息、状态、反馈时时刻刻被采集被连接，数字化把所有的一切都连接起来了

    传统的物理世界，建立连接的速度是很慢的。没有连接，就形成了一个个的行业孤岛，商业孤岛，孤岛之间信息不透明，生产者、消费者、渠道商、分销商等界限分明，产品和服务没有办法直接快速的触达用户端，中间过程繁琐导致成本高，反馈慢。而数字化的时代，连接速度几何倍速的提高，这一点最明显的就是物流和支付行业。数字化就像一条条道路，连接了物理世界的一切，四通八达，无孔不入。

• 反馈速度

    原来传统工业生产模式，获得消费者的反馈非常缓慢，所以产品更新速度也受到局限。为了解决快速采集反馈的问题，都形成了过去的一个巨大的产业，市场调研公司。

    数字化的时代，评论，反馈的速度是可以做到实时的，而厂家和服务商也在利用反馈的速度来优化自己的产品和服务。这样在产品的设想之初就能够基于用户的反馈，需求来驱动设计和开发，降低了需求和服务之间的差距。

• 创新速度

创新的速度决定了每一个企业的竞争力，如何快速的产生创新想法，并且快速落地，快速反馈，快速投资运营成为优势业务，决定了企业的生死

边界消失

    设想一下，有一天你打上了滴滴以后，你可以在手机上选择不同的环境模式，比如：“KTV”模式还是“会议模式”。

    当你选择"KTV"模式以后，后排升起一个隔音屏，立刻出租车成为了一个迷你的KTV，你可以和朋友在后座尽情放歌。

    当你选择会议模式后，屏幕上出现了其他的会议同事，你们可以在车上展开讨论，并且将讨论结果实时上传到云上分享给其他的同事。

    这个时候，你能说滴滴仅仅是一个出租车公司，或者是出行公司么？

    请不要把这个当做一个玩笑，也许这个已经纳入了程维的计划之中。

    物理世界的一切都会被数字化，数字化技术把一切都连接起来，原来传统世界的地理位置，时间跨度，商业模式，职业，岗位，技能，一切的被连接成一张立体的网，都可以通过一个点寻找到另外一个点。所以原来的行业边界，组织边界，职位边界，角色边界，都被数字化所链接，所打破。

    这个对于企业服务市场来说，是一个巨大的挑战，边界的消失带来的是从观念上，经营模式上的彻底的改变。

    数字化已经覆盖了很多的消费者场景，而这一点直接影响到了企业端，对传统的企业经营带来了很大的影响。所以，很多企业都在强调要进行数字化转型。

    2016年Gartner发表了一篇文章“Now Is Time for Digital Transformation”[1]，报告中提到CIO必须通过重构组织、流程和他们的业务来进行进行数字化转型。

数字化转型是什么

    说到数字化转型，首先要说什么是数字化。

    数字化是英语Digitalization翻译过来的，而英语中跟数字化相关的词有以下三个：

    Digitization：数字化，指的是“模拟信息转换成数字形式（按照目前的技术就是二进制的数据）”。

    Digitalization：数字化，这个和Digitization的区别，是Digitalization是从模拟型号转化成数字信号的过程。

    那么Digital Transformation：被描述为是“数字化带来的整体和社会效应”，数字化技术使数字化的过程得以实现，从而为改变和改造现有的商业模式，消费模式，乃至社会经济结构、法律和政策措施、组织模式、文化形式带来了更多的机会。

    所以，数字化转型强调的是带来的效果，是区别于传统的组织形式、沟通形式、技术手段所产生的变化本身。

流程定义的世界到数据定义的世界

    从企业信息化建设伊始到现在，一直都在做一件事情，那就是将物理世界的流程在信息世界中定义一遍，传统的信息系统是流程驱动的。

    而过去的企业转型也一直是围绕着流程来走的，从最早的信息化系统建设，将线下业务流程搬到线上，信息化，再到BPR业务流程再造。

    那么数字化转型和流程再造的区别是什么？很重要的是企业原来的运营模式和数字化时代的运营模式发生了根本性的变化。

    传统的企业运营模式是工业化生产的理念，流程化的管理，在标准化的基础上，将一个价值链分解成一个个的流程节点，然后将一个节点对应到一个小的组织，由这个组织来负责这个节点的工作。这样，整个一个价值链可以并行的运转，然后通过流程把工作串起来。这在过去的工业化时代，的确提高了企业的管理效率，带来了规模化的生产。

    所以在十年前，凯哥做ERP实施的时候，特别提到的，就是标准化，精益化和集约化。而业务流程则是一切的基础。我们做规划，做系统，最重要的就是梳理流程，一层层一级级的流程图，而流程梳理过程中最痛苦的就是节点与节点的关系，也就是一个个的连接线。

    因为，我们会发现，我们要将一个业务流，价值流拆成几个流程，由多个组织实现，需要定义清楚责权利，分工界面，而从事情本身来讲，他就是一体的，是不可分的，不是那么的清晰，总会有一些灰色的模糊地带。

    于是，这些模糊地带就成了流程再造中最困难的节点，六西格玛和其他工具旨在改进和改进这些流程，发现浪费，以提高效率，重点和质量。

    而在数字化时代，数字化转型的很重要的目的就是缩小企业目前做或可能做的流程，流程转化为软件，实现了自动化，剩下的就是数据。数字化将运营过程沉淀成数据，这使管理者可以从数据视角而不是过程视角来查看他们的业务。

    随着数据的出现以及将这些数据与指标或问题联系起来的能力，它使组织不仅能够变得更有效率，而且还能改变它的功能。通过数据镜头而不是过程镜头观看世界带来的商业影响是超强大的。

    在流程驱动的世界中，流程是最重要的，很多时候陷入了为了正确的流程而制定流程，而忘记了流程本身的意义所在。

    数字化转型的一个工作就是将过去那么多年建立起来的流程自动化，无形化，敏捷化。因为既然是流程，那就是别人之前设计好的，而现在的业务现状、竞争格局，客户需求，无时无刻不在发生变化，用过去的流程来管理和制约现在和未来的变化，这是不可能的事情。

    如何去发现变化，预测变化，只有数据。

    大西洋彼岸的蝴蝶扇了一下翅膀，带来了印度洋上的一场雷暴。看似相隔万里，虚无缥缈，但是物理世界的一切都是可以用数据度量的。

    一切的现象乃至谜题，背后都有规律可寻，而这个规律就是业务模型，如何将业务模型建成数据模型，来指导更多的业务场景，这就是数据工作者要去做的事情。网上广为流产的林彪打仗的故事，时刻采集一切的战地信息，从敌人的枪支弹药，供给粮草，衣着打扮到时间地点，一切都是数据，一切都是线索。

数据包含了一切的事实，数据包含着一切的本质。

    取代以流程为核心，建立从数据出发的管理体系，用数据驱动业务的运营，战略的制定和创新的产生，是数字化转型最核心的工作。

数据驱动的数字化转型

    传统咨询公司为企业提供转型服务的两大法宝，是方法论和最佳实践。

    这还是没有逃出流程定义的世界的逻辑，方法论，是经验的总结，是体系的沉淀，是非常重要的。但是，我们前面提到，方法论这种知识类的东西，在数字化时代，已经完全透明了，你能掌握的方法，别人也掌握了，你知道的体系，别人也知道了，所以这一点来说，方法论本身并不是核心壁垒了。

    最佳实践，也就是案例分析，我们以前打项目，客户最看重的就是案例。你做过哪些其他同类型的项目啊，多多益善，我们看看别人怎么做的。过去的竞争是下象棋，你只要把你行业里的头部竞争对手干掉，你就高枕无忧了。但是，现在的竞争是下多维立体围棋，还是在一个无边际的棋盘上，你也不知道你的对手是谁，在哪里，所以这种所谓的最佳实践，作为参考的价值越来越小。

    用流程驱动的思路，通过定性的调研访谈，会议讨论的方式来推进数字化转型的方法已经越来越不能满足企业需求。很多时候，我们发现，这种访谈调研，分解到几级流程，试图通过经验性的分析，所带来的，很多时候，都是无止无休的争论，博弈，各种出于自身利益角度的诡辩，而不反应真实的业务，达不到最终的转型的目的。

    过去的十几年的信息化建设，很多企业已经积累了大量的数据，从数据中挖掘和分析价值，从流程驱动到数据驱动的数字化转型体系，这是数字化转型的一个颠覆性变革。

数据驱动创新和优化

    数据驱动，意味着以数据为核心，将企业的数据资产梳理清楚，对之进行集成、共享、挖掘，从而发现问题，驱动创新。

    数据是最客观的，是最清晰的，数据能够帮助管理者化繁为简，透过复杂繁芜的流程看到业务的本质，更好地优化决策。

    某世界顶级能源行业客户，内部的管理非常的标准化，所有的业务都分解到流程，结点，每一个任务都有人专业负责，然后通过各种KPI来度量考核。但是，近几年，发现随着新能源产业革命带来的冲击，以前的那种方法不起作用了，不管内部如何的规范，如何提高效率，都无法提升销量，无法提升经销商的业绩。我们帮助客户进行数据分析，发现本来相对简单的业务，由于部门割据，角色繁多，一套数据被反复的解读、二次加工，产生了不同的口径，不同的维度的报表，然后这些报表又被在不同的场合被作为事实的依据来指导不同的决策。

    不论多少部门和分工，对于一个企业来讲，所有的业务的本质和目标只有一个，

    传统企业由于流程和组织的划分，将原本统一的数据割裂，产生了不同的解读，不仅无法提高效率，更是在应对市场外部变化的道路上越走越远。

    将数据利用好，能够从两方面推动企业的数字化转型：

驱动创新

    从数据中发现规律，发现价值，能够产生更多的创新，特别是那些原来人的经验所不能够洞察和理解的。

    传统的数据仓库，商业智能的核心还是人的经验，而随着行业边界的消失，海量的数据涌入，谁都无法掌握全面的信息，一个小的决策都会带来大量的信息的关联分析，靠人的经验决策风险巨大，并且随机性太高。

    举个实例来说，地产行业的投资研究是最重要的环节，每天全国有众多的地块在拍卖，买哪一块不买哪一块，用多少成本去购买，买回来盖什么类型的产品。这个决定至关重要，对错直接决定这个项目的成败。而过去这类型的决定，更多的是靠经验拍脑袋。但是，现在众多的房地产企业都在寻找利用数据来做投研，结合行业宏观信息数据，消费数据，历史的销量数据等，来建立投研模型。

    在数据资产中，产生洞察，驱动创新，利用数据可视化，建模，算法，来发现经验不能触达的部分。

    比如，我们在一个智慧物流的数据探索的项目中，发现运力与区域的关系，在几千万条的货运数据中，发现一些地区之间的货物运输是有模式和规律的，这些规律在一定的时间内是生效的，这就带来了巨大的价值。原来的货运定价相对是固定的，静态的，而当我们洞察了这样的规律后，就可以动态定价，针对不同的地区，不同的路线，不同的货物差异化定价。

    所以，企业需要拥有一个全面、开放、方便、快捷探索数据价值的体系，在数据中去发现洞察，产生创新。

优化流程

    数据驱动创新，这一点在行业里已经被广泛认知了。同时，数据能够帮助企业去优化原来的业务流程和系统。

    一个企业，流程的固化过程，信息化建设的过程是漫长的，这过程中，有太多的噪音和干扰。利益的博弈，格局的重组，风险的考量，所以，现在我们所看到的业务系统的流程，是附加了太多的组织、人员、利益、风险的因素的综合体，复杂而不能被清晰地理解。

    如果从流程本身去优化，是不可能的，就像大力士不可能造出一个自己举不起的锤子。而，所有的流程都会沉淀成数据，数据是最本质的反射。不论业务流程多么复杂，物理世界的本质是清晰地，数据之间的关联是清晰的，从数据出发可以越过流程的迷雾，快速到达业务的本质。

    我们所做的数据咨询的项目有太多这样的例子。我们会发现一个本来很清晰的业务，由于流程和组织结构，运营分块的原因，被打上了众多的内部管理的标签，从ID到属性，但是这些本身对于最终的用户，是不产生价值的，名义上都是为了方便内部的管理。真的方便了管理么？

在大数据广泛应用的2020年，数据分析模式可以被细分为“数据驱动”、“数据通知”和“数据启发”。本文分享了关于如何利用这些思维模式，帮助你充分利用数据获得最大收益的专业知识。

您是否注意到最近办公室里更频繁使用“数据驱动”、“数据通知”和“数据启发”这些术语了？看起来您的同事只是在用文字赶时髦，但也许您会完全疏忽它们。

因为这三个短语有很强的意义，如果您知道它们代表什么以及如何正确应用，它们会非常有用。

这三个短语代表着三种不同的数据分析模式。那么这三种模式背后的真正价值是什么？“数据启发”实际意味着什么，和“数据通知”相比又有什么不同？

希望我可以帮助揭示点东西，在我10年的分析团队工作和现在的产品团队工作中，为了能通过数据来战略性地指导产品，我已经能够理解并阐明这些短语之间的差异了。
首先，它们的含义是什么？数据驱动，数据通知和数据启发描述了如何使用数据。

• 如果您是数据驱动的，那么您拥有做出决策所需要的准确数据。您会同意“它将告诉您关于下一步该做什么需要知道的答案”的说法。

• 数据通知意味着为了让决策最优化，每个人都知晓当前的变现以及为什么产品的绩效会这样。

• 数据启发意味着预测趋势。需要通过不同的数据源把故事拼在一起，因为只有单一数据源很难预测未来的客户期望。

最好的情形是您的团队已经理解这三种不同的数据分析模式，并且知道何时利用每个用例，因为：

1. 正确使用这些方法可以消除团队之间的摩擦，因为这些方法指导如何获得所需的数据输出。

2. 它们可以确保您的团队正确使用数据，您不希望陷入使用数据启发式方法来回答数据驱动问题的情况，反之亦然。

数据驱动

数据驱动意味着您拥有确定未决决策结果的数据，当有人使用这个术语时，意味着与数据通知或数据启发相比，他们要求的是最具体的信息类型。
这是数据中最严格的数据思维方式：

• 必须在需要数据之前通过度量计划预先确定，以确保数据得到正确应用。
• 需要预先确定样本量(通常相当高)，以确保发现足够稳定，可以复制。
• 需要参与的团队成员具有统计方法知识。

i. 何时需要数据驱动？
数据驱动结果的两个最佳用例是回答业务问题和确保对任何产品上的更改不会对业务产生负面影响。
以下是数据驱动问题的示例：

• 何时是发布X或者促销Y的最好时间？
• 什么设计性能更好，版本A或B或N ？
• 什么个性化的方法表现更好？
• 我们下个月或下一年将赚取多少钱来计划预算？
• 添加新特征/类型的用户会对产品产生什么影响？

ii. 如何响应数据驱动的请求

进行A/B测试确保设置的用户属性能捕捉每个测试组中的用户属性。在测试完成后，使用事件分割来显示哪个组在预先确定的度量计划中指定的成功度量具有更高的转化率。
运行回归模型时，务必探索分析哪些操作彼此高度相关以及哪些与期望的结果高度相关，并注意哪些功能会影响其他功能，这可以帮助您发现由于某个功能更改而导致的收入上升/下降。

iii. 数据驱动的局限性
对于这种类型的请求，数据旨在回答一个非常具体的问题。这意味着您无法从同样的数据中获得其他见解，这些数据有一维的用途。如果您看到其他人使用来自数据驱动请求的数据来回答一个无意回答的问题，那么这将抵消数据驱动的工作。这个用例不应指导新的策略或设计思维过程，而是应该用来验证解决方案。

数据通知

数据通知意味着团队了解KPI绩效、下降率、以及任何给定产品中的用户路径。他们能够发现普遍的性能上升或下降现象，并能说明可能发生这种情况的原因。要成为一个数据通知的团队，您需要知道是什么和为什么。团队还必须准备使用这些信息来改进和告知他们未来的策略，用这些数据指导未来的操作将使您的团队获得数据通知能力。

i. 何时需要数据通知
激活数据通知流程的主要原因是：

• 制定有关产品变更和优化策略时；
• 为积压的功能安排优先级。

该小组需要执行两个流程：

• 使用假设驱动的方法来解释您认为策略可行的原因

• 向所有团队传达策略和发布日期，确保每个人都了解情况

ii. 如何响应数据通知的请求
团队获得数据信息时应该包括诸如路径查找器、事件分割、漏斗分析和生命周期等报告。
注意包含以下细节：

• KPI和度量的定义解释了为什么 KPI/度量标准被用于该报告；

• 有关如何解释数据的信息；

• 关于哪些策略对这些仪表板创造了影响或改变的注释，这样人们可以理解探索性研究出现中的趋势。

iii.数据通知的局限性
与数据驱动不同，数据通知分析不应该直接告诉您应该做什么。它应该有助于解释过去的失败和成功，从而推动新的战略。
团队必须能够清楚地传达他们正在制定的策略为什么会奏效的假设，如果他们不这样做，那么就无法分析过去的策略。如果无法分析过去的策略，那么团队就永远无法理解为什么会发生某些事情，因此也就永远无法实现数据通知的团队。

数据启发

数据启发通常对结果没有要求或期望，它本质上是探索性的。三种分析类型的结果将不同数据源的数据糅合在一起，并在数据源之间产生有趣的共性。理解数据启发的关键是通过识别看似无关的数据源来激发新想法，从而帮助克服数据难题。
关于这个分析，这样做的人是依靠直觉和推理，而不是具体的、统计上合理的方法。坦白说，这是一件好事，您希望在混合中进行此类分析。

数据的问题在于，它只能描述过去发生的事情，并根据过去的趋势预测未来可能发生的事情。它不能很好地提出新的、创新的想法，因为这些新想法没有先例。数据启发可以通过识别看似无关的数据源来激发新想法，从而帮助克服数据难题。

i. 何时需要数据启发

应用数据启发思维的最佳位置是:

• 在确定产品创新方向的战略阶段；

• 在设计思维作业期间。

数据永远不会告诉您如何进行设计或策略，但是它会告诉您这是一些有趣的并发趋势，因此提供了比其他方法论更广泛的信息。

ii. 如何响应数据启发的请求
这些关键的探索性报告是:

• 人物角色：识别行为相似/不相似的用户群。针对每个群组定制产品，或者找出如何让那些参与度较低的群组投入更多。

• 参与矩阵：哪些操作对回访有价值，哪些操作没有价值。该报告非常适合识别低频但高价值的行为。一旦发现了这些行为，就会假设为什么这个行为对于那些做这件事的人很重要，以及您如何能帮助更多的人从这个行动中找到同样的价值。

• 粘性：显示人们回访时有价值行动的频率。一旦您从契约矩阵中了解了少量高价值的操作，请使用粘性报告为每次访问中执行此操作的人员构建自定义群组，并与只执行一次或根本不执行此操作的群组进行比较。

iii. 数据启发局限性
这些数据永远不应该被称为具体数据。每个人都应该意识到出现的数据趋势可能是假的交互数据趋势（看似相关的交互实际上并不相关），只要每个人都知道从这些数据中得出具体结论是有风险的，就值得冒这个风险，因为这些数据可以揭示之前未知的笼罩在黑暗中的区域。

您的模式是数据驱动、数据通知还是数据启发？还是三者结合？

利用这三种数据分析模式可以增加团队完成工作所需的相关洞察力，关键是知道何时需要利用哪种。这样您的关键是知道利用每一种分析模式的时候，这样您对数据的期望就会与您从数据中得到的一致。

如果您能够确定您需要特定的数据驱动见解，那么现在您知道这可能需要计划和自定义实现。

如果您希望了解您的策略是如何执行的，以便可以针对将来进行优化，那么请确保您的团队已了解了这些策略的先前策略和评估指标。

如果您正在寻找灵感，要知道您可能没有得到您想要的确切信息，但可能会发现一些令您惊讶的事情。这三种数据分析模式都有各司其职，关键是要知道自己需要哪种模式。

来源：https://amplitude.com/blog/data-driven-data-informed-data-inspired

：
数据思维延伸阅读：

新消费品牌崛起，背后有怎样的商业逻辑

B端产品的交互设计流程探索：乐高设计法和用户体验的二次提升

跳过牙医ToC，这家隐形正畸公司现年入4亿美元，成立5年即将IPO

权威自测：你是固化思维，还是敏捷思维

用“六顶帽”找到激发创新思维的方式

快速方案原型

300+精品课程，为你的求职、学习持续赋能。 热门课程推荐：
【设计思维】 【精益创新】 【增长黑客】【设计冲刺】

更多精彩案例与方案可以访问Runwise创新社区。我们为你准备了4大精选内容：
1.前瞻方案研究 2. 最新实践案例 3. 科学思维方法 4. 创新技术工具
————————————————