钛媒體特别專題策劃《數字思考者50人》:探訪中國50位獨具代表的數字化思考者。我們理解的 TechThinker ,涵蓋了中國數字化浪潮中的技術踐行者、政策制定者與投資決策者。在這場長達10年的乘風破浪中,我們每個人都在分享技術進步的果實,卻鮮有人知道結果背後的故事。我們期待通過《50人》,還原中國數字化推進過程中的關鍵決策,同時也爲你呈現數字思考者們的管理與經營之道。
本文爲百麗時尚科技中心總經理季燕利先生數字化思考三部曲的收官之作,前兩篇分别爲《百麗的核心競争力與數字化》《從補貨場景,看企業協同在線》。
圖片來源:視覺中國
随着信息化、數字化的深入推進,企業積累着越來越多的數據,數據是企業業務本身,同時,數據可以支撐業務的叠代創新,重塑對企業核心競争力的認知。全文用四個部分展開對企業數字化探索與實踐的思考。數字化轉型源于戰略,始于業務,呈于數據,彙于平台,管于資源,興于協同,成于敏捷。
第一部分 數倉推演戰略落地——業務、系統、數據的關系
數字化轉型的核心是通過數據連通業務,并最終實現業務、系統、數據整體化建設。
(一)概述
1、什麽是業務整體框架
業務框架是基于企業各類業務的運作模式、業務特點和業務之間的關系結構構建出的結構化的體系,業務框架之間有清晰的邊界和相互的連接。首先基于業務全價值鏈進行整體梳理,識别出有清晰邊界的業務框架,再将各業務框架分解爲不同業務模塊,以及模塊下對應的業務環節。以我們作爲全價值鏈品牌零售公司爲例,經營的核心是"商品",所有業務均是圍繞商品的全生命周期開展。因此,按照商品的全生命周期對應的零售業務價值鏈進行梳理,識别出"預算與經營計劃、商品企劃與設計研發、商品采購、生産制造、倉儲物流、零售管理"六大業務框架。然後,再将每個框架分解其業務模塊,界定對應模塊主責的業務部門和調研對象後,分模塊展開調研,梳理出業務模塊下所有業務環節。
2、什麽是業務系統
業務系統是業務環節中标準化流程的信息化實現,是業務流程中産生的數據的線上化承載。通過系統與業務框架的一一對照可以分析出各業務框架、業務模塊、業務環節是否有系統支撐;業務人員通過操作系統可以産生各業務框架、模塊及業務環節的真實業務數據。例如我們對"商品采購"業務框架下的業務模塊、業務節點與系統進行對照分析,評估出各業務環節對應的系統覆蓋程度(主要業務環節基本都有系統支撐),并分析出各個系統是否産生數據及産生什麽數據。
3、什麽是數據倉庫
數據倉庫是把現有各個系統産生的數據統一收集、儲存在一個平台進行标準化的管理,同時将數據按照業務運營模式進行數據維度建模。先形成與具體業務框架對應的數據域,再根據業務模塊在數據域下建立數據主題,最後按照業務環節将相應的系統所産生的數據一一對應到數據主題,實現數據結構化儲存。我們基于梳理出來的六大業務框架映射出數據域;再根據框架内的業務模塊映射出數據主題;将各業務環節相應的系統所産生的數據統一入倉到相應的數據主題下,按業務運營模式進行維度建模,數據以結構化的方式儲存,并使用統一的數據的"倉庫"來統一管理和提供服務。
(二)業務—系統—數據—系統—業務的流轉關系
1、業務流程的整體梳理
将公司各領域的業務流程進行統一化梳理,歸集爲有清晰邊界的業務框架;再将歸集好的業務框架統一化呈現,梳理每個業務框架的核心價值,理清各業務框架的運作方式與相互之間的連接。然後針對每一個業務框架進行分析,有多少業務環節構成,各業務環節之間是否有流程,流程在該業務框架内是否已通暢。
2、整體業務系統梳理
将梳理完成的各業務框架中的業務環節與流程,一一對标現有系統進行分析,評估哪些環節有系統,哪些環節缺失系統;有系統支撐的業務環節,系統的覆蓋情況,産生了什麽數據,數據是否完整有效;最終呈現出各個業務框架、環節和流程與各個系統的映射關系及數據産生的情況。
3、數據倉庫建設
完成業務系統梳理之後,将現有各個系統中産生的數據,進行統一采集、清洗,按照标準化的業務框架、模塊進行分類彙總儲存到數據倉庫中,并按公共維度進行結構化彙總,生成業務所需要的數據。
4、數據倉庫規劃與設計
完成了以上三個步驟,就完成了現狀的梳理與建設,接下來進行數據倉庫的規劃與設計。先查找彙總行業數據目錄(數據域、數據主題、數據指标等),将現有已存的數據目錄與行業數據目錄進行對比,尋找差異。再評估差異中的行業數據目錄,哪些目錄下的數據符合本公司業務戰略需要,而公司目前卻沒有此類數據。基于此,在各個數據域内進行整體設計數據主題及相關所有指标,完成對數據倉庫的戰略規劃與設計。
5、數據倉庫與系統、業務框架完整性的評估
針對數據倉庫規劃設計中,沒有數據的部分,首先尋找現有的系統是否能支撐數據的采集,以及采集的數據需要評估是否真實、是否符合業務的需要;如果現有系統不能支撐,則需要規劃新的采集方式,就是要建立新的系統,這需要站在統一的系統架構中進行規劃,在現有系統整體梳理的基礎上,統籌考慮,來完善系統的建設。
6、業務流程的再造推動業務發展
将數據倉庫規劃設計,對标現有的業務環節,确定加強哪些業務環節的建設;同時,針對數據倉庫規劃設計中哪些現有業務環節不涉及、又符合戰略需要的數據域、主題、指标,則先從業務框架的完整性進行評估,規劃出需要完善的業務環節及業務流程,再進行業務流程的标準化,隻有标準化的業務流程才能系統化建設,才能推動業務環節數字化發展。這都是業務流程再造的過程,需要企業根據戰略發展要求,評估優先次序,然後評估投資的資源。
流程再造是個循環過程,是業務、系統、數據之間不斷叠代的過程。數據倉庫規劃評估系統的完整性,并從對标行業及結合企業戰略落地的角度推動業務流程再造,最終推動了業務的持續發展。
業務-系統-數據之間的關系
(三)數據倉庫如何推演戰略落地
業務參加品牌訂貨會,第一件事情就是把品牌公司的産品目錄拿過來,進行結構分解,如鞋服配比,男女等,這種結構分解反映了品牌公司此次訂貨的産品策略。業務在完成訂貨任務後,将所下的訂單也進行結構分解,然後對比兩個結構,找到差異,這個差異如果能夠接受,那這次訂單就可以接受。如業務覺得某個品類符合市場需要,而訂貨單沒有訂,可以再次調整訂單,來達到想要的結構。同理,在數倉建設過程中,先把行業的目錄找到,當然有些行業目錄很難覆蓋完整,盡量找全。再将企業現有數倉中的目錄與行業目錄進行對比,這個差異就能體現出公司現有業務結構與行業結構之間的差異。從戰略上,公司是否接受這個差異,以及下一步公司規劃從哪些方面去提升或者減少差異,這就形成了數倉的規劃目錄。這既代表戰略推進的方向,也明确了落地方案,在哪些沒有數據的業務環節上建設系統來采集數據。這是業務與技術溝通的橋梁與方法,同時也很容易建立共同的目标和統一語言。
1、現狀是如何梳理和呈現的
呈現現狀是未來發展的基礎,是規劃的起點。現狀梳理從三個維度進行,包括:業務流程的整體梳理、業務系統的整體梳理、數據倉庫的梳理。在每個維度的所有要素上力求進行全面、客觀的梳理與呈現。
(1)首先,進行整體業務流程的梳理。
業務流程梳理從宏觀到細節,按照4級流程框架逐層展開:
第一步:基于業務全價值鏈,梳理整體業務流程框架,形成完整的業務全景圖。包括業務框架(1級):框架的定義、業務模式、框架與框架的邊界;業務模塊(2級):每個業務框架的管理大類,例如商品采購業務框架,分爲供應商管理、采購計劃管理、采購執行管理、成本管理等業務模塊;關鍵業務環節(3級):各關鍵業務環節的發生順序、流轉關系、并串行關系等;4級及4級以下流程:是對部分需要分解的3級流程再展開描述。
第二步,基于完整的業務全景圖,細化梳理各業務闆塊的微場景和細微場景,形成業務流程清單。
第三步,細化輸出每個子流程的業務流程圖:從業務實例的"全生命周期"角度入手,先明确業務的起點和終點,在每個流程的業務環節明确崗位角色、輸入和輸出表單/數據、以及識别關鍵控制環節。
(2)将梳理完成的整體業務流程,對标現有系統進行分析
評估流程中的每個業務環節、以及業務環節與業務環節之間的流轉連接,其對應的系統化、數據化程度。包括:
1)系統與業務流程的關系:
—系統對流程的支持程度:盤點出每個業務框架是否有系統支撐,有多少系統;每個業務環節和流程對應是哪個系統,哪個功能點,使用場景和頻率、使用存在的痛點等;
—評估系統拓展方向與業務未來方向是否一緻:還有哪些業務環節和流程還沒有系統支撐,需要什麽系統支撐。
2)系統與數據的關系:
—系統間數據的流向、調控邏輯、聯動關系;
—流程涉及的每個系統是否産生數據,産生了哪些數據?數據産生的完整性、實時性?
(3)最後,是數據倉庫梳理,通過三個步驟實現數據倉庫的建設,真實呈現當前數據倉庫建設情況:
第一步:基于業務梳理成果,設計數據域、數據主題、數據指标等;
第二步:根據數據域需要,梳理數據指标的數據來源,将對應系統的數據統一采集到數據倉庫;
第三步:各系統數據統一聚合到數據倉庫,将業務過程的數據進行抽象彙總到對應的數據域和數據主題,并在具體的數據域下進行維度建模,生成結構化的數據進行儲存,這些數據由數據倉庫統一管理和提供數據服務。
2、戰略規劃與評估
戰略是基于現狀,規劃未來。基于實際業務和規劃業務之間的差異,評估需要做哪些調整和優化去提升,以減少差異。
數據倉庫的規劃是匹配業務戰略的規劃,是打通業務和技術溝通的橋梁,通過對數字描述的統一語言來統一認知,建立業務與技術的共同語境及共同目标。數據倉庫規劃的最核心内容就是對數據目錄的規劃。
(1)數據目錄規劃
數據目錄規劃的整體邏輯是先盡可能詳盡找到行業的數據目錄,再看差異部分是否是公司戰略需要的數據,進行取舍,最終形成規劃的數據目錄。有以下兩個步驟:
第一步:整理行業數據目錄
基于行業頂層業務框架,整理彙總行業數據目錄下的數據域,數據主題,然後盡全盡細地找到數據主題域下的指标,并明确數據的業務屬性、管理屬性、技術屬性等。
第二步:對比差異,設計規劃數據目錄
将現有的數據目錄和行業數據目錄進行對比,尋找之間的差異,哪些數據域、主題現有業務沒有或不完整。如果業務戰略上需要納入這些業務,就補充調整數據目錄的結構,形成規劃的數據目錄。
(2)對比差異,評估落地方案
将實際數據目錄和規劃數據目錄進行對比分析,通過差異評估落地方案:
—明确業務改進和提升方向:對比可以看出業務結構的完整性,對于戰略上需要納入的業務框架,評估出需要完善的業務環節和業務流程,以及對應流程的标準化設計,隻有标準的業務流程才能系統化。
—明确系統改進和提升方向:基于目錄差異找到對應部分的數據源頭,對于業務戰略需要的數據,評估在什麽業務環節生成?需要新建什麽系統?哪些功能需要升級細化?根據所需要的數據,規劃和完善系統的建設。
(3)企業根據戰略發展要求,評估優先次序,評估投資的資源
企業根據戰略發展要求,對需要建設的業務環節和業務流程,進行優先級排序。按高到低的順序,技術團隊評估對應系統的資源投入情況,評估系統建設與交付的時間線,最終和業務達成共識,推進系統的建設。
數據倉庫如何推演戰略落地,驅動業務流程再造,推動業務發展
舉一個我們供應鏈系統建設的例子,首先是完成現有業務流程和業務系統的整體梳理,對外部頭部廠商的供應鏈系統進行了評估,發現難以滿足業務需求且投資大、周期長。爲了支持業務需求,我們找到了較全面的供應鏈行業數據目錄 ,将行業數據目錄中的指标與現有數據目錄中的指标進行對比,發現目前我們的供應鏈成本類和貨期類兩大類的細化指标是不完整的,而缺失的指标是業務所需要的,于是在規劃的數據目錄加上這兩類數據中相應缺失的指标。對于現有系統不能完全支撐的,例如成本類缺失的指标,就需要規劃新的采集方式。技術團隊先拉通業務進行了成本相關業務流程的标準化梳理,在此基礎上進行系統方面的規劃和資源的評估,流程标準化之後,部分新的數據采集的需求就通過現有系統優化來完成,而部分數據的采集需要新建系統來實現。對于有系統支撐的,例如貨期類缺失的指标,通過指标數據來源找到所需數據,将數據統一采集入倉,基于業務運營模式進行建模,實現相應的指标的數據整理。目前成本類和貨期類的指标數據已經實施落地,從過去數據口徑不統一,導緻不同部門的供應鏈負責人之間沒有共同的語言體系,組織效率低下;到現在已實現标準統一的數據口徑,真實呈現了業務管理的全過程,并推動相關流程節點的線上化和标準化,從而提升了業務協同效率。
數字是人類認識複雜、未知世界的能力的質的飛躍,使人類從具象表達邁向抽象表達成爲可能,數字可以讓人類的智慧超越時空、超越地域、超越語種,得以傳播與交流。結合企業數字化的建設來說,數字作爲橋梁可以讓業務環節與系統功能之間連接起來,數字作爲統一的語言,讓"業務依托技術,技術爲業務賦能"成爲可能,業務與技術的融合是數字化的開始。
第二部分 數據平台的建設
數據平台的建設是數字化轉型的基礎,本部分從"進"、"存"、"出"、"管"來闡明數據平台整體如何建設。
數據平台概念圖
數據平台的建設是數據體系化、标準化的建設過程,是依據規劃數據目錄,圍繞"進"、"存"、"出"、"管"進行整體建設。數據目錄的設計方法,是承接業務戰略和行業頂層業務框架,進行完整數據域、數據主題、指标的設計。基于行業的數據目錄設計數據主題域,整體框架分爲三級:
第一層(L1)爲數據域,是公司最頂層的業務視角的數據分類,是對業務進行抽象、提煉、組合的集合,是聯系較爲緊密的數據主題的集合,目的是便于數據管理與應用。和業務框架(1級流程)進行映射,匹配出數據域分類,例如貨品的采購、流轉,按照業務視角劃分至貨品數據域。
第二層(L2)爲主題域,是對數據域的細分,是互不重疊的數據分類。是聯系較爲緊密的數據的集合,根據業務的需求特點,将數據域拆解爲不同的主題域,承接業務模塊。例如貨品數據域,按業務的需求劃分爲訂貨、鋪貨、補貨、調貨、庫存等多個主題。
第三層(L3)爲數據層,包括參考數據、主數據、事務數據、分析數據、觀測數據、非結構化數據、元數據。其中分析數據包括指标數據,業務環節及業務流程産生指标數據,如銷售額、曝光量、轉化率等。在數據分類的框架下,識别企業最需解決的數據問題,指标是比較好的切入點。一是因爲指标是最清晰的,是衡量業務結果的直接度量;二是因爲指标是最完整的,所有的業務闆塊都需要通過業務指标來衡量。所以第一步先梳理指标,把整個業務環節所有的指标都梳理出來,指标的梳理内容是圍繞指标業務屬性、管理屬性、技術屬性等進行展開。第二步,基于指标的業務定義,厘定指标的來龍去脈。圍繞指标的定義、計算公式及維度等屬性,識别指标所依賴的事務數據、主數據和參考數據等。梳理的指标是完整的,所以指标依賴的事務數據、主數據和參考數據的合集也是完整的,這樣就完成了所有事務數據、主數據和參考數據的梳理。
以上三層框架設計出來的數據目錄,相當于把業務、系統、數據進行整體串聯,呈現了整體業務環節的數字化藍圖。
(一)數據平台從數據源頭開始(進)
1、概述
數據采集是将企業内部數據和外部數據進行統一采集和清洗入湖。包括:業務數據、行爲數據、圖片、音視頻、文件等。統一全域數據采集,打破數據孤島,實現數據互聯互通。
2、建設路徑
數據采集的建設分3個階段,分别爲采集的梳理及分析、采集入湖、質量評估與監控。
(1)采集的梳理及分析
統一數據采集建設要依據規劃數據目錄中梳理的數據指标(L3)産出的業務數據字典進行分析,評估對應業務全價值鏈中業務環節和業務流程是否涵蓋,系統功能建設是否覆蓋到。若業務環節和業務流程未建設,則先從業務框架的完整性進行評估,規劃出需要完善的業務環節及業務流程,按照業務領域來做标準化的業務流程的建設和管理。若系統未建設,則通過标準化的業務流程推動系統進行功能建設。
(2)采集入湖
系統有數據後,再依靠數據平台的采集能力,将産生的所有數據盡全盡細的從系統進行采集入湖存放與管理,實現口徑統一、源頭統一的數據采集标準。
(3)質量評估與監控
數據入湖後,需要依據數據标準針對采集的數據是否與業務實際發生一緻、采集的數據是否符合業務的需求進行管理,基于業務規則,制定采集數據相關監控,保障數據真實有效。
3、建設要求
數據平台支撐統一采集,核心要求是"全域"和"時效"。
全域則體現在完整,是解決數據全的問題。在企業内部所有種類數據都能采集,包括業務數據、行爲數據、圖片、音視頻、文件等。過去,我們僅僅隻是針對業務數據及少部分行爲數據進行采集,即數據庫落表的數據進行采集,但是圖片、音視頻等數據無法采集,導緻做一些基于圖片進行分析的場景無法滿足,如以圖搜圖。因此我們與滴普科技合作共創,開展了數據湖技術的實施,實現了圖片等各類數據的統一采集入湖。
時效體現在即時,是解決數據實時性問題,對于數據時效要求較高的應用場景,實現對于用戶錄入系統産生的數據,數據平台可以及時采集并支撐應用及時查詢與呈現。以門店數據爲例,它是一款基于店長店員的工作場景搭建的,滿足用戶經營管理需要的一站式移動數據分析産品。過去,門店銷售、庫存的數據不能及時呈現,導緻基于數據不能及時發現問題,門店決策無數據支撐。因此我們與滴普科技合作共創,構建了實時數據采集管道,實現了各級管理者和一線員工對門店數據實時在線看數和用數的訴求。
(二)數據平台支撐數據标準化建設(存)
1、概述
數據倉庫建設的目的就是數據标準化建設,數據産生過程中是點狀數據,經過數倉的加工,将數據進行連接,将系統采集的數據進行建模歸類,以業務領域進行數據域和數據主題的規劃和設計,标準化後進行存儲,形成統一數據倉庫。
2、建設路徑
數據倉庫的建設分3個階段,分别爲數據目錄規劃及梳理、數倉建模、質量評估與監控。
(1)數據目錄規劃及梳理
數據倉庫的建設依據數據目錄規劃,将目錄中數據指标(L3)按照數據域(L1)與數據主題(L2)進行建模形成數倉。業務框架對應數據域,業務模塊對應數據主題,業務環節及業務流程對應數據指标。
(2)數倉建模
數倉建模是對數據進行再細化分層的設計,将數據逐層次的清洗彙聚,将相同數據域相同分析維度下的指标進行整合,過程中進行指标的統一口徑。
數據平台數據分層框架主要劃分七層:
第一層爲源數據層,将系統數據全部拿到同一個地方,不對數據做任何處理,即數據采集最終數據存放層。
第二層爲公共明細數據層,将采集的單據整理成一張明細表,數據的視角還是單據級别。
第三層爲公共彙總數據層,将單據數據按照"日、周、月、年"、"店鋪"、"商品"等維度進行彙總,不到單據級别,例如商品在某一天的銷售量、銷售額。
第四層爲高度彙總數據層,将數據按照"昨日、近7天、近30天"、"大區、管理城市"、"品類"等業務常用的維度進行彙總,如近7天的銷售量、銷售額。
第五層爲公共維度數據層,将主數據(店鋪、商品等)進行整合,主數據及對應屬性全部放一起,是業務分析視角的維度。與指标數據關聯形成任意分析視角的指标數據。
第六層爲标簽數據層,給數據打标簽,主要圍繞貨、場、人構建标簽體系而存放數據的地方,幫助更好的了解特征,以達到精細化經營的目的。标簽是數據創造、知識創新。如商品"暢平慢"、"新舊貨"。
第七層爲應用數據層,面向單獨業務場景的數據處理,不公用,是數據應用的數據準備存放數據的地方,麗影數據就存放在這層。
數據平台數據分層框架
以上七層框架設計其中第一層是數據采集數據存放層,第二、三、四、五層是數倉數據存放層,第六、七層是數據應用數據存放層。
數據倉庫中,數據分層是以指标爲主線按照業務不同視角進行逐層彙聚。有了分層邏輯,數倉的各分層的數據表的模型設計也是承接數據域、主題域、數據指标規劃。相同主題域下的指标數據整合在一個數據表,有多少主題域就有多少個數據表,這些數據表支撐這個數據域的數據分析,多個域的數據表建設最終形成整個數倉。表的數據存放就是把業務系統中點狀數據經過加工後進行連接的成果。整個數據倉庫建模方法,依據規劃的數據目錄,圍繞統一分類管理原則,更加方便使用爲目的,快速響應數據應用需求。
數據倉庫産生數據後,需要依據數據标準針對加工的數據是否與系統一緻、數據域内數據邏輯是否合理進行管理,通過數據标準形成數據質量規則,制定數據相關監控,保障數據真實有效。
3、建設要求
數據平台支撐數據标準化建設,核心要求是"複用"。
數據倉庫的分層框架設計核心邏輯就是圍繞數據被複用開展。将數據主題的數據進行标準化并集中存儲,多個數據應用共享處理後的數據,實現數據被複用,避免數據應用多次提取、多次彙聚整理,同時也降低在獨立處理過程中口徑不一緻問題。
前些年,我們在數字化建設過程中也走了彎路,由于業務快速發展和缺乏對整個數據産品體系進行整體規劃,出現多個業務線煙囪式建設,各自的從數據采集、數據建倉、數據應用等步驟,出現大量的重複建設,形成6套數倉,數據域、數據主題、指标數據分散在各個數倉,相同指标各個數倉獨立清洗,數據冗餘且有變更各個數倉都要進行修改,各數倉中數據一緻性很難保障。因此我們用近兩年時間做了數據治理-數據字典項目,6套彙1套,統一了數倉建設。
(三)數據平台加速數據應用與業務場景連接(出)
1、概述
數據倉庫沉澱的數據最終支撐數據應用建設,數據應用設計覆蓋面越大,連接就越廣,數據倉庫的價值就更能發揮。數據應用是對數據平台的建設成果體現。
數據分析需要從實際業務場景出發,用數據呈現真實的業務,能有效地支撐業務的決策。故而數據産品的建設離不開業務場景。從指标和維度的設計,到數據的呈現形式,都要以業務場景作爲基礎。
2、建設路徑
數據應用的建設分3個階段,分别爲數據的準備、數據的發布與共享、質量評估與監控。
(1)數據的準備
基于業務應用的場景,分析并形成數據産品。由數據産品規劃,進行應用數據層(數據分層架構中第七層)設計,将跨多個業務模塊(主題域)多個業務環節(指标)的數據再進一步的連接,同時按照數據産品進行業務場景的維度進行彙聚數據,完成數據準備。在建設過程中,若規劃數據目錄中暫未涉及,則會驅動業務流程再造,推動業務系統的叠代、數據的采集和數倉的全鏈路建設。
(2)數據的發布與共享
數據準備好之後,需要将數據進行發布與分享,分享之後才能被數據應用使用。如果有相似的場景,可以直接引用,降低重複建設,也加速數據産品的建設。
數據的分布與共享更多的是記錄數據被數據産品使用情況,也會驅動數倉模型不斷完善。
數據準備好之後,需要對準備好的數據完整性、一緻性進行監控,跨數據應用之間相同指标進行橫向比對,制定相關監控,及時發現問題,保障數據有效可用。
3、建設要求
數據平台加速數據應用與業務場景的連接,核心要求是"好用"和"快"。
好用體現在數據使用簡單。滿足業務具體運營過程場景中對數據的要求,從系統建設的角度就是前端應用和協同應用。數倉經過加工後的數據再根據業務場景進行按需轉換和流動,供各數據應用使用。重點圍繞标簽及數據服務進行建設,目标是全面降低用數門檻、提升用數效率。
快則體現在數據使用效率高。數據應用一些場景基于大數據量需要實時進行計算呈現,對數據平台的實時能力有很高的要求,數據要"快",采集的數字是否實時或近實時加工彙總給相關的應用。數據平台借助大數據集群計算能力,将加工準備好的數據實時在線查詢并呈現,滿足數據應用效率要求。
(四)數據平台支撐數據的有效管理(管)
1、概述
數據最終要被應用,數據應用能不能高質量的用好,核心能力在于管好數據。
依托規劃數據目錄,制定數據标準(包括數據主題域規範、術語字典、業務數據字典 等),統一數據口徑,讓所有數據使用都用同一套标準說同一種語言;依據數據标準,相同主題域下的指标數據整合在一個數據表,多個域的數據表建設形成整個數倉模型;依據數據标準中對指标維度的描述,形成數據質量稽核規則對數據質量進行監督;基于數據标準中業務敏感信息,形成對數據安全相關規則定義,以便通過數據安全對數據進行脫敏加密,并通過數據權限管控數據訪問,保障數據安全。
2、建設路徑
數據的有效管理就是數據治理的落地點,基于數據管理實踐成果,以數據平台建設爲載體,有序推進數據的"盤、規、治、評",達到以數據平台建設校驗并促進數據治理能力落地,以數據治理能力提升保障數據平台建設效果的目的。數據管理的建設分4個階段,分别爲數據的"盤、規、治、評"。
(1)盤
盤是對數據的全盤梳理與盤點。對于有使用系統的,需要盤點産生的數據是否健全,産生了哪些數據,規劃數據目錄是否包含,數據的定義是什麽,數據來源于哪;數據平台中是否有建設,數據應用于哪。呈現整個業務、系統、數據的現狀,從戰略上,公司是否需要建設,建設從哪些方面優先建設,這就形成了系統與數據平台下一步建設的規劃。當然也包括對元數據的盤點。
(2)規
規是針對整體業務數據的規劃。系統未建設的,按照業務領域來做标準化規範化的業務流程的梳理及數據的規劃,并最終建設成業務系統。系統已建設但規劃數據目錄還未涵蓋的,進行規範性定義和管理,包括系統基礎數據标準、指标數據标準。标準中涵蓋數據主題域劃分的标準、采集的标準、維度指标定義的标準、數據安全的标準,形成數據與業務、系統的流轉關系。重點針對跨業務、跨系統、被多個數據應用使用的數據制定标準,建立數據與标準的映射關系,承載數據标準在企業系統及數倉層面的落地。
(3)治
治是針對定義的标準是否都有按照要求落地及安全管控。對系統采集、數倉加工、數據應用的數據質量進行檢查,完成數據标準化落地驗證及數據質量提升,同時保證數據安全。治是一個持續的過程,通過建立發現問題-分析問題-解決問題-持續優化的閉環機制,對業務、系統、數據整體框架持續完善,持續提升數據平台數據的質量,支撐數據應用高質量的用數。
(4)評
評是指基于已經管理的數據進行評估,對于管的效果進行呈現。評估可以從采集的數據是否與業務實際發生一緻、數倉加工的數據是否與系統一緻、數據域内數據邏輯是否合理、數據應用準備好的數據是否完整一緻等方面開展工作。基于數據平台針對評估點制定相關監控,不斷優化完善企業數據管理,實現企業數據資産摸底、數據橫向貫通、數據質量優良和數據全域管理的目的。評,同時也包含對數據安全、數據使用情況、數據資産價值等方面的評估。
數據平台"進、存、出、管"邏輯
3、建設要求
數據平台的建設是一個不斷進行數據治理的過程,以"進"爲治理起點,引申到對"存"、"出"的治理,在"存"、"出"治理中發現的一些問題,驅動不斷校正"進"的起點源頭,達到整個治理的閉環,推動數據平台的完善。
爲了監督、管理好數據,讓業務真正用好數據,還需建立數據"管"的長效組織,也即數據治理的專業組織,需要業務方與IT方的共同參與,包括決策層、管理層和執行層三層的組織架構,保障數據治理相關制度的落實、監督和考核,最終實現數據平台的有效建設。
(五)數據平台的作用
我們經過近幾年的數字化探索,總結出IT建設的邏輯框架,其中數據平台是連接系統與前端應用、協同應用的橋梁,承上啓下,連接整體。
首先底層是技術作爲底座;在技術底座上,要建設紮實的系統體系作爲支柱;接着就要構築中台,包括業務服務和數據服務;這些基礎打紮實後,通過數據平台的數據服務能力,對操作類系統輕應用化,與人的交互入口前置到業務場景中,實現前端應用的開發;緊接着是協同應用的層面,在釘釘即時通訊技術的原子能力基礎上,用信息将操作、審批、數據連接到業務場景中相關人員組成到群内,同時對協同的數據進行分析,實現業務協同和組織協同;系統産生數據,前端應用産品應用數據,數據平台整合系統的數據支撐前端應用建設,前端應用的建設過程中也會校驗系統采集數據是否準确、夠用,從而反哺驅動系統及數據平台的建設,實現數據的生産、應用、再生的閉環,通過這樣持續使用數據、産生智能、反哺業務從而實現數據支撐企業戰略規劃的可持續機制,支撐更多的業務操作、運營和決策,最後通向AI智能應用。
數據平台的最終價值呈現是通過前端應用和協同應用來體現。前端應用和協同應用都是面向業務的場景,數據平台加速前端應用産品與業務場景的連接。數據平台的能力不斷完善,能夠支撐更多的"數智"前端應用産品。以我們與滴普科技聯合共創"麗影"産品爲例,通過對多維度、多指标數據的實時分析及全價值鏈數據模型構建,探索出單一貨品的全生命周期的動态呈現産品。它打破了原有BI的界限,将包含時間、空間、庫存、銷量、補貨等多重維度,數百個指标數據在同一個界面直接動态呈現,形成可以靈活地交互控制其播放的"數據分析電影",全面提升了業務數據的分析與應用效率,實現了讓數據在動态中驅動業務價值。麗影除了産品本身的創新,在技術方面也是有非常大的突破,在行業内的大數據的應用側基本上是BI報表、大屏等,一個大屏信息量是幾百個字節,都是基于傳統數據庫,還隻是小數據量的應用,而麗影是TB級的,是普通大屏的一萬倍以上,是直接對接大數據處理系統,才使得麗影能秒級呈現TB級的數據,是大數據直接應用到數據呈現的産品,這是在技術上非常大的創新與突破,是我們的業務與滴普科技的技術完美的結合,是技術走到業務,實現了真正的業務價值。
未來新的技術會不斷湧現,産品的活力來自于場景,新技術到應用到場景的速度也會越來越快,基礎建設是底層能力,如果底層能力不夠,再前沿的技術用起來也達不到效果。評估基礎建設最簡單的就是實時,采集的數字是否實時彙總給相應的人看,這是業務上智能的基礎,智能在具體業務裏就是快,就是效率,全方位數據不能實時,上智能又有何用。
第三部分 如何理解數據在業務場景中的應用
第一部分寫的是業務環節到系統采集到數倉之間的關系,第二部分闡述了數據平台的邏輯,這些寫的都是系統建設,本部分寫一下系統建設與協同應用的關系。
(一)數據生态的邏輯
數據是後台系統協同前台應用的橋梁,所以我們先簡單地講一下數據生态的邏輯:第一步先确定一個實體(業務域),第二步是确定用什麽方式去進行數字化采集,第三步是把采集的數據放在一起,第四步是将數據進行分析,第五步是數據服務。
舉一個生活中的例子,家裏的電器,不管燈還是空調,就是第一步的實體;何時開、何時關、用電量,這就是第二步采集,将家裏所有相關的電器都做到數據采集;以上數據都是分開采集的,所以需要第三步,将所有的數據放在一起,這就是數倉;有了數據,再進行分析,也就是經常何時開空調,家裏的用電量等等,這是第四步;第五步,根據分析數據,給出合理化的建議,這就是數據服務。
換成技術的方式表達,第一步實體,就是具體業務。第二步采集,就是進系統。第三步數據歸集處理,就是數倉。第四步分析,就是前端數據應用。第五步數據服務,講的是回路,講的是協同在線,同時也是完整的閉環建設。
協同在線,就是用消息實時串連操作、審批、數據爲一體,也就是第五步的數據服務中用消息把前面的四步串聯起來,形成閉環。它的作用是:從系統走向應用,從後端走向前端,從局部走向整體,從業務走向管理。下面用數字化建設的邏輯來表述一下。
(二)從無數到有數到再增數據
首先要解決有數、無數的問題,再解決數據的完整性、有效性問題,就是回路建設,這個從無數到有數到再增數據,具體如下:
1、無數到有數
一個實體(也就是業務),一種現象(對應的業務場景),是否能用數據表達出來,或者是否能采集到相應的數據,這就是無數與有數,就是數據的從0到1的過程,無數則解決采集問題,有數要進入下一層。
2、有數連邏輯
有了一個數據,不可能完全表達出實體與現象,實體和現象都是由多個數據組成,也就是業務場景都是由多個數據組成,當有一個數據的時候,就需要找與之相關聯的數據,這種關聯,是多維度的,也就是數據的連接的邏輯。關聯的維度越多,說明這個數的重要性越大。
3、定标準
數據在多維度驗證連接後,就要有标準,這個标準首先要表達與業務場景的真實關系,也就是在多維度上可以複用。真實性是數據有效性的前提。
4、成系統
即便數據已産生多維度連接,但也隻表現出某一個業務場景特征,同一個業務實體的多個業務特征之間編排組合完整的流程,系統是整體流程各個環節的完整數據的最終集成,整體性代表了系統支持業務的能力水平。
5、實時性
實時的數據,能真實呈現當前業務場景的狀态,系統的能力體現在數據是否能及時收集與整理,并實時提供給業務應用。與業務場景的現實之間的延時越長,數據的失真性就越大,有效性就越弱。實時性,在業務方面代表的是效率,在技術方面則代表系統的構建水平、反應速度與應用能力。
6、共享(分享)
數據的真實性、完整性、實時性是數據平台的核心價值,也是數據分享的基礎。實時化的數據通過前端應用産品不斷的分享給相關的崗位及人員,才能讓這些人對實時的現象狀态有了及時的了解,才能保證他們工作過程中行動與結果方向一緻。
7、互動
實時化的數據在前端應用産品中呈現,在相關聯的崗位之間共享,各個崗位之間根據共享的數據進行交流互動,同時連接到具體的業務流程進行推進,這就是協同平台的作用,也是工作群的作用,實時化的數據共享,讓崗位之間的互動更爲有效,讓業務流程推進更爲順暢。讓崗位在系統的支撐下,創造出遠遠大于原有的、僅僅基于崗位的價值,激發崗位的潛能。
8、流動
基于統一的協同平台,系統間數據的流轉,崗位與崗位通過數據進行協同,數據被反複使用,數據被複用的越多、頻次越高,也就體現出這樣的數據其價值越高。需高度關注這類數據的資産化價值。數據的流動,将聚焦在開發連接的價值,系統的價值就是組織優化的綜合體現。
9、認知
在實時的數據之中,産生認識,再将認識的數據,分享給别人,與分享的人互動,産生共識,再分享更多的人,就産生流動,在流動過程中也産生更多的互動,這個不斷的循環就會産生許多共識,共同的認知會提升個人認知與集體認知,從而也會産生新的數據需求,新的數據需求就是無數到有數,又産生新的循環。系統和組織的潛力被充分地激發出來。
系統建設過程是從無數到有數再到實時化,是數據如何生産與采集出來的過程,是從業務到系統到數據的建設過程(也即1-5);從共享到認知,是數據被用的過程,是協同的邏輯,也是回路的建設(也即6-9);從認知再到對新的數據的需求,是循環往複的過程,是數據新的價值的産生過程,也是協同的作用和意義,互動,流動,認知,新的數據需求就是認知的提高,是增強回路的建設。數據的增強回路映射業務、組織、系統的叠代閉環,通過對這些數據進行彙總整合分析應用,輔助管理決策,調整組織人員配置和協調,提升内部業務節點運轉效率,驅動業務流程與組織能力的不斷優化。1-5,是現象到數據的過程;6-9,是數據價值的體現。
數據建設邏輯:從無數到有數,從有數到數據閉環,再到增強回路形成數據循環
分享、互動、流動、認知,這八個字來自于凱文凱利關于未來的趨勢,未來的世界一定是互動影響認知,系統的湧現就此發生。
(三)場景-微場景-細微場景
例如,零售門店在運營過程中,需要關注店鋪是哪些顧客進入、顧客購買了什麽商品、顧客購買的時間、顧客購買時的促銷活動等等信息,通過營促銷管理、POS等系統,對相應的數據進行采集。這裏的各方面因素都是相互關聯,相互産生影響的,能力強的店長能通過分析這些因素的變化情況,找到銷售波動背後産生的原因,來調整銷售策略與安排。這個分析過程就需要通過對相應數據進行及時的真實性确認以及數據的整理,因此實時數據呈現及相關數據分析非常重要。以上的相關數據以前是散落在不同的系統之中,店長需要通過不同的系統來進行查詢數據,然後再整理數據,耗時耗力,再因店長的水平不一,容易出現數據不準的問題。因此,需要一個門店日常運營場景相對應的前端系統來滿足業務及時、全面看數的需求。我們的門店數據産品應用而生。門店數據産品是以單店爲核心,以業務數據爲基礎,根據實際業務場景搭建出來的。
1、"門店數據"根據業務場景編排--前端應用産品
首先,系統将每一筆銷售單據進行數據采集,數據收集到數據平台。數據平台以單店爲最小單位進行數據整理,形成人貨場的單店數據分析體系構建。再圍繞最小單位往上彙總數據,建立不同崗位角色的前台應用,保證統一的口徑和業務邏輯,實現數據的标準化。"門店數據"以單店爲核心,基于數據平台的相應彙總數據,同時各角色根據相應管理層級逐級對數據進行驗證,保障數據真實,在數據标準化的基礎上,實現數據的實時化呈現。
其次,"門店數據"前端應用産品的設計思路源于終端門店的各業務場景,"門店數據"會根據不同的時間點推送不同的數據,由用戶在門店場景中驗證數據的準确性,确保系統數據一緻。
最後,"門店數據"的功能共分爲三大類,分别是【實時銷售看闆】、【數據分析看闆】和【門店管理工具】,每個功能都映射門店經營對應的微場景。
【實時銷售看闆】是及時地反應店鋪銷售整體情況,從商場動态、完成率、店員銷售等方面實時更新店鋪經營數據,方便店長随時掌握店鋪銷售狀況及目标達成情況;
【數據分析看闆】又涵蓋銷售概覽、單品分析、員工分析、店鋪排名、特殊時段、店長報告6個應用模塊,每個模塊裏面的維度都不同,銷售概覽是以日、周、月、年時間維度,單品分析是以暢、平、滞維度,店長報告自動生成标準化的日、周、月報告,數據分析看闆讓店長全面了解店鋪狀況。
【門店管理工具】則是圍繞店鋪日常管理工作爲目的進行設計的,主要包含【店鋪目标】、【數據收集】、【崗位管理】和【通知訂閱】四個管理應用;【店鋪目标】用于制定店鋪和店員的銷售計劃。店長設置目标後,在實時數據、店員分析等應用均會展示完成進度,便于更好地推進團隊達成目标。
2、"門店數據"在微場景的應用--協同應用
"門店數據"通過協同在線将相應的數據内容在店鋪群内進行共享(分享),并實現審批在群、操作在群、數據在群,讓店長與店員,各門店的店長與主管之間産生互動,不斷産生共識。例如:
1)早工作部署:在早上8:30上班路上,店長在"門店數據"應用内結合本周目标完成率、排班情況及店員能力,調整店鋪日目标、将任務分配到店員,在"門店數據"的【店鋪目标】模塊完成目标的設置。然後通過"門店數據"的群應用将今日店鋪目标、店員目标一鍵發送至店鋪群,将今日銷售任務及銷售策略同步至當班店員,如店員有疑義可群内及時溝通,達成共識後即可完成早工作部署;同時,機器人會定時将店鋪目标逐層向上彙總并在各級管理層的群内播報,讓目标管理更高效透明,店鋪間也可互相關注、參考和對比達成情況,進一步促進互動與信息流動。
2)開單激勵:機器人實時将首單信息在相關群内進行播報,提醒開單店員群内曬單,多種便捷工具方便店員分享開單心情及經驗,同時,會通過消息推送的形式提醒店長,幫助店長做到及時鼓勵、互動,以鼓舞士氣;"門店數據"還會定時進行孖單播報,置頂開大單員工頭像,創造集體榮譽感,快捷的分享、激勵形成标杆效應,以提升銷售動力。
3)時段報數及跟進:"門店數據"會在固定時段主動報數給店長,店長也可以通過"門店數據"的【實時數據】模塊獲悉店鋪實時的銷售情況,根據數據來分析總結當前問題。同時可以一鍵将包含店鋪銷售數據及經營總結的卡片發送至有其主管在的群裏;主管看到店長發出的卡片,基于銷售數據幫助店長分析定位問題,在群内及時地進行了解與互動,最終雙方形成共識,從而店鋪及時調整策略并運用到當天接下來的銷售環節中。通過不斷地報數呈現、數據驗證,也更加能保障實時數據的準确性。保障準确性後,可以進一步分析店鋪開單時段分布,爲優化店鋪人員資源配置提供數據基礎。在晚上十點,門店數據還将主動推送【店長日報】給店長,店長日報從銷售、單品、品類、店員四個方面,自動生成店鋪經營數據,輔助店長完成當日的銷售複盤,同時方便店長做第二天的工作部署,結合當月、當周的店鋪經營表現和下一步目标,靈活、精準形成調整策略,運用至次日的經營活動中。
通過"門店數據"在以上微場景中的運用,将數據結合互動,充分溝通、互動更能發揮數據的價值,也讓互動更有數據可依。店長、店員及主管等不同崗位之間不斷分享數據和交互意見,不斷産生共識,并且不斷調整和改進經營策略。分享、互動過程中又産生了大量的行爲數據,行爲數據結合調整策略後産生的經營數據,反哺到業務細微場景中實現業務叠代和分析閉環,去持續拓展、增強整個"從無數到有數"的閉環建設。
3、"門店數據"未來在細微場景的應用--AI智能
通過有數據、連邏輯、定标準、成系統、實時化、分享、互動、流動、認知再推動從無數到有數,不斷産生新的循環,在持續完善的全場景數據基礎上,依托AI智能技術的應用,結合機器學習的算法沉澱,逐步實現從人和人的互動轉變爲人機智能交互,實現智能化構建,智能化又推動運營過程中細微場景的創新。 依然以門店數據爲例,從過去人找數據,到現在數據找人,未來以AI智能推薦、語音/語義查詢及大數據分析等五項數智能力爲支撐,将實現更"懂你"的數智化應用,讓店鋪管理更高效、服務更精準,借助數智能力,未來店長的一天将在與數據的動态互動中實現店鋪高效管理。以其中幾個細微場景爲例:
1)首先,在上班路上,機器人自動根據本月目标完成情況調整當日任務分配,并推送至店鋪群;基于AI語音對話能力,并實時提醒店員目标達成情況;
2)借助大數據分析能力,進行銷售預測和利潤預測的動态分析,同時結合庫存監控預警,輔助店長進行精準調貨申請。
3)每天,基于AI的智能推薦,自動匹配銷量、利潤、庫存等指标,計算出有銷售潛力的主推款,并推送給店長,輔助店長精準決策;并自動配合店長,自動形成主推款詳情和主推話術,觸達到每個店員,助力更好地服務營銷。
4)店長查詢任何數據,不用打開前端應用産品界面,直接與機器人互動就可以完成,機器人自動将互動的内容形成店長日報,以便店長複盤每日工作。
以上是以"門店數據"爲例,按照1-9的邏輯,以業務場景-微場景-細微場景中應用的建設過程,數據在業務場景中進行彙集、整理、應用,通過協同在線,在細微場景中進行校正,同時增加更多的數據維度以及行爲數據,基于在微場景中補充的更全面的數據的綜合分析,才能支撐在細微場景中的AI智能應用。
門店數據:源于終端,服務終端; 協同在線,組織叠代
下面再簡單以"補貨群"爲例,闡述一個先建設6-9,再連通1-5的過程。
關于"補貨群",我曾發文《從補貨場景,看企業協同在線》,在文中詳細介紹了關于"補貨群"的探索以及提出協同在線的構思、建設路徑和産品。在2020年7月我們開始進行"補貨群"的嘗試,最初是将地區相關貨品人員以主群和子群放在一起,用消息來解決溝通難問題,當時補貨工作,涉及到跨地域、跨崗位、人數衆多的各層級人員,溝通主要依賴郵件、微信、電話等,沒有記錄,相應的過程中數據也人工記錄在表格中,不能回溯。用補貨群,相應的信息在群裏分發到相關人員并直接在群裏溝通、跟進,每個人是否看到消息都能呈現,都可記錄,同時,大家之間的互動也在群内。當大家習慣了使用群的溝通方式之後,根據具體的業務微場景的需要,将系統功能或前端應用解構,通過群結構設計、群能力設計和消息推送設計的編排,進一步将系統的操作、審批、數據逐步前置到群裏,實現了1-5與6-9的完美結合,這就是協同在線的從無到有的探索。傳統的零售系統是以流程爲主,未來零售系統會以應用業務場景中,以數據平台和組織平台爲依托,數據平台将各個系統采集的數據收集彙總起來,再根據組織平台的信息按照各個業務崗位分發數據,協同在線再把誰操作、誰審批、誰看數都串聯起來,形成過程數據化,這就是未來的零售系統,原有的ERP都變成後台系統,一切應用都對應具體業務場景。
以上是我們對數字化建設的思考及數據應用落地的探索,現在行業内湧現出許多概念和邏輯,這些概念和邏輯,大部分都源于線上的思路,線上是個虛拟空間,本身就是用數字來表達的,沒有數字不能實現線上;而線下是實體,針對實體,是否能采集到全面的數據,或者法律法規的原因不能采集,是實現這些概念和邏輯的前提條件。概念落地首先要解決從無數到有數的過程。
整個從無數到有數的邏輯中,互動、流動、認知是非常重要的,也代表回路和增強回路。因數據所産生的互動,代表數據是活的,也就是這個數據是有價值的。所以這個單一互動也會産生新的動作,這個動作如果回到操作層面,就是一個完整的回路。如果因爲這個分享而産生更多互動,再産生再分享的流動,這就有可能會産生增強回路,當然還需要對接到操作層面,推動相對應的操作甚至到整體操作。所以互動非常重要。互動一定要基于共同的探究,本質應該是非競争性的,從理解出發,分享每個人的觀點和想法,暫停基于個人的假設和信念,暫停證明"我是正确的"的本能反應,秉持"我們都是對的"的開放與信任,打破非此即彼的局面,實現突破,這需要通過傾聽和真正的對話進行共同的探究,以達成共同的意義,這也将意味着形成有意義的流動。放在公司的環境裏,對話是思考或學習型組織的至關重要的基礎。通過對話,公司的大腦可以不斷地重新建立聯系與互動。不斷的互動中才能生産流動和認知,最終産生認知的提升。
數據的流動,能把系統的潛力挖掘出來,能讓崗位更多地撬動出系統的潛力。
第四部分 數據平台是企業資源的管理平台
随着國家政策對數字化的重視,數字化已經成爲企業必然的課題,理解信息化與數字化的差異,及數據平台的作用,企業才能更好地建設數字化。
(一)科技部門定位的轉變——平台的平台
1、數字化是在信息化的基礎上進行建設
首先理解一下"信息化"與"數字化"的區别,信息化是讓企業的經營管理活動能被數據記錄下來,對企業的生産、采購、銷售過程及客戶服務、資金活動等業務活動和過程進行數據化的記錄;運用計算機、網絡、數據庫等信息技術,實現企業的業務流程管理和業務數據記錄,其重點關注的是業務流程的優化和業務系統的搭建,典型工具如:ERP/WMS/OA等。信息化其實是一種"業務數據化"。從管理的特征而言,它是以企業部門爲單位來服務于部門流程自動化,因此它是以服務爲主,以業務單位爲主體服務業務單位的。信息化建設中,數據并不是爲數據消費者創建的,相反地,數據是業務活動産生的副産品,數據并沒有得到全面有效的使用。
數字化是通過各種技術和管理手段,将企業分散在各個業務部門的、信息化階段長期積累下來的數據,以及通過網絡等手段獲得的企業運營的過程數據或外部數據,統一通過大數據/雲計算/AI等手段綜合利用,通過數據挖掘,發現問題、尋找規律、拓展商機,用數據優化業務組合,提升業務流程效能,實現企業的持續運營、持續創新和持續發展。典型工具如:數據倉庫(湖)、數據平台、AI算法平台等。數字化是"數據業務化"。在數字化時代,如何發現、獲得、處理并有效使用企業各種活動的數據及外部數據是建設的核心。這一過程沒有什麽标準化工具可循,都是在長期信息化建設基礎上累積而成。
信息化是讓系統适應當前的業務現狀,業務之間存在部門的管理邊界,導緻系統的建設也彼此獨立,這就是所謂的煙囪式的系統建設。而業務環節的管理斷點,則系統、數據必然不連通。數字化建設中,業務環節的梳理及重構需要打破組織邊界,從企業價值鏈視角出發,基于企業全局業務來審視信息化建設時期的問題,數據,作爲業務信息傳遞的載體,在這個過程中得以打通、校正、完善,發揮價值。
與此同時,新的IT技術不斷湧現,技術突破到實際應用的速度也會越來越快,IT産品的應用活力來源于業務場景,新技術到應用到場景的速度也會越來越快,基礎建設是底層能力,如果底層能力不夠,再前沿的技術用起來也達不到效果。評估基礎建設最簡單的就是數據實時、精準、快速,從數據産生的源端實時推送(加工彙總)到最終數據的應用端,這是數據在業務場景中應用并發揮作用的基礎,提供給業務有效使用從而實現最後一公裏的打通。最後一公裏是令人興奮的,某種程度上是業務方對IT建設的價值形成強烈真實感受的地方,但這種感受需要長期持續的建設才能實現,如"麗影",從把所有業務的數據進行采集,通過數倉技術統一處理和加工,最終經過數百個模型的開發表現各種維度的業務狀态,這個成果從系統數據梳理到數倉建設到前端數據準備前後至少用了三年的時間,對技術而言,基礎建設不夠是支撐不了業務應用需要的。
2、數字化建設的特征
數字化建設的特征:1、技術門檻高,要連接和打通所有的系統,實時整理所有收集的數據,再統一應用給業務用戶,因此鏈路長,又要求有時效性。2、建設難度高、周期長,首先要求傳統煙囪式、封閉式建設的各個系統打開,變成組合式的、(能調用的);其次要從業務整體設計,去評估現有系統是否足以滿足發展需要,正如第一章所述,從整體思考規劃;最後數字化建設道路是沒有現成可學的方法,隻有在不斷的摸索中叠代前行。3、對管理者要求高,管理者一方面要理解技術建設周期與業務需求之間的不同步和延遲,技術建設是以構建爲基礎、長周期、不斷叠代而成,因此技術實現周期遠遠超過業務運營周期,另一方面業務系統要時刻保持正常運行,而技術建設在叠代過程中又需要業務運營系統及時做出相應反應,這對把技術建設周期和業務運營周期進行安全、有效地協調提出了極高的要求。這對我們當下的整體系統運行能力是一個極大的考驗,也是我們這個系統走向完整強大的開始。這就是我們的系統核心競争力的打造過程。
3、數字化改變了技術部門的定位
數字化和信息化的定位是不同的。信息化是以企業内部各部門爲主體,隻要符合部門内部流程,圍繞對單個業務的理解,建設獨立的系統來滿足業務的需求,因此業務過程的記錄和響應業務需求是傳統IT系統建設的核心,也是科技部門在企業中的定位——服務于業務。而數字化是拉通企業整體的,是将各個部門系統的數據彙集起來,同時需要數據獲得技術/數據處理技術/數據分析技術/協同流轉技術等更強大的基礎技術建設才能實現。整體性、多樣性帶來的建設難度極度增大,因此數字化的建設周期遠遠超過信息化。數字化是實現企業從一個點的、端的、或者是局部的競争優勢走向企業整體競争優勢的質的飛躍的基礎保障。科技部門在企業中是跨部門連接最多的部門,是企業所有問題集中呈現出來的部門,也是所有數據彙集形成資産的部門,連接越大,影響面也越大,因此科技部門的定位也随之發生巨大的變化。
信息化時代,流程以各個部門爲單元進行建設,"相互比較"成爲成功的藝術,比較内部所有部門之間的差異,最終找到成功部門及其成功的原因,這是傳統企業找到内生發展的路徑。數字化與信息化建設最大的差異是:數字化是将所有部門的業務流程産生的數據放在一起,從整體建設的角度去思考最大的可能性,據此去優化業務布局與流程,相應地基于整體規劃IT系統建設,提高整體效率。由傳統的各部門自主流程建設轉變成以企業整體規劃自上而下流程設計爲主線來建設各部門流程,在此基礎上,整合統籌所有的資源。數據平台的作用就是把所有的數據進行彙集整合,也就是對資源的信息進行彙集整合。
随着線上業務發展,随着互聯網的普及,企業與企業之間聯系越來越多,越發需要企業具備整體視角。業務體系不僅要關心自己的業務運行,還需從公司整體的角度認識IT系統及數字化建設的價值和意義,了解和挖掘IT系統能夠給自身能力建設帶來的巨大支持和幫助;而科技體系不僅要從技術的角度保證整體運行安全、有效,更要認識到IT系統更大的價值來自于爲公司實現整體建設所發揮的獨特而核心的作用——對業務各個環節進行打通和連接進而讓公司整體出發優化前端業務體系提供全方位的響應和支持。所以業務體系和科技體系都有必要通過升維思考重新認識到自身體系不斷進化的可能性和必要性,站在更高層次上看到對方存在的巨大價值,超越原有的本位意識,從協同的角度看到兩者深度融合的巨大潛能,從而對公司的經營和發展能夠做出遠遠超過昨日的貢獻。
科技部門定位的轉變——平台的平台
科技部門的定位轉變成爲公司管理平台的平台,從對管理提供支持轉變成支撐管理平台高效運行的基礎平台。
(二)打通最後一公裏——協同在線
1、業務對系統建設提出需求的核心——數據
随着數字化的建設,業務部門都希望通過系統這一技術手段來提升業務運作,于是對系統建設提出了很多需求,讓技術部門去實現。但很多時候業務部門沒有理清思路,具體體現在數據上,表現爲以下三個問題:
第一,本身沒有數據或數據失真。在業務環節中,一方面是沒有系統或者是業務環節中的某個點沒有設計到系統功能中,數據沒有采集;另外一方面是有系統,但是初始數據是在日志中,沒有被使用;還有就是系統初始數據采集是手工錄入,耗時耗力,容易失真,對标準管理的要求高,極大地增加了管理成本。
第二,數據在企業内部的其他部門,提出需求者會用各種理由突破管理邊界。技術部門是做系統功能建設的,他們隻是按照業務流程和需求進行系統功能開發,對部門内的流程及部門流程邊界是有清晰認知的,而對業務的整體性及邊界的了解和把控很難,從數據應用上,業務需求提出方會有很多的理由證明自己提出的需求是需要跨邊界的來完成,跨邊界的需求是否被允許,技術部門判斷不了,需要業務主導方從整體來斷定,這就是權限問題,權限的背後就是組織内部邊界問題。
第三,數據在企業之外,數據不完整。外部數據,由于國家相關法律法規的要求,很難獲取完整的數據,有時甚至很難實現采集,因此常常獲取的是點狀的、不全面、不完整的數據,真實性難以評估。
2、系統與系統之間的連接問題
單一系統的本身就是流程,單一流程是簡單的,容易順暢,也容易使用,以滿足某部門内部日常工作需要。然而即便單個業務系統建設順暢了,系統與系統之間也缺少連接,存在斷點。而斷點與斷點的連接,靠的是技術人員手工調整配置,就是權限。煙囪式架構建設的系統的背後是權限配置的割裂;同時,系統與系統之間的斷點,也很容易造成數據的割裂與不一緻。
過去靠行政和組織管理進行的系統之間的連接是沒有系統支撐的,标準是因時而宜且因時而異的,這些問題經過日積月累的疊加,就會糾纏在一起,許多問題也就越來越複雜。缺少整體設計,就絕對無法解決上述問題。這就是業務管理的難點,對于技術部門來說,也是信息化系統建設難躍過的鴻溝。
因此,數字化的重點就是要解決從整體進行設計、從整體進行連接的問題。從整體上看,跨部門之間的連接都發生在業務場景中,過去系統建設基于流程,未來要基于業務應用場景。業務流程與業務場景是環環相扣、層層連接的,業務流程通過信息化建設基本都是有系統支撐的,沒有系統支撐的是系統與系統之間的連接關系,把人與系統的連接以及系統之間的連接在業務場景中串聯起來,就是協同在線所實現的,在我曾發表的文章《從補貨場景,看企業協同在線》中有詳細闡述,協同在線讓業務流程運行順暢和業務場景功能到位這二者實現了完美的融合,讓系統對業務的整體運行提供了足夠有力、及時的支撐。于是協同在線解決了從整體進行連接的問題,打通了數字化建設的最後一公裏,讓散亂到簡單。數字化讓協同成爲了可能,而協同又更好地支撐了數字化的發展。
整體系統的順暢是企業跨部門及對外高效協作的前提,所以數字化就是建設标準化的連通。而這個标準化不是一開始就能設計出來的,是在系統應用過程中不斷叠代出來的,是業務與技術互動出來的,協同在線是數字化關鍵,是需要從整體思考和布局,針對業務系統的需求找到産生這些問題的根源進行相對應的組織及跨組織連接,一方面通過技術手段,讓跨部門的連接形成數據并完成采集,在分享和互動中讓連接更順暢、更高效,解決跨部門連接中非标準化的問題;另一方面,基于不斷的分享、互動、流動,形成共識,進行共識的标準化建設,這不僅能夠解決消息化時代系統煙囪式架構存在的問題,更重要的是還能産生在原有層次上的系統所無法創造的價值和效益。
打通最後一公裏 —— 協同在線
(三)業務管理的核心抓手——數據平台
1、數據是溝通的橋梁
數據作爲溝通的橋梁、統一的語言,讓業務環節與系統功能之間連接起來,讓"業務依托技術,技術爲業務賦能"成爲可能。正如前文所提及的"門店數據",它從門店經營場景中海量應用數據的過程中抽象開發而成,它成爲了各級管理者與一線員工的溝通橋梁。對于大型零售企業,擁有分布在衆多城市的衆多的門店和數量龐大的員工,業務和組織複雜度對管理者提出了非常高的要求。(1)"門店數據"幫助管理者運籌帷幄。完整的門店數據體系實時呈現了門店的經營動态,對于各級管理者,整個集團/區域/城市的業務體态通過數據孿生的方式實時映入眼簾,爲業務決策提供充分的數據指引。(2)"門店數據"幫助管理者走進一線。"門店數據"就是各級管理者與業務一線的溝通橋梁,它徹底打破了在傳統"巡店"過程中天然存在的管理層和一線員工的對話障礙,包括語言不一緻,數據不完整,表達不直觀等,各級管理者利用"門店數據"到任何店鋪去都可以直接與員工就具體業務進行有效溝通,快速發現問題,進而解決問題。
"門店數據"建設了企業内部語言體系,數據構成了管理者之間、管理者與一線之間的溝通橋梁,也是管理提效的工具。
爲了保障這種溝通,就需要在數據産生的源頭上進行标準化及驗證,保障數據的真實性和完整性。其實每個數據的産生,都是系統的錄入采集過程,而且會被系統完整記錄下來,這個過程同時也會涉及到多個系統中的數據的調用,數據之間的調用關系也是真實性的反應。比如零售店鋪整個POS開單過程,所需的數據涉及十多個系統,POS需要将十幾個系統裏面的會員、商品、店鋪、營業員、促銷活動等十多個維度的數據源、數據規則在一個功能菜單進行彙聚和整合,生成銷售訂單。在這個過程中,數據的錄入采集都是發生在店鋪中,店鋪人員可以通過"門店數據"實時核對錄入采集的準确性,管理者也可以通過"門店數據"與一線員工确認數據的真實性,來确保系統中的數據的真實性。
2、數據治理是管理工作的一部分
統一的數據門店産品,解決了門店産生的數據曾經存在的數據不全、數據不準、數據不一緻等問題,這些問題以前嚴重地制約了數據價值的實現。數據價值的實現就體現在業務更有效與更高效地使用數據,在數字化建設中的路徑就是将所有系統的數據彙集到數據平台,數據平台再根據業務應用場景進行編排建模,以提供給業務使用,實現有效應用和高效應用,例如門店數據和麗影。當數據彙集到數據平台按照業務應用場景進行編排建模時,就很容易識别出某些業務環節的數據存在的不全、不準、不一緻等問題,這就需要數據治理,從應用端到數據源進行拉通,回溯數據采集的源頭及路徑,進行數據标準及數據關系的梳理,管理源頭的業務運營的規範性。可見,數據質量是業務運營規範性的體現,數據治理需要管理者主抓。對數據的重視其實由來已久。我國從很早(商朝或者秦朝)就開始了記賬,相應地也會有對賬工作,這就是最原始的數據治理,以保證賬賬相符、賬實相符,賬賬相符就是流程拉通,就是流程與流程之間的關系,在流程内部就是節點與節點之間的關系。賬實相符,就是呈現資源的數據與資源本身的一緻性,例如人口和土地等,曆朝曆代,人口、土地的數據都是統治者所重點關注的。所以,數據治理自古有之,并不是現代化企業才有的一項新的工作内容。數據治理是一個漫長的、真真切切的管理的基礎工作,長期而又持續性的工作,反應出業務運營的規範性和效率,是管理者日常管理工作的一部分。而數字化建設的革命性貢獻還在于它反哺管理系統,爲管理者通過開發公司整體運作優勢提供了前所未有的可能性,當然,要想發揮這一優勢也對管理者,尤其是公司層面的管理者在認知和能力上提出了前所未有的挑戰。
3、數據平台是企業資源的管理平台
随着技術的發展、數據平台的建設,數據作爲最核心的資産,數據治理能力作爲最核心的競争能力,開始登上曆史的舞台。數字化轉型的核心是厘清業務與系統的關系、業務與數據的關系、系統與數據的關系,協同推進業務變革、系統建設及數據能力建設。
未來企業數字化發展是在技術基礎上,首先發展兩大平台:業務平台和組織平台,業務平台是記錄所有業務流程中的業務數據(包括銷售數據、貨品數據、渠道數據等等),組織平台是記錄組織管理過程中人員數據(包括崗位數據、權限數據、行爲數據等等);然後發展數據平台,數據平台是業務平台和組織平台的數據進行彙集,加以綜合治理,讓數據真實可用,爲數據應用做準備;最後是前端應用和協同應用的建設,前端應用産品化是将對應業務場景進行标準化的數據應用建設,協同在線是在标準化的數據應用基礎上,滿足業務微場景中更多個性化需求,提高整體協同效率。所以數據平台在整個建設過程中起到承上啓下的作用,因此說它是IT建設的核心。在商業企業中,技術應用發展的目的就是爲了調動資源并合理利用,精準、系統化支撐企業以更好的商品、用更快的速度滿足顧客的需要。敏捷來自于協同,協同的前提是統一‘語言’體系,而這個‘語言’就是數據。數據平台就是資源合理調動和利用的保障,是企業所有資源的管理平台。
數據平台——企業資源的管理平台
不管技術如何發展,都超越不了這五個字:理、象、數、時、位,這五個字來自《易經》的核心思想。業務運營從整體和動态的角度來總結也是這五個字,業務分析就是用數據把不同的時間、不同的崗位和範圍、變化的業務現象及背後的原因串聯起來,而且還在過程中用數據不斷呈現理、象、時、位的真實性。這個循環就是将觀察、分析和思考不斷逼近真實的過程。技術是這一理想變成現實的前提、工具和保障。
本人30年零售業務經驗,從業務到管理,再到科技部門管理三年,本文是對從業務轉型科技部門的感悟,和對企業數字化建設的思考。文章的内容有許多來自于我所帶領的團隊及合作夥伴的探索與實踐,分享出來供大家參考。
更多精彩内容,關注钛媒體微信号(ID:taimeiti),或者下載钛媒體App