成功经验分享：如何做好企业数据文化建设？
本文为帆软2021年智数大会中自助分析分论坛嘉宾龚凯先生的演讲精华。
来源：龚凯-《帆软2021智数大会》
作者：龚凯-瀚晖制药
我今天分享的主题是数据文化建设与自助分析。其实这一次主要是分享瀚晖数字化建设当中的一些成果，因为去年分享的是公司数字化转型的方案、背景和机遇，现在也做了两年了，产出了非常多的成果，所以这次是带着这些成果给大家做汇报，看看过去两年有哪些数据的建设内容。
大家都知道医药最近面临着市场的剧烈动荡，在三医联动的医改浪潮下，整个医药市场最大的支付方是医保。为什么会有医改呢？是因为医保单位消费习惯发生了变化，之前只要是药能治病，他都愿意付钱，现在医保单位消费观念变成，如果是创新药、原验药，就愿意付钱；但如果是仿制药品，支付意愿就会下降。
同时服务的对象——患者也发生了很多的变化，主要是受互联网环境的冲击，一些轻症患者有了整个诊疗手段的上浮，包括国家正在推行的分级诊疗策略导致了患者流也在往下沉，所以患者流也发生了很多变化。
基于整个动荡的市场环境，我们在数据领域做了这样一些事情。如下图，下面的部分我不解读，我觉得BI为什么非常成功的原因在于上面的部分——数据科学家的部分，其实这一部分对应着公司的数据文化建设。
企业自助分析数据文化的建设路径
瀚晖整个自助分析建设路径分为三个阶段。
第一阶段是工具的引入自助分析以及标杆项目的建立。工具的引入，主要是和帆软合作，引入了帆软的FineBI、FineReport还有数据中台产品，都是我们和帆软合作引入的一些工具。我们有了工具之后就以IT为主导的方式打造了一些标杆的BI项目，这个阶段
第二阶段，培养用户的能力。现在把一架飞机放在你面前，不会开也没有用，同理工具很厉害但是用户不会用也是没有用的，所以我们又通过了很多种子用户、自助分析的推广、分职级的培训、社区运营去提高公司的数据分析能力，包括对IT也做了很多的培训。
推广了第二阶段，整个公司的数据应用能力已经有了很大的提高，于是就到了第三阶段——文化的建设。做培训的同事应该会知道员工学习技能，是分四个阶段的，到了最后的平缓期，员工已经学会了，但是不太乐于使用，所以一定要打造一种数据创新的文化，让大家更多的参与到数据使用中来。企业的整个数据是从可视化、技术分析到智能化这样一个从工具、能力、文化三个维度共同去创建的。
为什么要做自助分析呢？其实也可以只做FineReport，拿报表团队去满足用户的日常数据需要就好了，但是更多的要去思考数据团队、IT团队和业务的关系。比如说数据团队，是数据规则的制定者？是数据的管理者还是数据的执行者？我个人觉得如果数据团队要做高价值的东西，一定要摆脱日常的一些报表开发，去做去中心化，去引入自助分析。
自助分析的价值大家也知道，一方面对于业务来说，它的可及性，时效性以及应用性都有所提升；对于IT来说，它的开发工作量、运维难度会大大下降。比如业务，当前市场环境变化很快，市场部经常做不同的campaign，如果说做一个活动，就要拉上IT一起去想这次活动指标怎么搭建，报表怎么搭建。从开发上线到测试，整个环节非常长，但如果把这种能力赋能到市场部，就可以根据市场活动灵活的去搭建报表，去分析自己需要的东西。
自助分析的挑战
第一是数字化的挑战
数字化最大的挑战是未普及数字化的文化。调研报告的数据来源在右下方，数字化文化，其实从数据统计上来说，就是在推行数字化、推行数据项目要攻克的最大难关。BI项目为什么会比较成功，就是一开始把数字文化纳入整个项目一起做建设。
接下来看一看共创计划，首先要把科技人员前置到业务当中，同时让业务牵头形成敏捷的项目小组。项目小组是由业务牵头的IT参与的，是敏捷的团队，共同选取一些有价值可行的项目共同打造，打造好了之后在公司内部宣传推广。
这个有一点像蔚来汽车的市场部的营销模型——涟漪模型。涟漪模型是什么呢？打造爆款，石头丢进河里，就会荡漾开涟漪，涟漪就会影响更多的用户来参与，会有更多的例子。做这样的项目关键点在于你的石头选的好不好，你选的石头扔进河里有没有反应。也就是说，在做共创计划的时候，首先要和广泛的业务去碰，爆出一些有价值的点子，这些点子要评估它是否产生足够的经济价值。能产生经济价值的东西，我们要选取最成功的那个，把它丢入到河里，产生更广泛的数据文化的影响。
我们做共创计划，最关键的是什么？
第一是要构建共享的能力中心。为什么去引入FineBI，引入自助分析，引入简道云，引入帆软的这些产品，目的都是构建一个共享的it能力中心。
第二是要识别关键客户，把客户做分类分级的管理，这个客户不是指的外部客户，而是我们公司员工。
第三是要健全数据制度，因为当大家都有能力做数据之后，公司数据制度的安全性一定要提高上来。
第二是数据的挑战。
数据显示，第一个是数据质量的完整和不足，第二个是数据标准和口径的不一致，分别对应着数据治理的工作和数据口径管理的工作。
首先是数据治理。数据治理怎么做？
第一个是对标。和我们成熟度模型去对标，有很多成熟度模型，大家选自己适用的去做数据的对标。
第二个是归因。数据对标出来有很多问题，那具体的原因是什么？数据不成熟的原因是什么？要找出这些原因。
第三个是优化。基于我们找到的原因去做优化，优化一定是要有计划的，你要识别出哪些数据是当前治理了之后，能产生非常高的价值，同时治理成本不是很高，一定要从价值和难度去把所有的数据去分类再去攻克。
数据治理是一定要做，如果你前期不能用较低的成本做出一些有价值的工作，这个项目可能就死在中途了。这个项目是比较难的项目，而且是比较偏后端领导，不太容易看到成果，所以一开始一定要找到一些高价值、低难度的项目。
我们再谈谈指标的管理。大家都知道做指标的管理实际上是要搭建公司的指标体系。指标体系怎么搭建，有很多的方法论，这里举了例子——OSM指标搭建的方法论。它其实有一点类似于麦肯西的金字塔，也有一点类似于杜邦分析财务的金字塔，其实方法都是相通的。
首先要明确企业目标。目标要具备可执行smart的特质，基于目标，去拆解到业务策略上面去，要根据目标去做策略。根据策略再去做度量，通过精准度去评估策略的有效性，做指标一定要遵循相互独立且崇敬的原则。
具体OSM怎么去应用，虽然我举这个例子但不代表我很赞同这个例子的观点，我觉得OSM中间缺少一环，缺少模型的选择和剪裁，我觉得从目标不能直接到策略，中间一定还有模型。做数据团队，除了要思考指标的管理怎么搭建以外还要考虑指标的血缘关系、指标的口径的治理、指标的生命周期的管理还有指标权限和安全，都是我们作为IT要去额外思考的一些事情。
先来举OSM应用的反面例子。比如说这次我来分享，我希望大家给我打90分，目标相对来说还是比较smart的，还是比较可衡量的。于是认为分数应该是等于分享的质量×观众心情的系数。我就开始做策略，首先针对分享质量，要去提高稿件质量，所以要提高稿件的墨水比；要做有效的传达，就要提高传达的失真率。还要照顾全场观众的系数，第一个是观众画像，指标就是心情指数，这个就是明显错误的地方，违反了可执行原则。观众的心情指数，我没有办法去影响，这个指标是错的。上一页的模型大家看起来很容易，但实际上是有一些容易失误的点，比如说可执行，就很容易失误。又比如说如果我上才艺，多抛梗那是可以的吗？是可以的，这是可以影响的事情。
打问号的是什么呢？打问号的就是我觉得OSM模型缺失的地方，它缺失了模型的表达，直接从目标拆到策略了。来看一个我觉得更正确的例子，首先目标还是定在这里，如果中间有模型，实际上我给大家列举了很多模型，比如涟漪模型。用模型最大的难度在于一定要学会方法论的裁剪，也就是说推数据更多的是要用一种产品化的思维去推，要培训运营。
双模IT应该是Gartner在14年提出的概念，虽然我不是很认同他提出的概念，就是说公司的IT团队应该有两种形态，一个团队做敏捷的项目，就是敏捷IT。另一个团队是稳态IT，稳态IT要做的事，更多的是稳固，整个IT团队需要有两个团队来组成。我其实不太赞同这个理论，虽然我也是这么推我们公司的IT的，我也成功把我们的公司转变成双模IT，我负责敏捷IT，但我本质上觉得这是一个过程和方法，但最终的目标不是这样的。
为什么呢？我举个例子，比如说云计算。如果说公司决定做云计算，你觉得云计算项目应该落在稳态团队还是落在敏态团队？我觉得它是比较新的技术，大多数人会觉得它是敏态团队要做的事情，但大家想一想，实际分配的时候，如果要做云计算，我们要上云，实际上多半是分给基础架构团队，也就是稳态团队。
再举个例子，CRM系统。大家觉得公司要上CRM系统应该分给敏态团队还是稳态团队？我觉得多半是分给稳态团队，因为CRM概念比较老了，也比较成熟了，没有什么新意。
但是现在市场变化这么快，如果用稳态团队去做，我觉得是做不成功的。因为现在市场环境很复杂，所以一定要是敏态的人去做这件事情。所以我认为稳态和敏态，不是说要分成两个团队，而是说每一块不管是做基础架构还是做BP也好，都应该有稳态和敏态的人，应该是全员敏捷，而不只是团队敏捷。为什么建议公司先做敏态团队呢？因为要做全员的敏态有点难，所以先做了敏态的IT团队，但我觉得最终目标一定是全部都往敏捷方向去的。
最后做数据的时候一定要具备的一些能力，我们要学会创新、合作、适应还有勇气。以上就是我分享的全部内容，谢谢大家。
立即沟通
