作 者：正风
来 源：正和岛（ID：zhenghedao）
“公司从优秀到卓越，跟从事的行业是否在潮流之中没有关系。很多实现跨越的公司从属的并非是景气行业，有的甚至是处境很糟的行业。
卓越并非环境的产物，在很大程度上，它是一种慎重决策的结果。”
——吉姆·柯林斯
在商界，如果问那些卓有成效的企业家和管理者们，其经营秘诀或者成功之道是什么？你会听到各种各样的答案，譬如，高效、自律、眼光、战略、格局等等。
但从笔者接触过的企业以及观察到的商业现象来看，还有一个词一定是不能被忽略的，那就是决策。以上述问题为例，即便企业家和管理者们的回答有所不同，但不得不说，决策的确是他们口中的一个高频词汇。
为什么是决策？决策所决定的到底是什么？各家企业又该如何真正做好决策？
回答这些问题之前，我们不妨先来看这样一个有关决策的故事。
一、决策，决定命运轨迹
如果你现在正坐在办公室里，那么你可以去看一下公司的复印机上是不是贴着一个名叫施乐（Xerox）的商标。
作为全球最大的数字与信息技术产品生产商，美国施乐公司在全球复印机市场上一直是霸主般的存在，常年保持着市占率第一的位置。
1959年，施乐制成了世界上第一台落地式Xerox 914型全自动复印机，此后掀开了世界办公用复印机历史上崭新的一页。
从60年代到70年代初，这款复印机卖出了超20万台，利润超十亿美元，被《财富》杂志评为“美国史上最成功的产品”。施乐也因此成为史上第一家10年内只依赖一项技术就赚取了超过10亿美元的公司（第二家是苹果）。
如此业绩也让其时任总裁约瑟夫·威尔逊豪言：“如果能维持这种增长速度几十年，施乐公司的销售额将会超过美国的国民生产总值。”
其辉煌历史，可见一斑。
但坦白说，如今再谈及施乐时，能知道它是生产打印机、复印机设备的公司就已经算是对它比较了解的人了，其知名度和品牌影响力完全不能与苹果相提并论，二者的市值更是差了1000多倍。
从施乐的发展史来看，惋惜二字是很多人对它的一个评价。为什么呢？因为它差一点就能与苹果或者微软这样的超级公司平起平坐，而差的这“一点”正是决策。
上世纪70年代，施乐公司的实验室诞生了世界上第一款图形界面技术，没错，这个技术就是我们今天都很熟悉的视窗操作系统的基础。
但出乎意料的是，施乐很轻易地放弃了这一“所见即所得”的图形界面技术，继续固守自己的复印机产品。为什么会有这样一种决策呢？施乐的理由很“单纯”——这个技术和当时的核心业务产品复印机没有直接关系。
后面的故事我们就比较熟悉了，比尔·盖茨和乔布斯利用施乐放弃的图形界面技术，开发出了以太网络和第一代图形用户界面，也就是今天的Windows系统和macOS系统，开启了个人计算机革命的新时代。
所以，回忆起那段历史时，比尔·盖茨曾不无感慨地说道：
“我知道，我不是唯一一个看出施乐决策失误的人，但我决心要在微软避免这种错误。在关于电脑视觉和语音识别的研究可能形成的机会上，我一直尽力确保我们为大局着想。”
回到开篇那个问题，为什么决策会成为企业家和管理者们口中的一个高频词汇？我想施乐的案例会是一个很好的答案。毫不夸张地说，一个决策的正确与否直接决定了一家企业的命运轨迹，成与败往往就在这一念之间。
当然，今天来看，各家企业在做决策时或许不会再像施乐一样如此武断了。
原因很简单，在存量竞争加剧、经济下行压力加大以及“活下去，过紧日子”成为共识的当下，无论做哪一行业的生意，降本增效这4个字都是一个决策共识，或者说是决策的前提所在。
而从企业界的动向来看，各路玩家显然也都意识到了这一点。
二、数据驱动，数据消费为先
最近几年，无论是和企业家们交流中，还是在各大企业论坛上，有一个词频频传入耳中，什么词呢？数字化转型。
所谓数字化转型，简单来理解，就是利用各种数字技术将传统的业务、流程和模式进行升级乃至重构，从而让企业更及时、科学地做出决策。
再形象点说，那些成功进行数字化转型的企业，就像是为自己配备了一架能够飞到市场上空的侦察机，它能够实时观察到市场形势，并把各种数据及时收集上来反馈给企业管理者，指导它们做出有效的市场决策。
为什么数字化转型从最初的可选项到如今必选项？答案就在于此。尤其是在今天这样一个数字经济时代，想要做出真正能够降本增效的决策，靠的也不再是人的直觉与经验，而是数字化带来的灵活、准确和高效决策。
目前来看，数字化转型主要是做好三个方面的工作，一是标准化工作流程，二是精细化管理，三是数据驱动。
这其中，前两者可以通过SaaS和CRM等企业管理系统较好地实现。但必须要承认的是，数据驱动这件事一直是个难题，背后的原因也不复杂，就是一项项数据收集上来了，乃至分类整理好摆在了企业面前，但这之后呢？这些数据能给具体业务提供帮助吗？能为企业接下来的布局提供一定的参考吗？
一个现实情况是，很多企业花了大功夫收集和整理好的数据，业务人员和管理者确实是看了，也做了一些复盘，但这之后这些数据就被封存在了某个Excel表或者PPT里，从此再无法“重见天日”。
这就导致数据驱动这项工作变得流于形式起来，陷入一种为了数据而数据的怪圈，而没能起到提升管理效率和决策科学性的作用。说得再直白点，如此下来，不要说助力降本增效了，不增本降效就是最好的结果了。
但说实话，数据驱动所面临的这些问题也不能全都苛责于各级员工，因为大家确实不知道这些数据到底该怎么用起来，该怎么赋能给业务带来增长，毕竟数据自己又不会说话。而且各部门又都有着自己的数据，公司层面想要打破部门壁垒，把这些数据整合起来分析，更是难上加难。
所以数据驱动的难题真就没有解决办法了吗？数据就不能助力企业做出降本增效的决策了吗？
其实不然，想要做好数据驱动，必须要解决好一个核心问题，就是数据消费。
什么是数据消费？简单点来理解，就是要把企业内部的各种数据充分用起来，让企业数据流充分流入到业务流，增强业务的发展动力。
当业务发展因数据赋能得到降本增效后，数据消费的频率和范围就会随之扩大，企业在数据资产建设方面的投入力度也会越来越大，数据供给能力将愈发充足，最终构成了企业的数据飞轮，即数据资产与业务应用彼此推动着转了起来。
关于数据消费和数据飞轮后面还会更详细地讲到。这里，我们不妨来看看几家在数据驱动方面做得很好的企业，它们就很好地发挥了数据消费这一核心驱动力，既克服了过往面临的数据难题，也在降本增效上获得了肉眼可见的效果。
三、降本增效，它们做对了什么？
先来看火花思维，在数据方面火花思维此前一直面临2大难题，一是内部员工对公司自建的BI系统使用频率不高，且数据的使用效率有限。
举个例子，比如火花思维为了追求补课工单100%完成率，在平台流程外额外增加了管理干预流程。这就需要中台先从BI系统中下载一份Excel名单表，然后从大区到团队再到子团队和一线管理者，各级人员需要逐级把名单拆解出来。员工的大量时间就这样被消耗在了拆表和分发任务上，成为一个个“表哥表姐”。
二是在教学过程中，火花思维会产生大量学情数据，比如学生的学习情况和上课体验等，但辅导老师和运营等一线业务人员难以直接使用这些数据。
过去几年，花火思维通过引入AI强化了学情数据的准确性和丰富性，并将学生在不同场景下的学习和练习成果统合为一个学习效果指标——学情健康度，用以指导教学内容的设计、教师的培训以及与家长的沟通。
但问题是这些学情数据主要被用在后台做策略配置和产品开发，日常教学中，很难被前台的业务团队所使用。也就是说，那些能听见炮火的一线教学人员往往无法根据这些数据及时、准确地做出教学调整。
不过，从火花思维最新的消息来看，这两大难题已迎刃而解。
据火花思维技术副总裁张俊英介绍，目前，火花思维数据系统的月活人数已达到800人，是过去的两倍，不少一线业务管理者已成为数据资产的日常消费者。此外，学情健康度也可以通过数据看板直接向教学管理者做出展示，方便他们根据学情数据打磨课程以及开展团队间的互相学习。得益于此，火花思维的用户留存率也有了较为明显的提升。
那么，火花思维是怎么做到的呢？观察下来，一个重要的原因在于火山引擎数据飞轮的一系列落地产品和服务对其的帮助。
比如，借助于智能数据洞察DataWind的可视化和智能分析等功能，火花思维在数据看板的搭建上更为得心应手，各级员工都可以从数据看板上直接看见和下载自己所需的数据，并根据这些数据做下一步的精细化运营动作。
以我们刚刚提到的拆名单表问题为例，借助于DataWind，火花思维的一线业务人员可以直接从数据看板上看到自己团队需要的补课明细提醒，不用再盯着Excel表逐级往下拆分了。这就让他们可以把更多的时间投入到教学工作中。
可以说，在数据飞轮模式落地的产品助力下，火花思维既提升了教学质量，也降低了数据搭建以及对业务人员进行数据培训的成本。
这一点，张俊英讲得也很透彻：“我们的数据看板和可视化图表数量在没有增加专职BI和分析师的情况下得到大幅提升。
这就意味着当一个数据工具好用了，各级人员会有更大的兴趣去看这些数据，而且数据是一个探索的过程，他们不仅能看，还能去调整数据。等发现了新的可能性后，他们还会再去看和调整数据，这样就形成了一个倍增效应，所以我的理解是成本其实是靠效率倍增带来的。”
另外，在学情健康度方面，目前火花思维整体的学情健康度比过去整体提高了5个百分点，这也与火山引擎数据飞轮落地产品带来的可视化业务看板有着密切关系。
通过这一产品，火花思维可以通过业务看板直接将多维度的学情数据展示给教学管理者，如此一来，各业务团队就能通过一项项数据看自己的课程是不是真的推动了学情健康度的提高，中高级管理团队也能让各子团队互相学习成功经验，促进整体教学质量的提升。
DataWind展示学情健康度增长趋势
有了数据飞轮在看数据场景下的成功经验，火花思维后续还引入了火山引擎数智平台VeDI旗下的增长分析DataFinder和A/B测试DataTester系统，凭借其动态分流和实时数据监控等能力，火花思维在探索一些新业务和新场景时，效率上也有了质的飞跃。
在一项新业务的探索中，火花思维尝试让该业务的员工在主页上进行全流程自助操作，而非过去的电话销售，但效果怎么样呢？这就需要进行一轮轮测试。过去，从样本统计到分析再到出结果，大概需要两三周甚至更长的时间。
而有了DataFinder和DataTester的加持，业务团队可以在后台直接监控和分析实验数据的进展和用户行为路径的差异，哪怕大家不会写代码，依然能够通过图表清晰地看到各项数据指标，最终得出了新模式注册成功率提高近30%的结果，而这一过程仅用了不到一个月的时间。
再比如德邦快递，在与德邦快递数字化营销总监周瑜的交流中，他用“黑盒”一词来形容过去的用户数据状态。
“一线区域对区域用户比较了解，但停留在传统大数据的加工使用流程上。每次的营销都需要经历较长周期，数据使用时效性非常滞后。总部对于整体的用户数据也没有一个实时性的了解，处于黑盒状态，只有在需要使用的时候才得到一个非实时的信息。”
这背后的原因在于快递行业涉及海量的用户，而且每个用户的角色也是不同的，有大客户、有直客、还有线下门店，用户的角色和状态的变化很大。如何有效识别这些客户的用户画像并及时快速的针对性营销一直是一个行业难题。
可喜的是，在引入火山引擎数据飞轮模式落地的系列产品后，德邦快递在用户识别和营销效率方面有了明显的改善，不仅构建起了完整的用户图谱，做到了对所有用户的统一管理，还实现了月活的翻番增长，下单用户数更是同比增长了13%。
德邦快递是如何破解此前的数据难题的？秘诀在于帮助数据飞轮模式落地的数智产品客户数据平台VeCDP和增长营销平台GMP。
具体来看，VeCDP所具备的数据整合和标签体系等功能，能够将各地区的用户数据以可视化的图表方式呈现出来，并将各渠道的ID打通，精准识别出每个ID背后的身份特征。这样一来，用户是谁，来自哪个区域，德邦快递在屏幕上就能一目了然地看到了。
GMP则通过目标人群圈选和发送时机选择等功能及时准确地将营销信息发送给目标用户，在营销动作上，真正实现了有的放矢。
这一点，周瑜也深有感触：“与火山引擎合作之前，我们一个月大概只能进行3-5场的活动，因为要花大量的时间去洞察数据和圈选营销用户，营销时效性较差。而用GMP之后，效率提升了大概有5、6倍，最高峰时一个月能实施大概一百场营销活动。”
还有博西家电，自2014年内部成立数字化转型部门后，博西家电加强了在数字基建方面的投入，不仅自上而下搭建了Data Lake（数据湖），实现了对原始数据的集成、转换与查询，还成立了数据中台，提高了内部对数据需求的响应效率。
不过，随着数据与人群规模的扩大，博西家电在数据的使用效率方面逐渐遇到了瓶颈。博西家电新业务发展总监李一凡在此前的采访中就谈道，在强调数据驱动的许多业务环节上，博西家电更多的还是依靠“半自动、半人工”的模式，这套半自动的方式，在具体执行上不够高效。
以A/B测试为例，博西家电此前通过小程序开发了两个版本，然后手动圈人、打标，再针对数据手动做分析，前前后后需要一个月的时间。在数据的使用上，这显然不够高效灵活。
在与火山引擎数智平台VeDI展开合作后，火山引擎团队在博西家电原有的数字基建基础上，引入客户数据平台VeCDP、增长分析DataFinder、A/B测试DataTester以及增长营销平台GMP等多个数据产品，不仅大幅提升了数据的使用效率，实现了更精细化的人群运营，还拓展了其原有的能力边界。
还以A/B测试为例，在火山引擎数智平台VeDI的赋能下，博西家电A/B测试不仅实现了提效，还将其运用到了多个基础运营环节当中。比如，在应用了DataTester后，博西家电针对该场景下的推送文案开启了A/B测试，对文案进行优化后，打开率提升了23%。
此外，通过对火山引擎数智平台VeDI产品的组合使用，博西家电还实现了存量业务的优化和增长突破。
比如，通过DataFinder+A/B测试DataTester的组合使用，博西家电洞察出用户对清洁用品和清洁服务两类产品更有兴趣，于是上线了这两个产品方案的组合，显著提升了博西家电小程序运营类产品的点击率和转化率。
不难发现，在破解数据难题，推动降本增效方面，上述企业均与火山引擎数智平台VeDI有着紧密的合作，并在其一系列数据产品的助力下，取得了明显成效。
所以，在做好数据驱动这件事上，一个关键步骤其实就在于用好工具，用技术的力量来解决数据庞大、繁杂、转化难等问题。
显然，火山引擎数智平台VeDI是各大企业在数据驱动方面的一个好帮手。
四、“数据飞轮”，对症下药
值得一提的是，上文中我们提到的火山引擎数智平台VeDI的相关产品和服务其实都囊括在火山引擎数据飞轮这一数智化发展模式当中。
详解数据飞轮之前，我们不妨先了解下管理学大师吉姆·柯林斯提出的“飞轮效应”：
“企业从优秀到卓越的转型中，没有单一的起决定作用的创举，没有惊人的创新，没有幸运的突变，也没有奇迹的瞬间。相反，整个过程就像在不断地推着一个巨大的、沉重的飞轮进行转动。”
概括来说，飞轮效应指的是企业要找到一个可持续、可良性循环的商业运作模式。
这种模式就像一个沉重的飞轮，在开始推动时，会非常费力。但通过持续不断的发力，这个飞轮的动能会越来越大，运转会越来越快，最终变成一种不可阻挡、强劲高效的商业模式。而数据飞轮其实就是要通过数据产生这样一种飞轮效应。
整体来看，它由上层的业务应用轮和下层的数据资产轮两个部分组成，以数据消费为核心驱动力，既让业务端把数据用起来，依靠数据做出科学决策和敏捷反应。同时，随着数据消费的愈发频繁，数据飞轮也会进一步推动企业数据资产的建设。（这点也不难理解，当业务端切实感受到数据带来的赋能后，企业会加大在数据资产方面的投入，数据资产的内容、质量和沉淀速度将得以提升。）
最终，上下两个飞轮在数据消费的驱动下形成正向循环，内部的数据与业务也能够双向互动，数据飞轮就这样转了起来，并且越转越有势能。
需要强调的一点是，在数据飞轮中，数据消费始终是一个核心。正如我们前文所说，数据消费就是要把数据用起来，或者让数据“活”起来。这也使得数据飞轮与过往的数据中台概念有着很大区别。
中台更多的是搭建起数据资产，做好数据整合并直观清晰的将这些呈现出来，但问题是业务层面临的痛点问题并不能从这些数据中直接找到答案。
而以数据消费为核心的数据飞轮则更像是对症下药，先从业务痛点出发，看业务上有什么问题或需求，数据在这其中能起到怎样的作用，然后再给出具体的产品和解决方案。这就使得数据飞轮能够非常有效且系统地解决业务面临的实际问题，最终实现企业的降本增效。
五、直击业务痛点，数据也可以开口说话
在与上述几家企业技术负责人的交流中，能感受到，他们对此均有着很深刻体会。
例如，周瑜就用整体性三个字对这一点进行了总结：
“火山引擎数据飞轮有点类似于一个整体方案，它先去解决你这个业务的痛点，然后再去赋能产品。比如VeCDP+GMP+A/B测试DataTester+N这一整套系统我们都在逐步应用，这种产品的整体性让人眼前一亮，从数据的采集到构建再到运营，它是一个整体的系统。”
张俊英也谈到了“数据孤岛”这一业务痛点。过去，火花思维的各业务流和业务单元都有自己的数据，但这些数据没能实现互通，一些问题的症结就难以结合数据来具体分析。
比如教学团队的数据和销售团队的数据就处于两套体系当中，如果一门课程用户留存率偏低，那到底是老师的教学问题还是销售的渠道问题呢？无法通过数据做出判断。
如今，在火山引擎数据飞轮的助力下，两个团队的数据得以关联起来做深度分析，哪个环节出了问题能够一目了然地呈现在眼前。
值得一提的是，张俊英还提到了一个关键点，即除了自下而上的改变外，火山引擎数据飞轮还提供了一种自上而下的视角。
什么意思呢？就是对企业管理者而言，当这些数据资源沉淀下来后，就可以基于数据做出一定的假设来科学、合理地预测未来，进而做出能够影响未来的决策。
张俊英举了一个直观的例子：
“比如我想预测一下公司3年或者5年后的业务量是什么样子，一种逻辑是按照公司的业务流，从前到后的每个流程、每个环节做一些假设，但这种方式最终计算的结果会与现实产生很大误差。
另一种逻辑是把业务看作是一个整体，有增长，有流失，把它变成一个水池模型，在这一模型基础上做出的假设往往是比较准确的。但这里面的问题是你需要把横向的业务流程变成纵向的整体模型，需要很多数据从很多角度展开分析。
有了这个后（火山引擎数据飞轮），我非常容易去换维度和角度去思考，而且向上去聚合和分析时，平台也提供了大量的分析工具，比如表的计算等，帮助我们通过数据来预测未来。”
另外，在大模型技术的加持下，数据消费其实也没有想象中的那么复杂，哪怕是看不懂代码的非专业数据运维人员同样能够及时、方便、快捷地检索和分析数据，大大降低了数据消费的门槛，真正把数据消费渗透到了企业中的各个层级。
这方面，张俊英“颜值很高”的感受也是一个十分精准的形容。
在其看来，To B产品非常重要的一点就是要做好用户体验，要降低用户的使用难度，用户越能傻瓜化自学，使用中面临的问题就会越少，就越能够实现各级员工的自助数据消费。
如其所言：“用户体验是业务采用的准入门槛，如果同事们不愿意持续探索，大家就只能成为数据的被动消费者，不能成为数据的主动生产者。”
所以，如果要用一句话来总结火山引擎数据飞轮为什么能够助力企业做好数据驱动这件事，我想，最核心的一点就在于它通过频繁且便捷的数据消费把一个个固定的数据灵活运用了起来，让这些沉淀下来的数据真正“活”了起来。
再形象点说，就是它能够让数据开口说话，告诉管理者和业务层这个数据意味着什么，可以据此做出哪些改变，并给出相应的解决方案，最终推动企业打造起数据驱动业务的能力，在市场和业务层面做出科学有效的正确决策。
想来，这也正如得到APP联合创始人&CEO脱不花所言（2020年起，得到与火山引擎开始合作，全公司确立了要将数据系统作为对话、共识的“硬通货”来对待）：
“在公司群里，会有不同的数据看板，目的就是让大家去‘看数据’，而不是‘找数据’。看数据的目的，就是为了引起公司内部的讨论，从而实现共识。
与很多公司不同，得到并没有采取高大上的方式，而仅仅是将数据效果用一个长图来发送，用图片直接打开就可以看，将数据变成消费集，让完全不专业、不习惯使用数据的人，也能够门槛非常低的使用数据，而不是用更多的高大上的系统，把这些人拦在数据使用的门外。
在过去与火山引擎合作的两年时间里，得到从意识到观念到行为，到彼此之间开会时的讨论方式，都极大程度提高了基于数据的共识。”
六、结语：愿“数据之美”照亮万家灯火
最后，我想分享一句特别喜欢的话，是“现代管理学之父”德鲁克先生留下的一句箴言，也被认为是“商业之美”最好的形容：
“有人认为一个企业就应该是一台挣钱的机器。譬如，一家公司造鞋，所有的人都会对鞋子没有兴趣，他们认为金钱是真实的，其实，鞋子才是真实的，利润只是结果。”
这句话背后的寓意是，要忽略纯粹的商业目的，对客户价值保留一份敬畏，并在这一敬畏之上，以自己的匠心为供奉，倾注一生。
同样的道理，从上述企业案例来看，数据本身并不是最终目的，关键是要能用起来，能解决业务痛点，能助力企业做出降本增效的科学决策。
或者说，数据带来的业务增长、效率提升和科学决策等价值才是真实的，而数据本身只是一种结果，我们不妨将这定义为“数据之美”。
显然，火山引擎数据飞轮，为我们诠释了这样一种“数据之美”。我们也衷心地希望，越来越多的企业能够感受到这份“数据之美”，能够在火山引擎数据飞轮的助力下，实现科学决策，降本增效。
在这场席卷全球的数字化转型浪潮中，愿各家企业用好工具，赢得竞争，也愿这份“数据之美”照亮万家灯火，祝好。
参考资料：[1]. 《博西家电的「智造」跃迁：见数、见智、见人》 财经无忌
排版 | 沈望望编辑 | 正风 轮值主编 | 夏昆