国产91青青成人a在线/在线视频成人/aaa成人永久在线观看视频/深夜草莓视频app

《數源思維：業務導向的數據思維秘籍》為非專業數據技術人員提供了一種有效利用數據解決問題的思維方法數源思維。這種方法的簡單描述，就是從業務中來，回業務中去。《數源思維：業務導向的數據思維秘籍》的上篇使用實例和典故詳解了數源思維內涵和四個操作步驟。下篇同樣以實例方式展示了數源思維如何在各部門的業務中發揮威力，并將企業策略制定工作從傳統被動、慢速、靜態的方式轉變為主動、快速、動態的方式。

《數源思維：業務導向的數據思維秘籍》可以幫助企業市場、產品、運營等業務管理者建立或提升數據導向的業務問題解決能力，可以幫助戰略規劃或中高層管理者提升數據導向的戰略分析能力，同時《數源思維：業務導向的數據思維秘籍》也可以作為商學院高年級學生的思維方法學習與訓練用書。閱讀《數源思維：業務導向的數據思維秘籍》不需要任何高等數學或統計學基礎。

作者20年執著專研，勇敢實踐的真實分享。

寫給非專業數據技術從業人員利用數據解決問題的思維方法。

讀者對象：管理者、咨詢師、行業分析師、產品經理、運營經理、市場營銷人員等。

1996 年，曾有一個由明星公司主導，多國參與，美國、俄羅斯和中國的火箭都承擔了衛星發射任務的項目開始試驗。兩年后支撐該項目計劃最核心的 66顆衛星全部布置完畢，整個業務開始運營。 1998 年該項目產品被美國《大眾科學》雜志評為年度電子技術類產品大獎，次年由 587 位中國科學院院士、中國工程院院士參加投票評出的世界十大科技展中該項目投入運作并名列第八。但幾個月后，該項目公司就申請破產保護，一年后公司正式破產（注：再一年后整個系統賣給了新公司，項目又起死回生） 。這個項目的名稱叫銥星，主導項目的那家明星公司叫摩托羅拉。

戰略咨詢

這件事給當時剛剛參加工作的我非常大的觸動。那時我認為在工業領域，技術是決定成功的重要因素。但銥星項目的起伏卻讓我看到情況并非如此，就好比一輛汽車，發動機固然重要，但汽車價值的大小歸根到底竟然是取決于方向盤。如果方向錯了，技術就算再強也是零。甚至是技術越先進，死得越快。因此，幾年后我回到學校讀研究生，開始跟著導師學習和參與戰略管理咨詢。戰略咨詢最核心的任務就是通過觀察外部環境，從中找到遠方的目標，并發現或規劃適合自己走向目標的路。那時我們的咨詢工作大體分為兩部分：一部分是案頭工作；一部分是現場工作。案頭工作主要是分析，包括收集、整理二手信息；現場工作就是調研，主要是跟客戶內部人員做訪談。在那兩年多的學習、工作中我發現，無論項目客戶是工業企業、行業協會，還是產業園區，在案頭和現場工作中都存在一個顯著的瓶頸，極大地限制了分析的進行。從戰略分析框架來講，無論是 PEST（注：四個因素的英文頭字母縮寫，即 Political政治的、 Economic 經濟的、 Social 社會的、 Technological 科技的因素） 、波特五力模型還是 SWOT（注：四個因素的英文頭字母縮寫，即 Strengths 優勢、Weaknesses 劣勢、 Opportunities 機會和 Threats 威脅）等，外部環境信息都是核心因素。而這個顯著瓶頸恰恰就是外部環境信息的獲取，尤其是與組織關系最密切的行業和市場信息，要么很難獲得，要么獲取成本高昂。行業的主體是競爭對手，市場的主體是用戶需求，這兩者直接關系著組織的生存和價值。而其他的外部宏觀因素信息也呈碎片化，需要花費很大的時間精力去收集、整理和學習。所以環境信息的欠缺極大降低了戰略分析的功效。以當時項目主要接觸的 IT 業來講，國內的數據幾乎就只有一家第三方研究機構可用，國外的數據稍微好些，有兩三家能參照。那個時候還沒有谷歌趨勢、百度指數這些工具輔助。此外，內部因素雖然貌似可以直接從客戶那里得到，實則卻也是很難完備。這些問題可以統一被稱為戰略環境感知能力的缺失，就像一個人光大腦發達，而所有感知器官，包括眼睛、鼻子、耳朵等功能都很弱，那么大腦的功能也很難發揮，久而久之甚至連大腦都會退化了。這個瓶頸對戰略咨詢的質量影響是非常大的。所以研究生畢業后我沒有選擇去戰略咨詢機構，而是進入國內IT 業第三方行業研究機構，把關注的重點從大腦企業戰略聚焦到了感知環境行業和市場上。

行業研究

到了這家行業研究機構以后，我發現第三方的行業數據獲得和處理也一樣很難。雖然依靠服務行業內眾多客戶，可以較為便利地了解很多企業的發展狀態，但接觸的企業數量相對整個行業來講還是少數。而且越壟斷，越集中的行業越不依賴行業分析。恰恰是競爭激烈，份額分散的行業需求更盛。這樣的行業，數據獲取和分析難度更大。當時行業研究的工作模式跟戰略咨詢是類似的，只不過現場調研占比要更大一些。數據收集、整理都是依靠人工，一是定性數據多，二是分散在各分析師手里。幾年下來，積累在自己單機上的數據越來越大，收集的范圍越來越廣，同時使用的模型也越來越多，若自己維護，則投入的時間、精力不堪重負。于是，我想建一套全公司的數據平臺，可以把所有分析師采集的數據都匯總在一起，同時對于宏觀數據開發線上自動采集、整理模塊，再將分析師在各行業里應用的模型也系統化整合起來形成專家模塊，然后在這些基礎數據和模型基礎上開發自動化的日常報表等應用，最終支持分析師的研究和報告文章。這套系統就相當于一個近似 BI 功能的行業研究和咨詢生產管理系統。

不過可惜的是，這個方案被總裁否了。原因是多方面的，我相信總裁給出的直接理由一定也是其中的部分，但我猜想總裁腦子里否定這個方案最根本的原因應該是另外兩個。一是，這么一種全新系統的建設需求超出了當時公司的能力；二是，這事沒有重要到需進行戰略投資的程度。這是我第一次直接感覺到數據能力被戰略性忽視了。而且是一家最依賴數據來構建核心競爭力的公司對數據能力的戰略性忽視。其后沒多久，我就換到了一家互聯網公司的數據中心去做數據分析，因為那里有相對強大的信息系統來支撐數據應用。

數據分析

那時這家公司的社交媒體業務剛剛開始在互聯網中嶄露頭角，慢慢展現了其對整個社會的影響力。數據中心也逐漸開始發揮其在業務運作中的影響，主要體現在三個方面：一是在運營、市場、商業等各業務單元的日常決策和業務狀態監測上；二是為前端產品提供個性化服務的數據支持；三是形成數據類產品提供給外部用戶，從而增強業務整體的市場影響力。這三方面毫無例外都是戰術性的，操作層面的服務，這決定了數據的影響只能是局部的、碎片化的。即使對各業務單元自身的管理來說，數據也沒有整體性的影響，更不用說對公司全局的影響。雖然數據中心一直試圖通過制度化的內部分享，非正式的個人溝通去將自己對業務的認知和服務向各方推銷，但結構性的限制使得這種方式收效甚微。數據部門與各業務部門甚至管理層對公司業務就逐漸形成了認知上的差異。隨著時間的推移，越來越呈現出一種統帥運籌規劃時不知自家還有石油儲備、火箭軍，前線部隊作戰時不知后方還有信息情報部隊支援的情況。究其原因，組織結構、管理模式的限制是現象，思維模式的限制是本質。

在傳統企業里，管理層登高望遠，各業務單元各司其職；企業的信息是分部門自下向上匯總，上層再將決策向下傳達。這種模式及其組織結構是適應分工能力的，所以傳統的戰略思考由外而內，由上制定，然后單向往下傳達。管理學中有一個很大的課題就是怎么能讓上面的戰略在下達的時候不走樣。但隨著數據部門這樣一種 奇怪生物 的出現，尤其在互聯網領域，情況慢慢起了變化。數據部門與營銷、研發、技術、生產、銷售等部門不同，它不是一個縱向分工的職能單元。依靠信息技術和數據技術， 耳目 遍布企業內外，對企業內外的一舉一動，比誰知道得都多，知道得都快，知道得都系統。但是這樣又為什么會造成數據部門與業務部門、管理層的認知差異呢？這還得從數據是什么說起。

數據源頭非數據

語言不是數據，被以文字方式記錄下來后才成為數據，所以人類有文本數據的時間以千年計；聲音本不是數據，被錄音器材記錄下來后才成為數據，所以人類有音頻數據的時間以百年計；小到量子，大到宇宙中的種種現象都不是數據，只有被人類的技術手段采集到了才會成為數據。所以數據簡單說就是人造機制/機器對客觀世界的觀察成果。那么這就意味著人定的機制、人造的機器觸達到哪里，哪里就是人的認知邊界。

與數據相對應的是人的經驗、直覺。而經驗和直覺都是來自人的感官，也就是眼耳口鼻身意對周圍環境的感知。經驗是個人感官歷史中積累起來的，直覺是全人類感官歷史中積累起來的。這就決定了，我們的經驗、直覺都要受限于人的感官。接觸到的有，接觸不到的就無。

當作為第一個數據載體文字被發明和廣泛使用后，人類的經驗就從個體的直接經驗擴展為群體間接經驗，人的認知邊界迅速擴展。識字的人與不識字的人對世界的認知差距一下就拉開了。而隨著技術的發展，尤其是科技在最近百年里的爆發增長，使得人類整體和每個個體的認知邊界都被極大拓展，而這種拓展的一個外在表現就是數據的爆發。數據已經不僅僅局限于文字，有了極其豐富的形式和結構。所以，如果你不能接觸、應用好數據，就意味著你的認知邊界被束縛在個人感官層面或文字數據所包含的信息層面。如果你只能認知眼睛看到的，那么跟那些能認知用互聯網、移動互聯網、物聯網、傳感器網絡 看到 的人相比，會不會像不識字的人與識字的人之間的差別那么大呢？再回來看數據部門與業務部門的認知差異就不難理解了。

自下而上非造反

當信息系統在內外兩個層面不斷深入，企業的能力邊界實際上已經不是取決于管理者個人的能力，而是取決于數據能力的邊界。如果數據能力缺失，或被組織結構、管理體制，被管理者個人的認知能力所限制，那么這個企業在市場中的競爭地位會不會像不識字的人在社會中的地位一樣呢？而數據能力也絕不僅是數據部門的能力，因為數據及數據技術本身不會自動向你報告任何事，除非你向它提問。數據部門好比就是人的眼耳口鼻身，業務部門和管理層就像是人的大腦，兩者即使能力都很強，如果彼此間不能連為一體，那么效能還是會很低。所以數據能力更主要的是組織上下整體獲取數據、利用數據的能力。那如何才能打通阻礙數據能力建設和發揮的各項障礙呢？從管理的角度看，這樣的努力又會產生什么樣的意義呢？

二十年前，對于企業來說，成功的關鍵點不是技術而是戰略；十幾年前學習戰略中又感到戰略分析的瓶頸在于感知能力的不足；八九年前在行業調研分析中又碰到獲取、整合數據的難題；四五年前在借助數據平臺看到環境中的機遇后又撞上了組織整體對數據的戰略認知障礙。如果能打破組織上下對數據的戰略認知障礙，就能更有效地建設和釋放數據能力，從而提升企業整體的感知、認知能力，并進而推動管理和戰略決策進步，那該如何做到？

這正是我眼下的思考，思考是否能以數源思維及其方法來統一組織上下的世界觀、價值觀，讓眼耳口鼻身能與大腦通暢地協同，從而各業務單元成為管理層戰略決策的感知器。將只停留在管理層的戰略分析和思考，變為自下而上的，由行為帶動的分析和思考。于是記下我的所思所想，遂成此書。如果通過總結自己過去的一點經驗和現在的粗淺思考，能夠引起企業家、管理者和專家對這一問題的關注，本書的任務就算完成了。

也許有一天，在數據技術、生醫工程和人工智能的支持下，主客觀的界限也會被打破。那時人與世界就一體了，什么感知能力和思維的限制都會因此被突破。但在這一天到來前，不妨繼續訓練下我們的大腦，讓數源思維帶我們走上更高的認知平臺，提前體驗下與企業上下一體的感覺。

閱讀建議

上篇是思維方法的講解，邏輯是順序的，內容是故事性的，可以當小說一樣逐章順著看。

第 1 章：從數源思維的生成土壤講起，說明了這種思維的意義和價值。

第 2 章：從相關概念的對比中明確了數源思維的含義和四步過程。

第 3～6 章：每一章對應詳述了數源思維每一步的要點、方法。

第 7 章：講述了數據的局限，進一步強調了從數據源頭思考的重要性。

下篇是思維指導下的操作實例。整個下篇構成解決企業戰略制定這一個大問題，但每一章內容也都是數源思維指導下對具體業務問題的解決方法和過程，都相對獨立。因此可以按順序閱讀，從而了解企業戰略制定的邏輯和方法；也可以根據需要選擇閱讀，了解具體業務的解決方法。

看完上篇可以直接看下篇第 11 章 11.2 節從競品中選取書名和第12 章12.1 節用戶成熟度。這兩節是嚴格按照數源思維四步格式寫的，方便對照上篇的四步秘籍。

第 8 章和第 13 章彼此對照。前者對數源思維解決企業戰略問題的框架進行了說明，后者是將第 9～12 章內所述的一線業務分析內容填入框架后進行的分析細化。

第 9～12 章：分別從各業務部門實際遇到的具體問題出發，在以數據方法解決問題的過程中梳理出來對企業戰略決策有用的信息。這些信息都是一股股涓涓細流，最終在第 13 章里匯聚成戰略大江。

如果您對本書中的內容有什么意見、建議或疑問，歡迎以下面任何一種方式與作者溝通交流。新浪微博：倉劍；電子郵箱： nostal_cang@hotmail.com；微信公眾號：看我簡歷。

倉劍

2017 年

倉劍，米飯科技創始人，前新浪微博數據中心資深數據分析師，新浪學堂培訓師，數據驅動課題組組長。前賽迪顧問軟件產業研究總監、總經理。在近20年的職業生涯中，先后從事軟件售前、戰略咨詢顧問、行業分析師、數據分析師等工作，最后自己創業，這是一條從業務走向數據再回到業務的職業道路，倉劍將其結成一份工作總結，形成此書。

上篇 解密數源思維

第 1 章 數源視角下的三重境界 2

只見業務不見數；又見業務又見數；只見業務不見數……

數據及其處理技術是招式，當忘掉招式的時候，就是練成數源思維秘籍的時候。

1.1 沒數 2

1.2 有數 4

1.3 馭數 6

1.4 數據就像金箍棒 9

1.5 數源思維的戰略性 12

第 2 章 數源思維不是什么 15

數源思維是大數據思維嗎？是數據化管理嗎？是商業統計分析嗎？是一種數學應用嗎？

既是，也不是。這些都是數源思維的招式，如果沒有它們，則不能解決任何實際問題。但這其中任何一招都構不成數源思維。

2.1 數源思維不等于數據思維 15

2.2 數源思維不等于考古發掘 20

2.3 數源思維不等于數學邏輯 22

2.4 數源思維不等于 KPI 思維. 24

2.5 數源思維的四步曲 27

第 3 章 問，數源思維與產品思維、用戶思維 32

提問將業務問題轉化為數據問題是數源思維第一步的核心任務。實現這一任務的路徑和方法可以有多種，但最終要實現的目標是一致的。

3.1 三類思維的關系 32

3.2 提問要點 39

3.3 不要搞錯決策對象 43

第 4 章 拆，問題的拆分 46

拆分第一步中定義好的問題往往因為比較宏觀而無法直接著手解決，我們就需要將其拆分為更微觀的細節問題，進而再去尋找細分問題的解答方法。

4.1 從整到分，從分到整 46

4.2 結構化拆分問題的方法 50

4.3 相親看眼緣嗎 55

4.4 相關問題的轉換 59

4.5 攻擊要害 60

4.6 問題的時空轉換 61

第 5 章 解，設計解決問題 64

解答當問題已經足夠明確和細分，能著手開始解決后，我們就進入了解的步驟。在解答問題的整個過程中與思維密切相關的是方法、算法設計。

5.1 問題類型 64

5.2 定性問題的測量方法 67

5.3 全局問題的局部算法 73

5.4 大問題的逐步求精 76

5.5 難測問題的替代算法 82

5.6 利用實驗創造數據 87

第 6 章 謀，數源思維與科學思維、人文思維 93

科學思維探究客觀之理，做令人信服之論；

人文思維抒發主觀之情，記感人情懷之述。

6.1 科學思維與數據說服 93

6.2 人文思維與數據感人 99

6.3 推理說服與想象感人 104

6.4 要有一個好故事 107

6.5 符合視覺需求 116

第 7 章 認識數據的局限和代價 130

要用好數據這項工具，除了要知道它的優勢，還必須清楚在現有條件下它的劣勢，從而避免應用時的偏頗。但從總的趨勢來說，機器利用數據做出的判斷越來越精準，比如下面第一節講到的人臉識別例子，在最新的人機大戰中，機器又實現了超越。

7.1 非結構化數據的局限 130

7.2 非直觀化數據的代價 134

7.3 結果影響行為的困擾 137

下篇 打通任督二脈

第 8 章 什么叫接地氣的戰略 142

要形成企業戰略，觀察的角度和思考的維度應該如何選擇？是要觀察外部環境，還是應該考察內部資源；是要靜態的分析，還是應該動態的調整？對于這些問題的解答雖然并無定論，一直在發展變化，但還是存在一個相對確定的總體趨勢。

8.1 內外動靜兩相宜 142

8.2 自下而上藏乾坤 150

8.3 互聯網金融要從隔壁起，不信你問馬爸爸 156

第 9 章 如何看透產業、行業 160

產業和行業的狀態及其發展是企業進行戰略思考時最重要的外部環境信息。同時，因為它們是企業運行的直接環境，企業中多個部門的業務是與這兩者有直接的接觸，所以對它們的觀察和感知就有條件融入這些一線部門的業務中。

9.1 企業、行業、產業、市場，你分得清嗎 160

9.2 一箭射穿產業迷霧 167

9.3 照亮行業的太極圖 172

9.4 看透產業、行業的太極劍 178

9.5 總裁問題人人可解 179

第 10 章 市場/銷售部門如何替總裁分憂 185

市場部的業務直接與用戶和市場接觸，在工作中會將大量市場數據帶入企業，有效利用這些數據就能形成戰略分析信息。銷售部會將競爭對手信息帶入企業，從而幫助企業了解行業競爭態勢，分析自身優劣勢。

10.1 吹動市場的三葉扇 185

10.2 魔道相爭修出正果 193

10.3 市場爭奪中的知彼之道 200

第 11 章 產品部門如何替總裁分憂 205

產品設計和開發部門的工作涉及產業、行業和用戶需求，因此會不斷將相關數據、信息帶入企業。利用好這些數據、信息就能提高戰略思考的動態能力。

11.1 產品更新中也能探知機遇與威脅. 205

11.2 書名竟然可以這么取 208

11.3 順藤摸瓜理解用戶需求 215

第 12 章 運營部門如何替總裁分憂 219

運營部門是企業中與用戶互動最頻繁最密切的業務單元，因此運營工作會持續產生有關用戶、需求的豐富數據。對于這些數據的有效利用，就能形成判斷市場機遇、威脅的信息，從而支持動態的戰略思考。

12.1 閱盡億萬用戶只用一眼 219

12.2 如何釋放深藏在人與人之間的核能 225

12.3 馬云屢敗屢戰背后的駭人趨勢 232

第 13 章 總裁的決策 239

一線業務的信息有了以后，如何進行匯總、整合、分析，從而形成戰略？

13.1 四部門替總裁分了多少憂 239

13.2 數據/規劃部門粉墨登場 242

13.3 上下通達獨孤求敗 244

后記 246

鳴謝 248

參考文獻 249

圖索引 253