吉宁讲师观点 / 培训讲师谈管理 / 培训讲师谈管理:你也许不需要大数据

培训讲师谈管理:你也许不需要大数据

企业培训师吉宁 2015年12月12日 培训讲师谈管理

如今企业近乎疯狂地投资于数据科学家、数据仓库以及数据分析软件,但却收效甚微。并且,它们在未来也很可能一无所获。

问题出在哪里?首先,大数据被严重夸大宣传,导致企业对它寄予的厚望已经超出了它实际能产生的价值;其次,从数据分析中得出的洞见很容易被复制。我们研究的一家金融服务企业曾基于大数据分析建立起一套模型,可用于找出设置ATM机的最佳地点,随后却发现咨询顾问们已经给其他几家银行建立起类似的模型;再次,企业需要变革才能将大数据中得出的观点转化为竞争优势,而很多企业可能无法实现这种变革。比如,一家零售商发现,在打折前后,通过延长货品在销售区域停留的时间,就可以持续提升利润。可是,实现改变需要重新设计整个供应链,而零售商却不愿接受这种改变。

不过,投资大数据没有获得相应回报的最主要原因在于:大多数企业对已有数据没能进行很好的处理,不知道如何管理、分析这些数据才能拓展自己的视野,更不用说在新洞察的指导下进行变革。

企业不会因为投资了高端分析工具,就奇迹般地培养出上述能力。它们首先需要学习如何运用那些已经存在于核心运营体系中的数据,这和先学会算数才能解代数题是一个道理。企业只有学会如何运用数据和分析帮助自己决策,才可能从大数据中获益。

过去3年中,为了探究企业如何从大数据中获取商业价值,我们研究了7个案例,采访了51家企业的高管。我们发现一直坚持用数据指导决策的企业为数稀少。只有一小部分企业具备我们称为“循证决策”(Evidence-based Decision Making)的文化。所有这些企业的业绩都有所提升。与没有这种文化的企业相比,它们的盈利能力一般会更强。

数字经济最重要的就是获取、分析并运用信息来服务于顾客,大多数企业只要运用数据来辅助日常决策,就能够极大地提升业绩。

为什么其他企业不能更好地利用数据、更好地分析呢?原因之一可能是因为它们的管理实践没能跟上技术平台的发展。过去10到15年间,采用了数字企业资源计划(ERP)、客户关系管理(CRM)、实时数据仓库、自有核心信息系统平台的企业并没有将这些平台带来的信息变现。另一个原因是,采用循证决策是一项艰难的文化转变:要重新定义工作流程、数据必须统一、还要建立企业规定对人们进行工作指导。不过有利的一点是,一旦企业完成了文化转变,它们通常不会走回头路,并且它们运营上的优势很难被竞争对手复制。

我们的研究显示,具备“循证决策”文化的企业,能够确保所有决策者都经常运用业绩数据。他们会做好四件事:一、建立准确无误的业绩数据源;二、向各个级别的决策制定者提供近乎实时的反馈;三、不断清晰地传达自己的企业规定,并根据实际情况不断更新这些规定;四、为经常参与决策的员工提供高质量的培训指导。

在研究这些做法之前,我们可以先了解一家已具备循证决策文化的企业。

赋予员工决策能力

Southland公司因率先开创连锁便利店概念、打造出7-Eleven商店而闻名于世。20世纪70年代,公司剥离了日本店铺,日本7-Eleven应运而生。成立之初,日本7-Eleven首任CEO铃木敏文便决定,将这种小型便利店盈利能力的关键点放在库存周转快速上。为此,铃木把这项业务中最重要的决策——订货,交到了7-Eleven店20万员工手上。虽然这些员工大多为兼职售货员,但铃木认为,他们更了解消费者,掌握大量信息,因而选出的货品最畅销。

为帮助售货员作决策,他向各个店铺发每日销售报告,不定期发送天气预报等信息。报告详细列出前一天、去年的同一天、天气最相似的一天的销售状况,以及其他店面的销售详情。由于日本7-Eleven售卖新鲜食品,铃木安排一天送货三次,以便售货员能根据即时需求订货。铃木还在售货员与供应商之间建立联接,以便根据当地客户需求扩充商品品类。结果如何呢?7-Eleven已雄踞日本最赚钱零售商宝座30多年。

这个故事和大数据、或是投资于大数据无关。它是一个与很多“小数据”有关的故事,更是一个将“优秀的人用优秀数据作优秀决策”理念当作制胜关键的故事。以这样的方式赋权于员工,再用他们需要的数据武装他们,不仅能帮他们依据每日情况作更好的运营决策,还能带来持续创新。在日本7-Eleven货架上,每年约有70%的产品是新品,都是由售货员按照顾客的偏好而设计的。

与之形成鲜明对比的,一家美国百货公司的高管骄傲地说自己企业的系统多么敏捷——能在商店黄毛衣售罄、需要从其他库存过多的店补货时,立即告知管理员。但他却不知道如果公司销售橙色毛衣的话,销量会是多少。只有售货员才会知道橙色毛衣的市场需求,但他却没有收集这些洞察的正式渠道。

日本7-Eleven从大量小数据中挖掘大价值的方法,靠的是给决策者透明信息,并且让他们清楚地知道该如何使用这些信息。这正是“循证决策”的精髓。你可以设计计算机模型,快速计算出未来什么货品可能畅销,但计算机无法察觉所有未被满足的需求,也无法获得售货员与顾客一次随意聊天中得出的洞察。因此,比起7-Eleven的做法,计算机找出畅销新商品的概率要小得多。

循证决策的例子大多都属于某个部门或某项职能,少有涉及整个企业的例子,这可能是因为,在一个部门改善数据使用方式,比在整个企业中做出改变的风险更低。接下来我们将深入探讨四项行动:

统一数据源

我们研究的案例企业并不都只有一个数据仓库,但它们都坚持只从一个权威源头获取业绩数据。当罗恩·威廉姆斯(Ron Williams)成为安泰保险(Aetna)的运营主管后(他于2002年成为总裁,2006年成为CEO),他发现所有部门主管拿给他的电子数据表上的业务数据,都显示部门在上一年中盈利,而安泰公司整体却有近3亿美元的亏损!他的应对措施之一,就是指定一个信息系统,让所有人都用这个系统来衡量业绩。起初,高级经理们认为这个系统漏洞百出,很多收入和支出的款项不是被计算错了就是被摆放错误。即便如此,他们也不得不慢慢习惯威廉姆斯指定的衡量指标。这样一来,IT部门和业务领导将数据明晰化,管理层得以更好地理解成本和利润。很快,高管们便以更具针对性的定价设计出新的健康保险计划,逐步扭亏为盈。2005年,安泰盈利16亿美元。一年后,威廉姆斯在回顾企业成功经历时说道:“如果将公认的数据以统一的方式呈现出来,你就可以训练企业思考问题的方式。这样做能让你在了解具体情境的情况下做出选择。”

让所有人都接受统一的数据源,你需要指定一位高管来总揽全局。在澳大利亚最大的付费电视服务商福克斯电视台,其CEO彼得·唐纳福(Peter Tonagh如今是福克斯电视台母公司——新闻集团的COO)控制着对公司数据仓库中数据的定义权。他说,“公司里真实数据的来源只有一种,那就是我的团队给出的数据。”为了让所有人的注意力都集中在最重要的事情上,唐纳福严格限制了报告的数量,他强调:“我不想让大家去想有多少顾客在使用共享服务,我想让他们思考如何才能卖出更多的共享服务。”唐纳福的做法使福克斯的常规报告发布数量大减,从600份降到180份——单这一项本身就为福克斯节省了大量成本,而更大的益处在于,这帮助管理层心无旁骛地瞄准战略目标。

接受统一的数据来源是建立循证决策文化的第一步。安泰保险和福克斯电视台都学到一课:数据一开始有缺陷不足为惧,因为人们学会如何使用统一数据源需要时间。不过,随着时间的推移,数据质量会变得举足轻重。因此,企业在未来会更倾向于改进数据采集的过程。这通常意味着复盘商业流程并弄清楚错误如何发生。需要使用数据的人会主动关注旨在将数据明晰化的管理流程,还会主动学习组织中的信息传播的方式。

使用记分卡

或许,教他人使用大数据创造商业利益的最好方式就是把跟他们表现相关的数据交给他们。常规的记分卡阐明了个体的责任,给出持续反馈,让他们知道自己做得究竟如何。

百事美国(Pepsi Americas)是一家市值50亿美元的装瓶企业(2010年被百事公司并购),该公司管理层设置了记分卡,让每个人都知道自己前一天的表现。管理层在一个仓库中贴出记分卡,在数量和质量两方面为每个装瓶工打分。大多数员工会在每天开始工作前先查看自己的得分。或欢欣或郁闷,一天就这样开始了。储入仓库催生了友好的竞争氛围,与新技术和强大的数据一起,将装瓶流程的精度提高到99.8%,并且无需在仓库增派检验员。

尤为重要的一点是,记分卡必须有恰当的衡量指标。2010年6月,蒂姆·沃尔(Tim Whall)以及他的管理团队接手了北美第六大安全服务商——防卫第一系统公司(Protection One)。该公司正处于连续第6年的收入下滑。为扭转颓势,沃尔团队让管理者将注意力从利润表,转向评估订购业务的关键指标——每月经常性收入(RMR)。几个月的时间里,首席信息官唐·扬(Don Young)在每天早晨4点半发布记分卡,报告各个分支机构和地区经理前一天在RMR上的变化。沃尔用记分卡帮自己分配时间:包括该打电话给哪位经理、该问什么、提供什么帮助。如今,沃尔手下的经理也已习惯于每天用记分卡安排自己的工作。虽然改变老员工们根深蒂固的习惯花了些时间,但新管理团队大大改善了顾客和员工满意度,同时还将收入提升了超过10%——该行业收入增长一般情况下只有3%到4%。

记分卡最重要的特征是注重结果,且这些“结果”不是企业的财务表现或股价,而是个人能控制的东西。目标明确的记分卡,不仅让大家在问题出现在账目上之前发现它们,还能帮助个人明白他们的行为影响着企业的成败。可以确定的是,对组织中的高层,衡量指标会更为细致。因为这些位高权重者在某一衡量指标(比如顾客满意度)上的成功,可能会带来另一项指标(比如协议价格)的损失。不过,使用记分卡的经验可以帮助个人适应更复杂的状况。

明确管理企业规定

如果管理者使用数据不断评估并改进企业规定,“小”数据就可以对业绩产生大影响。企业规定是一种机制,规定在什么情况下该做什么。它可以很笼统,比如“不管用什么方式,只要让顾客开心就好”;也可以很具体,比如“只有在保留收据并且收据显示购买日期在30天内才能退货”。

理想情况下,企业规定可以令运营决策制定者的行为完全贴合公司战略发展目标。但要达到这种理想状态,需要相关个人都理解企业规定,且管理层要依据新信息对其进行定期调整。

具备循证决策文化的企业非常重视对企业规定的不断评估和改进,会清晰地阐述企业规定,并确保它在整个公司中的一致性。思杰系统 (Citrix Systems)就是一例。该公司是一家市值21亿美元的技术公司,业务遍及100个国家,拥有25万消费者。而大部分消费者是由该公司1000家业务伙伴中的一家直接服务的。过去,思杰以折扣价为顶尖合作伙伴提供思杰产品,以此作为对忠诚的奖赏和鼓励。但企业高管们发现,经理们实际的打折形式多种多样,对收入的消极影响也越来越大。因此,思杰建立了新的、覆盖整个公司的企业规定:它开始按照业务伙伴公司的员工赢得多少思杰产品证明(证明其服务能力)来提供返点。管理层预计,这些规定将在提升收入的同时鼓励合作伙伴赢得产品证明、提升服务能力。

发布新规定后,思杰可以分析它带来的影响。如果结果不如预期,企业可以再调整规定。这种分析并不像大数据分析那样涉及大量信息处理,也没有数据科学家参与统计建模;相反,它包括的是普通经理们对关键指标变化的细致观察。这就是企业运用小数据改善业绩的一个例子。

企业规定在逐渐完善的过程中会变得越来越复杂:某航空公司的高端客户可以免费托运行李,而其他顾客必须付钱;有些票可以退款,有些不可以。企业让问题变简单的办法,就是将许多规定嵌入软件中,比如,将航空公司高端客户信息以电子形式存储,系统就能精确计算出托运费用;零售商可以存储顾客购买信息,让计算机来查看是否应该退款。

将企业规定嵌入软件之中自动运行,人就可以从常规决策中解放出来,可以把精力集中在需要个人判断力的事情上。思杰将授予合作伙伴证明的规定自动化,这样合作伙伴就不必记录自己是否有获得返点的资格,由系统来记录并算出返点。系统甚至还内置了面向暂时落后的合作伙伴的“优惠期”。此外,自动运行时,规定可以更细致复杂,因为系统处理细节的能力高于人。与非自动化的企业规定相比,自动化的企业规定更容易检测出变化带来的影响。

用培训来提升业绩

你可能会以为,明确的目标、业绩数据以及表述清晰的企业规定,这些结合在一起就足以帮助人们在日常工作中进行循证决策了。事实并非如此!因为其中缺少了一项元素——旨在提升所有人表现的培训。其实,从我们研究过的企业来看,如果企业不进行培训,那么前三项实践根本无从谈起。只告诉人们新的规定、新的目标还远远不够,你必须帮他们转变,从按直觉决策转向按数据决策。对面向顾客的员工而言,培训通常是帮他们认识自己行为的重要性,让他们知道他们可以承担更多责任,比如,留心让顾客正确使用产品以提升顾客满意度、倾听顾客的心声,而不是只介绍产品使用方法。

日本7-Eleven配备了顾问。他们每周拜访所有16000家店面两次,帮助售货员学习如何高效地使用数据。顾问将每个人对前一周销售情况的预测与实际情况相对比,然后探讨员工在接下来的一周该如何提升自己的表现。7-Eleven的顾问为全职,业绩好的售货员可以升至顾问一职。

防卫第一系统公司没有新设职位,因为高管们认为,培训应该是经理们的主要职责。有些经理迅速承担起这一责任,有些则花了很长时间。一开始,CEO就不厌其烦地培训高级主管,向他们反复解释为什么RMR很重要,每个经理相应的RMR职责是什么,以及怎么读懂记分卡,还有最为重要的——管理者如何进行每日的工作来提升月底的业绩。沃尔还带头践行了以数据为导向的文化:如果听到某种抱怨,他会说:“我们来查看下数据。”企业领导重点培养一级主管的培训能力,比如部门经理、销售经理以及呼叫中心经理——他们直接管理很多人,但在激励和教导方面却通常没什么经验。沃尔规定,经理们每个月必须和他们的所有下属谈话,以便为各个员工找出实现目标的办法,弄清楚他们该如何帮助员工。

循序渐进

在循证决策的文化中,做日常工作的人会突然发觉,自己开始对结果负责而不是对投入的时间负责。许多人需要获得培训技能,这将培育出全新的关系。许多组织或许无法将新文化嫁接到现有结构、角色以及流程上。对他们而言,改变将是一个颠覆旧有结构的过程。

很多公司可能会将这种文化转变与其他大型企业转变等同视之,按照顶层设计、宣讲目标、建立标准、分派职责以及培训员工的路径逐步完成。但我们发现,慎重起步是最好的方式。虽然安泰集团能够从公司最顶层开始转变,不过,从基层着手,对多数企业来说是更明智的做法。举例而言,你可以选择一项重要的重复性工作,它应包含自由裁量权和应用规范,比如服务工作。想象一下,如果人们拥有清晰的企业规定和衡量标准,又有决策所需的数据在手,将会如何服务?然后给员工指派教练,并培训这些教练。这些先期工作可能会帮你发现很多问题,比如错误的企业规定、低质量的数据和不恰当的指标。

长此以往,这种文化将逐渐覆盖许多、甚至全部的角色。很多人在宣讲大数据时,强调的是获得更多信息、找更多人来分析,但是,把握信息经济机遇的最好方式是让所有人更有效地使用数据——这看似成本高昂且充满风险,实际却成本低廉且作用强大,能够将你拥有的“大数据”和“小数据”全部利用起来。(译/熊静如 校/安健)

珍妮·罗斯是麻省理工学院斯隆商学院信息系统研究中心(CISR)主任兼首席科学家;辛西娅·比思是德克萨斯大学奥斯汀分校退休教授;安妮·夸德格拉斯是CISR的研究科学家。

About 企业培训师吉宁

真正的实战派企业培训师,长期致力于人力资本、公司行为、市场营销、企业战略及领导力发展等组织实践与研究,数十年来参与及主持过的管理咨询项目累计逾千次;受邀主讲过的各类企业培训课程累计逾万次。吉宁老师还主导编写了12Reads系列等知名管理培训教材。