1704272758
1704272759
☆企业文化需要根植于企业的目标体系之中，我们需要关注一个企业的目标体系是怎样的。
1704272760
1704272761
☆未来的数字化竞争对企业的人力资源、技术资源都提出了一定的要求，我们需要关注一个企业长短期内是如何培育这些必要资源的。
1704272762
1704272763
第一个子问题涉及的核心要素包括：数据好奇心，获取知识、技术和数据的途径和分享机制，员工是否可以参与决策，同事之间的信任，勇于尝试的热情等。这也包括了如果发现某种投入明显不管用时，能够果断地决定放弃再投入。
1704272764
1704272765
由此我们会发现，企业的目标体系必须做出相应的改变。我们认识的各行各业中的许多企业，为实现公司战略投入很多。但是，很少有企业会大规模持续地奖励推动企业数字化进程的员工。此外，需要改变一下关注“如何开展合作”问题的时间范围。企业会有一些愿景，可能需要5~10年才能够实现，我们可以将目光从这样的目标中转移出来，关注一下1~3年内需要实施的具体计划。
1704272766
1704272767
在涉及资源投入的时候，情况基本是这样的：技术分析手段的供给量是大于需求量的，但是能够给机器设备提出准备指令、输入所需数据，并能将技术、知识转化为生产力的人力资源，却是供不应求。商业智能专家、数据建构师、数据库分析员，以及最具价值的数据科学家会越来越供不应求。智能数据冠军企业高层管理人员在以下两方面不能够过度放权：一是企业技术力量的发展，二是对企业人力资源素质的培养。在数据中会显现出新的竞争优势。如果企业的数字化设备短缺，或者缺少能够操作它们的员工，那么这就是企业高层决策者的责任。
1704272768
1704272769
在评估过“数字化冠军是如何成功的”这个问题之后，我们总结出了6点对成功来说至关重要的因素，每一个希望赢得数字化变革的企业都应该具备这6个因素。
1704272770
1704272771
1704272772
1704272773
1704272774
3.做什么
1704272775
1704272776
成功的智能数据企业会十分谨慎地使用有限的数字化资源。他们一方面避免重复劳动，不支持同质化应用项目，例如不重复支持客户关系管理领域的应用，另一方面，不在不切实际地构建大数据战略幻想方面浪费太多时间。他们做得更多的是结构化、系统性地分析企业的数字化潜力，然后列出发展重点。此处，有一个非常好用的工具，即所谓的数据热图。
1704272777
1704272778
热图这个概念在当下很流行。早在1873年的巴黎市议会会议上，热图就作为一种可视化工具首次投入使用，当时巴黎对不同的城区进行了统计调查，热图的应用使统计结果更易于理解。
1704272779
1704272780
抓住数字化机遇的核心是要做好两个维度的聚类分析。在智能数据项目中，我们在横轴上系统地归类现有数据，如果有必要，也会去获取易得的其他数据。例如，如果是一家汽车生产企业，那么横轴上的数据就可以分类为车辆数据、客户数据和生产数据。在纵轴上可以显示企业内的哪些人使用了这些数据。通过系统性地对比横纵轴的数据，我们可以相对快地鉴别出哪些数字驱动下的商业案例可以为公司和客户带来更大的增值。此外，热图分析可以使两个数字化项目之间可能的联系变得显而易见，以前可能没人发觉。
1704272781
1704272782
原则上，此时人们已经非常清楚应该先做什么了。极有可能先做的事情与“为什么这样做”有关，至少在“怎么做”这个问题被良好地组织起来的情况下是这样。
1704272783
1704272784
1704272785
1704272786
1704272787
概率击败偶然
1704272788
1704272789
如果我们从认识论层面出发，把所有数字化的事物再彻底地审视一下的话，我们可以得出如下结论：我们并不相信大数据理论家预言的“理论的终结”。当数据全然能够解释这个世界的时候，也并非说理论本身就走到了尽头。在没有意外发生的情况下，我们只能基于过去和现在的数据推测未来。但是生活却不是提前预设好的。在人类走向灭亡的最后一天，非理性行为和偶然事件会让预言家明白，他们也有预测不到的事情。同样，也不会有人能够长期地准确预测汇率和股市行情，但是，人们可以通过建模来探寻短期事件的发展机制。
1704272790
1704272791
在没有意外发生的情况下，我们只能基于过去和现在的数据推测未来。但是生活却不是提前预设好的。
1704272792
1704272793
反过来说就是，能够意识到预言家能力的有限性并接受这一现实，这也属于智能数据冠军企业的核心竞争力之一。这些企业也明白，预测水平会随着时间的推移得到优化。概率击败偶然不是绝对的，但是在数据分析方面我们会变得越来越智能。
1704272794
1704272795
具体到企业经营的日常工作中，是这样的：智能数据分析会利用所有经实践验证过的分析工具，这些分析工具能够协助我们加深对客户的理解，借助这些分析工具，我们可以影响客户的行为。但是，有一些分析工具是不会被选用的，例如那些无法评估其使用效果、对企业人力和财务造成负担的分析工具；还有一些技术分析手段因“自恃过高”也不会被选用，它们认为具有自学习功能的机器可以完成一切，企业原有的人员和模式都已经多余了。
1704272796
1704272797
1704272798
1704272799
1704272800
智能数据冠军企业认识到，通过改革成为具有数据分析能力的市场竞争者是一个长期且艰辛的过程。它们也并不会去指望，通过一两个智能数据项目，就能够多快好省地打开全新的、高潜力的商业模式的大门。相反，他们认为，智能地、持续地经营数据是多层面价值创造的“启动程序”，同时，从长期来看，也是巩固既有竞争优势、获得新优势的重要因素之一。欲知详情，请看下一部分。
1704272801
1704272802
1704272803
1704272804
1704272805
智能数据：如何挖掘高价值数据 [:1704272160]
1704272806
智能数据：如何挖掘高价值数据 第二部分 智能数据的循环
1704272807