1704272820
1704272821
有一次，一位企业管理者迷惘地说：“我原来认为，只要打开潘多拉的盒子，就自然会有新想法出来。”人们就是这样盲目推测大数据的魔力的。当然，人们会从数据中获得很多认识。数据分析会变得越来越智能化，但前提是要选择正确的问题作为出发点。这些问题不是关于对某一行业前世今生的（大）数据分析。最好是召集5~10个来自不同项目背景的聪明人，坐在一起共享一下他们精通的范畴，例如对商业模式的理解、对不同价值链领域的专业认知（可以是市场营销、企业运营、售后服务、采购等方面）以及对某一个数据驱动下的解决方案的发展潜力的看法等。然后，提出具有较大思维开放性的问题：
1704272822
1704272823
1.我们的商业问题是什么？
1704272824
1704272825
2.销售收入和净利润来源于何处？
1704272826
1704272827
3.它们产生于价值链上的哪一环节？
1704272828
1704272829
4.通过数字化的解决方案，我们可以在哪些范畴内快速提升价值创造水平？
1704272830
1704272831
在这里，我们需要再老生常谈地强调一下，在开始任何一项数据驱动下的市场分析之前，都要记得：
1704272832
1704272833
市场份额不断下降的情况是客观的，我们面临的问题与30年前、60年前和90年前没有差别，即我们如何去阻止这种下降。
1704272834
1704272835
市场营销或者经营的目标“任务书”不会因为引入使用了大型计算机或者云计算而发生根本性改变。市场营销和销售人员必须一如既往地关注如何提高市场份额、发掘与开拓目标市场、提升零售业务顾客份额、防止老客户流失、提升客户间推荐频率、增强市场营销措施的影响力，等等。
1704272836
1704272837
问题的维度没有发生改变，因此我们也就不需要引入新的参数或者变量来实现数据分析，况且在数据分析的过程中还会产生新的问题。市场份额不断下降的情况是客观的，我们面临的问题与30年前、60年前和90年前没有差别，即我们如何去阻止这种下降。数据只能帮助我们去寻找更好的答案。更直观的表达就是：
1704272838
1704272839
智能数据分析不是从深入的数据分析开始的，而要首先提出具有战略性的初步设想（这个初步想法应具有一定的包容性，可以涵盖企业经营中的核心指标）。在分析人员的组织方面，原则上最好是由来自相关领域的同事组成一个创意工作组，如果决策层、外部专家和客户也能参与进来，就更理想了。最好不要在自己的会议室里讨论，到外面去租一间配有书写墙和桌子的“创意实验室”。如果在讨论前能够去到一些场所，亲自接触客户，也是一个不错的选择，比如去产品旗舰店、营业窗口，或者去一个普通的银行网点，静静地坐在角落里，观察一下客户。
1704272840
1704272841
首先，按照不同部门描述企业面临的最大机遇和（或）存在的问题。会议的主导者必须注意，不要让讨论会向着归纳或者推论演绎式讨论的方向发展。这具体是什么意思呢？
1704272842
1704272843
此处我们指的是，创意讨论会经常会出现一种情况，就是整个讨论组都陷在一个思维方向里，会从个别的观察现象中推导出一些普遍原则，然后很快就会上升到对事物规律性的认识，尤其是当领导也有这种思维认识的时候。我们称这种现象为归纳式思考。比较少见的是，一个创意讨论组具有市场营销的理论构想，同时也发现了自己的问题，但是却忽视了所有理论上不会发生的情况。我们倒也经历过这种推论演绎式的思维态度，这也是有百害而无一利的。
1704272844
1704272845
在一个智能数据分析流程开始之前，寻找到合适的起点问题的诀窍是，把自己看作一个成员，真正参与到整个思维活动中去。美国创新研究人员，例如汤姆·凯利（Tom Kelly），将其称为“初学者心态”。这种在基本态度上有意识地保持一定开放性的做法，有助于我们不被过多的细节所迷惑，不受之前策略失利的影响，专心关注业务上的问题。这可以帮助我们去探寻不同问题之间的联系，而在此之前，可能都没有人意识到这种联系的存在。
1704272846
1704272847
讨论组新鲜但具批判性的观点也渗透到了早先的一些认识中。起初我们认为，人们在感性上关于投入产出的估计与著名的帕累托法则（80/20法则）不是特别吻合。现在我们觉得，一些想法之所以会产生出来，有可能完全是因为出于某种原因，这一讨论组更喜欢执行这种想法。总之，这些想法不能像变戏法一样被凭空编造出来，也不应该被当作儿戏。此时我们需要做到明确地提出问题，业务问题越是被明确地提出来，越容易被转化为一些初步的工作设想。在智能数据分析流程的早期阶段，这些设想肯定是粗线条的，可以采用下面的形式呈现出来。
1704272848
1704272849
我们的企业现阶段为什么没有成长，存在以下5个主要原因：
1704272850
1704272851
☆对部分客户来说，我们的产品太贵了，市场购买力没有达到这种程度。
1704272852
1704272853
☆与竞争者相比，我们的外部营销业绩差。
1704272854
1704272855
☆在市场定位不精准。
1704272856
1704272857
☆对特定目标客户群来说，我们的产品缺乏吸引力。
1704272858
1704272859
☆由于售后服务太差，导致我们流失了很多客户。
1704272860
1704272861
在这个阶段，数据分析只有一个任务，就是推出基本观点并进行论证。到了下一步，任务就发生了改变，创意讨论组需要转变视角，并思考：
1704272862
1704272863
数据怎样能够帮助我们寻找到解决上述问题的更优方案？
1704272864
1704272865
1704272866
1704272867
1704272868
直白地说，就是将已经明确的问题写在“创新实验室”的书写墙上（要是没有，那就写在挂图上好了），然后讨论组的成员（才第一次）通过头脑风暴的方式探讨具体方案，去发现新机遇或者去解决现实问题。通过这种方式，会获得一个长长的入围清单，列出数个有可能的具体措施，目的都是为了进一步释放数据驱动的潜力。
1704272869