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
1704272870
下面举几个简明扼要的好例子：
1704272871
1704272872
☆我们必须优化产品设计，从而去吸引高价值贡献的客户群体；我们应该参照对照组实验的结果，去摸清我们需要怎样去修改哪些产品设计参数。
1704272873
1704272874
☆我们需要为我们的外勤人员配备类似iPad平板电脑的设备，通过与同类客户数据信息的比对，这些电子设备可以给销售人员提供诸如某一个客户购买同类产品的记录，以及促进某位客户追加购买的具体营销话术建议等。
1704272875
1704272876
☆通过综合分析交易流水和市场研究数据，我们可以更好地理解客户需求，并可以相应地调整目标客户群体的宣传策略，例如50岁以上的客户。
1704272877
1704272878
☆如果我们通过数据分析可以更好地预测何时客流较大，那么我们就可以更合理地分配工作人员，提高客户满意度。
1704272879
1704272880
☆如果我们能够放宽退换货的条件，从长期来看，便可极大地提高客户贡献度。通过市场潜力分析，我们应该能够确认，在不影响盈利的情况下，我们在哪些业务上可以这样做。
1704272881
1704272882
☆定期的促销活动往往针对的不是低端客户。恰当的分析可以帮助我们识别出潜力客户，我们必须将优惠活动控制在潜力客户范围内。
1704272883
1704272884
一些小型企业偶尔会开展一些智能数据项目，在这些项目中提出的初步想法只需示范性地具有一定抽象性就可以了。然后，便可以开始去探寻数据源头，目的是更合理地实现为产品定价、满足客户需求或者是优化区域运营管理。然而，在一些大企业的智能数据项目中，按照不同的业务范畴和不同的价值创造阶段，这些初步设想会被系统性地区分开来。此处就会用到在第3章中介绍过的“热图”工具，主要是用于结构化地详细解释并定量分析这些以数据为基础的价值创造手段。这样的话，一个项目可能会持续3~4个月的时间。
1704272885
1704272886
首先要有效提出优化措施，完成了这一点，就意味着智能数据流程的第一阶段结束了。可以通过讨论小组的方式完成这项工作。有时，高层管理者或者中层经理更愿意独立去完成这一阶段的工作，他们或是整夜思考相关问题，或是与雇员和客户直接交流，或是通过与IT部门负责人的沟通，大体掌握通过哪些投入可以获得哪种数据。面对具体的决策事项，民主讨论或者集中决策都是有其根据的，根据不同的事情选择不同的决策形式。但是无论如何，需要坚持的原则是：
1704272887
1704272888
在问题清单的最上面，必须列示最有可能获得最大成效的措施。
1704272889