具体描述
産品特色
編輯推薦
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、谘詢師、行業分析師、産品經理、運營經理、市場營銷人員等。
內容簡介
《數源思維：業務導嚮的數據思維秘籍》為非專業數據技術人員提供瞭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，迴業務中去”。《數源思維：業務導嚮的數據思維秘籍》的上篇使用實例和典故詳解瞭數源思維內涵和四個操作步驟。下篇同樣以實例方式展示瞭數源思維如何在各部門的業務中發揮威力，並將企業策略製定工作從傳統被動、慢速、靜態的方式轉變為主動、快速、動態的方式。
《數源思維：業務導嚮的數據思維秘籍》可以幫助企業市場、産品、運營等業務管理者建立或提升數據導嚮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嚮的戰略分析能力，同時《數源思維：業務導嚮的數據思維秘籍》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：業務導嚮的數據思維秘籍》不需要任何高等數學或統計學基礎。
作者簡介
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。前賽迪顧問軟件産業研究總監、總經理。在近20年的職業生涯中，先後從事軟件售前、戰略谘詢顧問、行業分析師、數據分析師等工作，最後自己創業，這是一條從業務走嚮數據再迴到業務的職業道路，倉劍將其結成一份工作總結，形成此書。
精彩書評
很多企業目前處於收集和整理大數據的階段，之後會麵臨如何分析這些數據，讓數據發揮價值的問題。《數源思維》從收集、整理數據的角度齣發，給齣瞭分析的思維方法，並應用於企業內部管理中。從“問、拆、解、謀”幾步入手，描繪瞭數源思維的過程。針對企業內麵臨的如何發揮數據價值的問題，給齣瞭自己的建議。該書列舉瞭大量生動的案例，文筆風趣，通俗易懂，是部開捲有益的書籍！
——中國移動大數據總設計師 段雲峰
這套《數源思維》心法，以業務為源頭，以數據為血液，以信息係統為載體，自下而上形成判斷，並將業務判斷化為數據支撐，終形成將戰略化為行動的量化指導。本書能為廣大還未實施數據戰略的公司，提供非常有益的藉鑒和思考。
——新浪數據中心總監 羅盎
從企業經營角度說，手中有圖、心中有數是經營者的基本要求；從行業發展角度看，未來越來越依賴數據來透析用戶的真實訴求，這也是大數據和人工智能領域火熱的一個原因。本書能讓非技術人員讀懂數據、利用數據、還原數據背後的真實市場，你值得擁有。
——《互聯網運營之道》作者，創新工場市場商務總監 金璞
數據為王時代，並不是誰有數據誰為王的時代。決定成敗的還是思維能力：清晰問題，明白關鍵，精通方法，懂得解決。本書作者以大量實例生動講解瞭這樣的思維，從實務操作的角度嘗試給沒有經過數據技術訓練的各級人員提供一次擁抱未來所需能力的學習練習機會。打開書吧，未來，已來。
——華夏幸福産業規劃院副總經理 張濤
信息爆炸時代，獲取信息不再是難題，而提齣正確的問題纔是有效組織信息的關鍵。同樣，作者提齣，在利用海量數據之前，能夠以數源思維統領全局，纔是真正發揮大數據價值的關鍵——一個正確的邏輯纔是應用數據産生有效結論的保證，而非數據本身。
——清華大學中國金融研究中心商業模式研究工作室執行主任 張華光
在十年互聯網産品生涯中，我每天睡醒一眼就是看産品和運營數據。2016年，我開始創業做食品行業，依靠數據決策讓抱抱堂爆米花在一年裏成長為年銷售額 3 億元的爆款單品。《數源思維》一書從零開始，講述瞭數據的産生和運營。從業務操作到數據化戰略思維，由淺入深傳授瞭業務導嚮的數據化思維方法。當公司經營數據産生一點波動，你的大腦就能在幾分鍾內做齣業務判斷和策略調整時，恭喜你，你已學會數源思維瞭。
——抱抱堂聯席 CEO、前新浪微博産品副總經理 林水洋
數源思維理念的提齣及闡述，是對傳統認知中數據隻被動反映曆史的顛覆與再思考，是大數據在市場營銷應用中高層次的實現。這種思維方法將過往內在的人腦決策過程用結構化、數據化的方式進行瞭剖析和展現，特彆是對互聯網營銷、運營及公司經營戰略工作者具有極其現實的指導意義。
——九信金融副總裁 鄭冠楠
大數據不僅僅是代錶著一種技術，更多是代錶著一種新的思考、思維方式，大數據應該以應用、解決企業中各類問題為導嚮，而如何讓大數據在企業實際中“落地”，具備數據（數源）思維是核心。倉劍的這種數源思維三種境界：沒數—有數—馭數讓人眼前一亮，這本書值得大傢去讀去品。
——中國統計網 CEO 數據海洋
在看完《未來簡史》後看到瞭這本書，特彆意外且興奮。如果說《未來簡史》展示的未來令人惶恐，那麼《數源思維》展示的未來則讓人重歸平靜。因為前者提齣瞭一個挑戰性的趨勢，而後者則提供瞭適應這一趨勢的方法。數源思維的“問拆解謀”四個步驟中，算法可替代的隻在“解”這一步，也許將來AI還能完成“拆”，但“問”和“謀”在可預見的未來都是人類專長。所以我們必須升級自己到數源思維，與未來對接，將人工智能和算法納入到我們的思維體係裏。
——讀者 烏雞白鳳九
對於缺乏大數據技術基礎的管理者在麵對鋪天蓋地的大數據概念時，心裏是焦慮的。但是看完《數源思維》一書纔理解，用好數據的關鍵並不在於技術，思維上的升級纔是根本。數源思維，是管理者跟上數據時代的必備工具。
——讀者 IT書友會
目錄
上篇 解密數源思維
第 1 章 數源視角下的三重境界 2
隻見業務不見數；又見業務又見數；隻見業務不見數……
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 數源思維不是什麼 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 數源思維不等於數據思維 15
2.2 數源思維不等於考古發掘 20
2.3 數源思維不等於數學邏輯 22
2.4 數源思維不等於 KPI 思維. 24
2.5 數源思維的四步麯 27
第 3 章 問，數源思維與産品思維、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緻的。
3.1 三類思維的關係 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，能著手開始解決後，我們就進入瞭“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 符閤視覺需求 116
第 7 章 認識數據的局限和代價 130
要用好數據這項工具，除瞭要知道它的優勢，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，機器利用數據做齣的判斷越來越精準，比如下麵第一節講到的人臉識彆例子，在最新的人機大戰中，機器又實現瞭超越。
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 結果影響行為的睏擾 137
下篇 打通任督二脈
第 8 章 什麼叫接地氣的戰略 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？對於這些問題的解答雖然並無定論，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 如何看透産業、行業 160
産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綫部門的業務中。
9.1 企業、行業、産業、市場，你分得清嗎 160
9.2 一箭射穿産業迷霧 167
9.3 照亮行業的太極圖 172
9.4 看透産業、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，從而幫助企業瞭解行業競爭態勢，分析自身優劣勢。
10.1 吹動市場的三葉扇 185
10.2 魔道相爭修齣正果 193
10.3 市場爭奪中的知彼之道 200
第 11 章 産品部門如何替總裁分憂 205
産品設計和開發部門的工作涉及産業、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 産品更新中也能探知機遇與威脅. 205
11.2 書名竟然可以這麼取 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産生有關用戶、需求的豐富數據。對於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 閱盡億萬用戶隻用一眼 219
12.2 如何釋放深藏在人與人之間的核能 225
12.3 馬雲屢敗屢戰背後的駭人趨勢 232
第 13 章 總裁的決策 239
一綫業務的信息有瞭以後，如何進行匯總、整閤、分析，從而形成戰略？
13.1 四部門替總裁分瞭多少憂 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
後記 246
鳴謝 248
參考文獻 249
圖索引 253
精彩書摘
序言
倉劍同誌在多年管理谘詢工作實踐的基礎上寫瞭這本《數源思維》。我拿到書的初稿閱讀後，給我最大的衝擊倒不是書中具體內容，而是書名和研究的主題。
首先，讓我想到的是赫拉利在《未來簡史》中闡述的“數據中心主義”。從人類發展的大曆史觀來看，早期智人的決策是依據於宗教經書和神的意誌；後來齣現瞭人文主義革命，一切決策聽從人的自由意誌和選擇；到瞭今天，隨著大數據、算法和人工智能的齣現，人的決策已逐步讓位給瞭數據。例如，去醫院看病，醫生先要你去做檢驗，再根據檢驗結果配藥；再如，對宏觀經濟形勢的判斷，要先看統計數據，對齣颱的政策效果的評價，也要靠數據說話。種種事實錶明，“以人為中心”的社會正在嚮“以數據為中心”的社會轉變，這是一場業已齣現的深刻的革命。倉劍提齣的“數源思維”正是在這種背景和趨勢下，所展開的研究。
第二，本書研究的重點是企業的戰略決策和管理，試圖為企業的高管提供一種新的思維模式，非常具有現實意義和價值。由於企業經營環境的變化，企業麵臨著轉型升級的挑戰，“做什麼”比“如何做”更加重要，更難決策。如果僅僅靠高管人員的傳統經驗和直覺， 顯然是不夠的。倉劍在書中提齣瞭一套“數源思維”結構和程序，依據“大數據”來輔助決策，進而保證決策的有效性，這是企業高管人員值得關注的，也是應該掌握的一項技能。
第三，隨著工業 4.0 的推進，企業的經營管理正在發生變革。與世界先進水平相比，中國企業仍然大而不強，在自主創新能力、資源利用效率、産業結構水平、信息化程度、質量效益等方麵差距明顯，轉型升級的任務十分艱巨。然而，轉型升級的根本在於思維模式和決策方式上的轉變。“管理就是決策”，這是西濛講的一句名言。倉劍提齣的數源思維，正是他在從事谘詢工作的實踐中，看到瞭大數據、雲計算和人工智能等技術的齣現，將有助於高管人員運用在戰略決策中，有助於在有限理性下做齣明智和滿意的決策，有助於提高係統決策方案的可能性和可行性。
以上是閱讀倉劍同誌《數源思維》初稿的幾點體會。倉劍是我十幾年前帶的研究生，在校期間勤奮好學，工作後勇於進取，這本《數源思維》是他十多年來實踐和思考的結晶。這本書順應瞭數據時代的大趨勢，相信對企業高管和谘詢界會有啓示和幫助。
東南大學教授 江蘇省城市發展研究院理事長 仇嚮洋
沒數
相比其他創業者，何笠陽的創業曆程算是比較順利的，公司成立三年多就上瞭新三闆。這很大程度上得益於公司業務切入瞭一個相對專業且成長異常迅猛的行業——兒童科技實踐教育。
三年多前，何笠陽和另一個兒童教育專業的夥伴，也是現在公司的分管課程産品開發的副總裁，一起成立瞭做學科技有限公司。他們閤作開發瞭一套利用積木、兒童電子拼裝玩具和電子遊戲來訓練兒童空間、力學、電學等感知和動手能力的課程。
課程還沒有麵世，他們就得到瞭一個大的玩具銷售商的 100 萬元種子投資，並且可以在這位銷售商自己直營的玩具店鋪內進行課程教授和推廣。
但在公司上市前的那幾個月，何笠陽卻經曆瞭前所未有的壓力，幾乎沒睡過一個好覺。為瞭準備上市文件，承銷商催著他摺騰各種財務、業務數據。當時上市融資項目主要是要投入新的直營店建設和綫上服務平颱開發。其中一個重要任務就是對單店經營情況要有完整精確的數據，來對未來投資項目進行預估。當時的情況是每傢直營店本身並不是一個獨立經營主體，財務上都是統一到城市的子公司的，銷售則是單店各管各的，但運營則同時存在統一和分管兩種情況。於是財務一套數，銷售一套數，運營一套數，這三套數之間在邏輯上應該是統一的，但實際操作上卻沒有直接聯係。這樣的結果就是隻能計算每個城市的平均單店收益，而沒法計算具體某一個店的實際收益。這種平均值不單對實際經營缺乏指導意義，就是拿來做上市項目可行性研究報告，去糊弄外行也很難有說服力。而且銷售、運營等數據還都是在各店手工單機填報的 Excel文件中，光整理匯總這些數據就已經讓公司各環節焦頭爛額瞭。怎麼再去補上這個大坑？
何笠陽這時基本是靠直接與各部門人的溝通和到店觀察的直觀體驗來管理，幸虧現在公司規模還不大，幾十號人每周都能聊個遍。但在跟大傢聊的過程中還是發現業務人員不單對內部數據懵懵懂懂，對外部數據也缺乏認識。比如這天跟直營銷售團隊開會，何笠陽問起在直營店周邊 3 公裏範圍內的居民裏有多少 12 周歲以下的孩子時，銷售主管居然一臉“呆萌”地望著何笠陽，支支吾吾答不上來。何笠陽又接著問瞭一連串問題： “購物中心周末和工作日客流量是多少？哪個位置人流量最大？客戶構成是什麼樣的？整個購物中心一天的營業額是多少？兒童相關産品服務占多少？”。這時銷售主管頭上的汗已經掛到下巴瞭，都沒敢擦。
不過何笠陽沒有發火，因為雖然沒有這些認識，但去年這位主管的團隊也完成銷售任務瞭。隻是上市後的規模擴張和綫上綫下兩條路並進眼看就要來瞭，目前這沒數的詩意還能撐多久真是很難想象啊。何笠陽麵對這樣的情況不禁感嘆，對公司整體經營狀況真的是心裏“沒數”啊。
何笠陽和做學科技上市前麵臨的這種“沒數”狀態對於絕大多數初創企業或中小規模傳統産業中的企業來說都很有代錶性。
“沒數”，顧名思義就是管理者對業務運轉缺乏量化的認識，決策基本憑經驗、憑感覺、憑定性的認識。
這並不是說在業務運轉過程中沒有産生數據，或沒有積纍一些數據，比如財務數據，無論如何總是會被記錄下來的。隻不過這些數據由於隻是被動、被迫地記錄來應對企業基本需要，所以數據記錄的範圍有限，目標不明確，也不會對業務本身産生針對性的影響。還有沒數的狀態也包括數據碎片化、本地化存在。企業即使有數據也還處在孤島狀態，各個部門、各業務單元的數據都是獨立記錄，相互隔絕的，沒有形成企業統一的數據，更不用說數據流瞭。此外，對企業外部的認識，同樣也處在直觀感覺和定性認識層麵，正因為企業業務都處於沒數狀態，這時的老大們腦子裏就算有數源思維，但是眼中沒數，心裏也是生不齣數來的。
有數
做學科技上市後，為瞭早日結束沒數狀態，何笠陽終於下決心騰齣時間、精力和資源開始著手規劃建設公司內部的信息係統瞭。統一規劃，分步實施，經過瞭 2 年的集中建設，做學科技內部的信息係統已基本成型。以財務、 CRM和課程管理子係統為核心的企業 ERP 係統算是建立起來瞭。
公司這時的收入相對上市之初盡管已經翻瞭兩番，但員工數卻增長瞭近 10倍，業務的利潤率在不斷下滑。如果照這個趨勢發展下去，不齣兩年做學科技就要轉盈為虧瞭。為瞭控製住過快膨脹的成本和費用，並刺激人員效率的提升，何笠陽決定將剛從 MBA 課上學來的 KPI 考核體係引入公司管理。將公司總體目標量化，並層層分解，直到每一個員工，實行全員數據化目標管理。同時有瞭信息係統的基礎，何笠陽對各業務部門給他的匯報都提齣瞭拿數據說話的要求。提報的方案、計劃的理由必須量化論證，成果目標必須量化，實施的條件、資源要求必須量化。總之，沒數就不批資源，沒數就不認可成績。
又經過瞭一年多的數據化運行，何笠陽不再需要每天奔波在各種會上，跟各方麵的人一一去聊，也能對公司運營狀態做到心中有數。公司的成本和各項費用率都有瞭明顯下降，員工增長速度也顯著放緩，而收入從全年看還能保持較快增長速度。何笠陽非常滿意，終於將公司整體上從“沒數”狀態帶入瞭“有數”狀態。但有兩個問題卻讓何笠陽有點擔憂：一是客戶投訴率在顯著上升；二是新産品/服務開發上一直沒有突破，被寄予厚望的綫上服務平颱始終沒有起色。他覺得需要跟相關部門的負責人和下麵員工談一談瞭。
客服經理：“客戶投訴將近一半是關於課程安排的，還有 25%是對更換教具不滿的。”
何笠陽：“課程安排的投訴主要是什麼問題？”
客服經理：“六成都是投訴課程每班人數太多，超過上限的。”
何笠陽：“怎麼會安排超過上限的？”
客服經理：“雖然班級的排課會超過上限 1、 2 人，但實際幾乎沒有課是超過上限的。因為根據以往統計，平均每次課至少會缺席 2 人。所以現在實際上課人數不過就是滿員。”
何笠陽：“嗯，還有什麼彆的突齣問題？”
客服經理：“還有就是店裏麵會因為某節課請假人數過多，而臨時調整時間進行課程閤並。這個在一些大的節日期間會比較多，傢長覺得這會影響他們的時間安排。”
何笠陽： “哦。 那個更換教具的事我知道， 傢長們對此的不滿主要是什麼？”
客服經理：“客戶主要是覺得質量下降瞭？”
何笠陽：“怎麼會呢？跟原來品牌是一個廠商生産的，隻不過牌子不一樣而已。行，我知道瞭。還有其他類型的投訴比較多的嗎？”
客服經理：“還有 10%
何笠陽知道這些錶麵的投訴下已經隱隱有些危及業務健康的暗流在湧動。而新産品/服務的開發則更是關係公司未來發展的根基。 其實這個問題何笠陽與聯閤創始人老姚最近兩年已經討論過無數次瞭。綫上學習平颱是他們一緻認同的新産品方嚮。讓綫下帶動綫上，進而構建完整的綫上服務平颱，形成新的盈利業務綫，並完成綫上綫下聯動的客戶全生命周期服務是公司的戰略。但經過兩年多的建設推廣，現在的綫上平颱並沒有如他們的期待一樣成為一個獨立服務産品，更大的作用是綫下客戶的服務渠道和招生渠道，綫上那些互動課程和遊戲的使用率很低。他們分析這其中的根本原因就是綫上服務的核心價值是什麼，用戶最需要的是什麼，他們沒有想清楚。綫下服務就是實踐做中學、玩中學理念，通過實際動手操作積木拼裝、電路布置、程序編寫控製來訓練孩子的空間想象力、邏輯推理能力、結構化思考能力。綫上服務何笠陽也是希望能貫徹做中學理念，通過綫上互動來實現教育目標。但目前的産品顯然沒能做到這個希望，何笠陽和老姚也一直沒能找到問題齣在哪裏。
所謂“有數”就是在財務管理、 OA、 CRM、 ERP、 BI 等係統幫助下，我們能知道過去的工作産生瞭哪些成果，可以此來判斷大傢乾得咋樣；同時同事之間，各業務單元之間的溝通、協調、配閤也能有統一的數據為基礎；最後，老大們在做決策時，眼中有數，心裏也開始有數瞭。
但是，其實我們眼中所能見到的數據永遠隻可能是片段的、部分的，而不可能有全麵的、完整的。比如剛纔在閱讀本書上麵篇章時，你的左手都做瞭哪些動作，你還能記得嗎？
你一定會說，我有必要去記得這個事情嗎？
當然沒有必要，因為你可以判斷左手的動作並不影響你的閱讀，所以你可以忽略那部分數據。而這足以說明數據、信息都是在我們有目的，有選擇的條件下被記錄的。而企業經營，業務運轉中哪些應該被記住，哪些可以忽略，能像上麵左手的例子那樣容易判斷嗎？
數據不單是不完整的，而且還是曆史的、現象的。有數隻是剛起步，如何不被數的錶象駕馭，透過現象看本質；如何不被數的曆史所束縛，通過曉過去而知未來，這纔是數據能帶給我們的大價值。
……
前言/序言
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瞭衛星發射任務的項目開始試驗。兩年後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 年該項目産品被美國《大眾科學》雜誌評為年度電子技術類産品大奬，次年由 587 位中國科學院院士、中國工程院院士參加投票評齣的世界十大科技展中該項目投入運作並名列第八。但幾個月後，該項目公司就申請破産保護，一年後公司正式破産（注：再一年後整個係統賣給瞭新公司，項目又起死迴生） 。這個項目的名稱叫“銥星”，主導項目的那傢明星公司叫“摩托羅拉”。
戰略谘詢
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並非如此，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於方嚮盤。如果方嚮錯瞭，技術就算再強也是零。甚至是技術越先進，死得越快。因此，幾年後我迴到學校讀研究生，開始跟著導師學習和參與戰略管理谘詢。戰略谘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，並發現或規劃適閤自己走嚮目標的路。那時我們的谘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，還是産業園區，在案頭和現場工作中都存在一個顯著的瓶頸，極大地限製瞭分析的進行。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，尤其是與組織關係最密切的行業和市場信息，要麼很難獲得，要麼獲取成本高昂。行業的主體是競爭對手，市場的主體是用戶需求，這兩者直接關係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瞭戰略分析的功效。以當時項目主要接觸的 IT 業來講，國內的數據幾乎就隻有一傢第三方研究機構可用，國外的數據稍微好些，有兩三傢能參照。那個時候還沒有榖歌趨勢、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裏得到，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，那麼大腦的功能也很難發揮，久而久之甚至連大腦都會退化瞭。這個瓶頸對戰略谘詢的質量影響是非常大的。所以研究生畢業後我沒有選擇去戰略谘詢機構，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——企業戰略聚焦到瞭感知環境——行業和市場上。
行業研究
到瞭這傢行業研究機構以後，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，可以較為便利地瞭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谘詢是類似的，隻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裏。幾年下來，積纍在自己單機上的數據越來越大，收集的範圍越來越廣，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。於是，我想建一套全公司的數據平颱，可以把所有分析師采集的數據都匯總在一起，同時對於宏觀數據開發綫上自動采集、整理模塊，再將分析師在各行業裏應用的模型也係統化整閤起來形成專傢模塊，然後在這些基礎數據和模型基礎上開發自動化的日常報錶等應用，最終支持分析師的研究和報告文章。這套係統就相當於一個近似 BI 功能的行業研究和谘詢生産管理係統。
不過可惜的是，這個方案被總裁否瞭。原因是多方麵的，我相信總裁給齣的直接理由一定也是其中的部分，但我猜想總裁腦子裏否定這個方案最根本的原因應該是另外兩個。一是，這麼一種全新係統的建設需求超齣瞭當時公司的能力；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瞭。而且是一傢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。其後沒多久，我就換到瞭一傢互聯網公司的數據中心去做數據分析，因為那裏有相對強大的信息係統來支撐數據應用。
數據分析
那時這傢公司的社交媒體業務剛剛開始在互聯網中嶄露頭角，慢慢展現瞭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，主要體現在三個方麵：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；二是為前端産品提供個性化服務的數據支持；三是形成數據類産品提供給外部用戶，從而增強業務整體的市場影響力。這三方麵毫無例外都是戰術性的，操作層麵的服務，這決定瞭數據的影響隻能是局部的、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製度化的內部分享，非正式的個人溝通去將自己對業務的認知和服務嚮各方推銷，但結構性的限製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瞭認知上的差異。隨著時間的推移，越來越呈現齣一種統帥運籌規劃時不知自傢還有石油儲備、火箭軍，前綫部隊作戰時不知後方還有信息情報部隊支援的情況。究其原因，組織結構、管理模式的限製是現象，思維模式的限製是本質。
在傳統企業裏，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嚮上匯總，上層再將決策嚮下傳達。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，由上製定，然後單嚮往下傳達。管理學中有一個很大的課題就是怎麼能讓上麵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” 的齣現，尤其在互聯網領域，情況慢慢起瞭變化。數據部門與營銷、研發、技術、生産、銷售等部門不同，它不是一個縱嚮分工的職能單元。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，知道得都係統。但是這樣又為什麼會造成數據部門與業務部門、管理層的認知差異呢？這還得從數據是什麼說起。
數據源頭非數據
語言不是數據，被以文字方式記錄下來後纔成為數據，所以人類有文本數據的時間以韆年計；聲音本不是數據，被錄音器材記錄下來後纔成為數據，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，隻有被人類的技術手段采集到瞭纔會成為數據。所以數據簡單說就是人造機製/機器對客觀世界的觀察成果。那麼這就意味著人定的機製、人造的機器觸達到哪裏，哪裏就是人的認知邊界。
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。經驗是個人感官曆史中積纍起來的，直覺是全人類感官曆史中積纍起來的。這就決定瞭，我們的經驗、直覺都要受限於人的感官。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後，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瞭。而隨著技術的發展，尤其是科技在最近百年裏的爆發增長，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錶現就是數據的爆發。數據已經不僅僅局限於文字，有瞭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麵或文字數據所包含的信息層麵。如果你隻能認知眼睛看到的，那麼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彆那麼大呢？再迴來看數據部門與業務部門的認知差異就不難理解瞭。
自下而上非造反
當信息係統在內外兩個層麵不斷深入，企業的能力邊界實際上已經不是取決於管理者個人的能力，而是取決於數據能力的邊界。如果數據能力缺失，或被組織結構、管理體製，被管理者個人的認知能力所限製，那麼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嚮你報告任何事，除非你嚮它提問。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，那麼效能還是會很低。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。那如何纔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，這樣的努力又會産生什麼樣的意義呢？
二十年前，對於企業來說，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於感知能力的不足；八九年前在行業調研分析中又碰到獲取、整閤數據的難題；四五年前在藉助數據平颱看到環境中的機遇後又撞上瞭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，並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。將隻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。於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，能夠引起企業傢、管理者和專傢對這一問題的關注，本書的任務就算完成瞭。
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瞭，什麼感知能力和思維的限製都會因此被突破。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颱，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，說明瞭這種思維的意義和價值。
第 2 章：從相關概念的對比中明確瞭數源思維的含義和四步過程。
第 3～6 章：每一章對應詳述瞭數源思維每一步的要點、方法。
第 7 章：講述瞭數據的局限，進一步強調瞭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製定這一個大問題，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，從而瞭解企業戰略製定的邏輯和方法；也可以根據需要選擇閱讀，瞭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瞭說明，後者是將第 9～12 章內所述的一綫業務分析內容填入框架後進行的分析細化。
第 9～12 章：分彆從各業務部門實際遇到的具體問題齣發，在以數據方法解決問題的過程中梳理齣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 章裏匯聚成戰略大江。
如果您對本書中的內容有什麼意見、建議或疑問，歡迎以下麵任何一種方式與作者溝通交流。
倉劍
2017 年
用户评价
阿狸出的，应该不错，期待
评分书可以，主要是给你概括了下大数据整个技术体系，别指望这种书能给你讲多么具体的干货
评分非常好，下次一定继续买买买
评分东西很好，价美物廉，谢谢掌柜的！说实在，这是我购物来让我最满意的一次购物。无论是掌柜的态度还是对物品，我都非常满意的。掌柜态度很专业热情，有问必答，回复也很快，我问了不少问题，他都不觉得烦，都会认真回答我，这点我向掌柜表示由衷的敬意，这样的好掌柜可不多。下次需要的时候我还会再来的，到时候麻烦掌柜给个优惠哦！
评分好书值得学习，争取更多地领会书中内容。
评分不错，零食很好的
评分太棒了，很好的体验，买正品上jd
评分大致翻了下，感觉还不错
评分很好，一直在这买东西都很放心！习惯性好评，默认给好评，手写好评的的，都是认为还不错的！
相关图书
![优势谈判：一位王牌谈判大师的制胜秘诀（15周年经典版） [secrets of power negotiating] pdf epub mobi 电子书 下载](https://pic.tinynews.org/10882331/56eb9999Nf2dc0b6b.jpg)
本站所有內容均為互聯網搜索引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 tushu.tinynews.org All Rights Reserved. 求知書站 版权所有