数据驱动企业

计算机和互联网技术被商业应用以来，企业逐渐意识到利用数据进行科学决策的重要性，数据驱动决策不仅提高了决策的准确性，也保证了企业对于决策结果的可诠释性。麦肯锡的调查显示：数据驱动型的企业在生产率和盈利水平方面普遍优于竞争者，能够创造更多的竞争优势。

数据驱动企业的发展大致经历了3个阶段。①数据处理阶段。早期数据驱动企业涉及的是企业内部数据管理，企业相关信息资源维护等初级的数据管理内容，如库存控制、物料需求计划、制造资源计划等，帮助企业利用内部系统数据科学高效地实现企业资源及运作管理。②知识处理阶段。信息技术和互联网技术的快速发展使得企业上、下游数据以及关联企业数据得以整合，跨越了传统企业的内部数据环境。企业通过对内、外部数据的整合和分析挖掘出有价值的知识，应用于企业资源计划、供应链、客户关系等决策服务。③智能处理阶段。随着数据仓库和数据挖掘技术的发展，数据不再作为企业的一项工具和技术，而成为驱动企业持久发展的主要动力。数据驱动企业通过智能化的数据分析技术，应对大容量、异质性、实效性的数据。例如，淘宝和天猫商城基于商务智能技术分析产品的即时销售和库存变化，快速应变，摆脱了传统零售业分散、受地域限制和效率低下等缺点。

传统的企业向数据驱动企业转型面临着5个方面的挑战。①领导力。企业的高层管理者需要具备数据驱动的创新性思维，在企业内部设立数据驱动的愿景规划和战略目标，鼓励员工通过数据分析为客户提供更好的产品和服务。②决策方式。在大数据时代，企业内核心管理人员需要转变传统的以直觉和经验为导向的决策方式，建立数据驱动的决策方式，将企业决策建立在数据分析的结果上。③文化。企业需要构建数据驱动的文化，在企业内部自上而下地倡导数据驱动决策的价值观念，通过对数据的有效分析来支持企业的长期发展。④技术。大数据在数据体量、数据复杂性和产生速度三方面均超出了现有技术手段的处理能力。企业需要应用新的数据分析技术，在成本可承受的条件下，通过快速采集、发现和分析，从海量、多类别的数据中提取价值，并形成有效的可做决策依据的“洞察力”，支撑大数据驱动的管理决策。⑤数据人才。在大数据时代，企业需要招聘掌握统计学、数据分析、商业分析、机器学习和自然语言处理等多方面综合型知识、具备大数据分析和处理能力的数据人才，并在企业内部设立首席数据师、数据分析师、数据工程师和数据科学家等新的岗位。