很有意境的两个字,两个字创业团队名称

这篇文章最初是由36Kr企业服务评论专家组的王宇,撰写的。

36Kr企业服务评审专家组——王宇

————车身——3——

目前，企业数字化的话题已经铺天盖地。无论是选品、选品还是执行，都足够耀眼，在此不再赘述。

但笔者最近接触了一些初创企业，观察到了一些有趣的现象，那就是虽然很多企业关注数字化并给予了足够的重视，但在企业中，数字化似乎只停留在数字本身，并没有形成支持数字化的有效决策能力和组织能力。

在本文中，作者将从组织、人员和架构三个方面进行分析，讨论是什么阻碍了数字化真正落地。

一、创始人层面，为什么把创始人放在第一位，是因为我目前接触的创业公司基本延续了“以创始人为中心”的组织形式，创始人的思想、工作风格、决策方式直接决定了数字化的落地效率，所以我先就不同类型的创始人做一个探讨。

（一）偏原生创业者对于初创企业来说，决策效率往往来自创始人本身的背景和经历。如果创始人之前没有在系统的大工厂工作过，往往依靠直觉和信息进行决策，对数据的理解相对欠缺。底层架构、人员能力支撑、组织建设都需要依靠外部建议。

所以这类公司缺少的其实是一个可以初步操作的系统，让决策层能够实现数据的价值。由于这类创业公司的合伙人往往与创始人背景或体系相似，每个人对数据的感知都是一样的，所以需要有一个资深的外部角色，帮助他们快速建立闭环数据体系，摆脱只看大数据或只证明主观意见的局面。

所以这类公司实施数据化最合适的方式不仅仅是介绍产品，还要和同行业的资深数据专家合作。专家以部分咨询的形式帮助解决以下问题：

a、从业务报告开始就给予指导，建立更全面的数据体系，而不是只关注短期目标；

B.引导各业务团队学会解读数据，而不是仅仅停留在对问题的主观判断阶段；这往往是许多初创企业容易犯的错误。许多业务团队会提出问题，但缺乏合适的角色来解释需求，并将需求转化为合适的埋葬点、数据获取方法以及进一步处理数据以回答问题的过程；

c、团队作为一个独立的角色，总是注重业务和数据的结合，而不是遵循业务目标的零散思维，这是很多团队很难实现的。

010年到1010年，在大厂有过一定经验的创业者，往往经历甚至亲自实施数据和数据决策的体系，所以无论是认知还是经验都不是问题。而且团队中往往会有一个合作伙伴有能力承担这个角色，能够从一开始就建立一套可用的数据系统，为业务提供支持。

但是在大厂做生意的时候，往往只关注某一个业务的能力建设。因此，当创业业务已经过了早期发展阶段，需要更精细的运营和更有效的决策依据时，就会缺乏进一步提升数据能力的思路和经验。

这时会有一个特殊的数据角色被不断分离和积累，可以作为一个考虑来讨论。一方面，原负责人的业务压力更重，在数据上的精力会更少。另一方面，此时的数据需要对业务进行一定的反驱而不是简单的支持，这就需要更持续、更专业的角色加入，重点解决以下问题：

A.升级原有的报表数据系统，

用更加灵活的方案提升整个公司灵活使用数据的能力，缩短获取数据结论的时间和流程；

B、在原有的决策体系之上增加独立的数据决策思考角度，在偏经验、主观的决策方式上增加稳定客观的数据维度决策参考；

（三）有足够大的管理经验的创业者

这类创业者往往从经验、管理能力、团队建设上都没有太明显的短板，因此对于数据的运用也基本上足够有效。但这类创业者面临的挑战反而更大，因为既有的数据化管理能力已经基本达到了，而要学会在这上面推出新的东西，成为进一步的增长引擎，反而更加缺少一些借鉴，需要创新以及组织试错的能力。

举个例子，前几天“增长黑盒”团队写了一篇关于元气森林的文章《12000字解读元气森林：套利与降维的游戏》，里面就专门提到了元气森林团队借鉴了游戏测试的思路，建立了对于新品测试的一整套体系，这算是对传统方式的一种改造，再结合36氪之前的一篇关于字节的文章《9年70万次实验，字节跳动首次揭秘A/B测试》，可以明确感受，真正的数据化升级是要对原有的做事方式、团队以及流程做全方位的改造，这需要创始人足够的授权甚至是亲自参与。有兴趣的读者可以搜一搜这两篇文章了解下。

因此对于这一类的创业者，并没有太好的方案，最好的方式反而是招到一位足够信任，加上有一定话语权的数据化专家，让他在原有体系上尝试推出一些新东西，而非简单借

二、组织层面

这一点也经常会在公司的架构调整时被反复提及，到底数据团队是放在业务下面还是独立的，亦或者分散在各个团队里面更合适？这里也要分几个角度来讨论：

（一）放到业务团队里

这个是很多团队的首选项，毕竟足够贴近业务才能给予足够的支持，但其优点和缺点都非常明显：

优点：

A、在业务早期确实能够比较好的支持发展，也有相对足够的相应效率；

B、数据人员由于沉在业务里，对于业务的动态以及细节往往会很熟悉，也能快速理解业务的需求和想法；

缺点：

A、缺少独立视角，数据人员最终是为了验证业务的想法或是观点，无论对错，中期就会形成封闭体系，无法真正洞察业务的问题或是帮业务建立更加客观的观测体系；

B、在这种体系之下，数据应用角色被分为了数据需求方和数据提供方，前者更多是用数据来做汇报和证明观点，而后者更多变成了一种取数工具，无法成长也不利于留下优秀人员；

C、如果各个业务团队都有自己的数据人员，那关于数据口径的争夺也会成为一种内耗，各家都会建立有利于自己的数据标准，一旦涉及跨团队合作，基本很难达成有效的共识。

（二）建立独立的数据团队

在多数创业企业，独立的数据团队往往脱胎于技术团队，最终作为一个单独单元放到产品技术团队；完全独立的数据团队反而不多见，汇报给创始人的就更少见了。

这类独立的数据团队，在早期会着重于数据报表以及数据产品的搭建，由于资源集中，能快速建立一套数据体系。但同样存在明显缺点：

A、与业务存在两套考核体系，导致人员支持的方向和目标不清；

B、由于分属不同团队，对于业务的理解往往会不够细致，一旦需求太多，就会变成浮于应付需求，并无法对业务进行更加有价值的支持；

C、对于数据产品的搭建一旦具备了基础能力，数据和业务的结合就变得更加重要，但脱胎于技术团队的数据人员往往会执着于数据产品的更新和迭代，从而造成资源浪费；

（三）建立相对独立的数据负责人，同时数据人员分散在业务中

这种模式往往会出现在比较有经验的管理团队中，如果运用合理，相对来说可以兼顾前两种情况的优点。

但这种模式也有一个比较致命的缺点，需要一个足够资深和格局的数据负责人来管理团队，同时推进建设。如果这个角色够强，这个团队除了能兼容上面两个模式的优点之外，还能带来以下几个价值：

A、统一各个业务团队的数据标准。这一点看似简单，其实十分重要，这是大大减少内耗以及提高决策效率的基础；

B、基于业务目标，在原有的业务手段之上建立一个更加高阶的观测维度；比如，在某些业务里把视角从用户增长，转变为核心用户增长（不要小看核心两个字，这背后就意味着整个管理团队对于自己核心目标的统一及清晰的认知，而不是执着于表面繁荣）；

C、帮助创始人建立一个基于数据的管理工具（数据团队本身），能够从第三方的角度来帮助业务重新思考目标以及达到目标的手段。（这句话同样也是看着简单，但实操难，太多的创业团队喜欢打哪儿指哪儿，而不是指哪儿打哪儿，前者意味着主观随机性，后者才是有目标有步骤地前进）

三、人员层面

对于能够帮助企业落地数字化的人才，这里也简单分析一下

这个角色首先一定是要有大量的数据化决策经验，并且真的在业务里有过实操的 ，这里并不是指那些取数能力、coding能力或是可视化能力，而是要能够理解业务目标，并具备把目标本身、过程节点以及好坏标准与数字结合的经验；

同时，这个角色最好自己也曾经是业务操盘者或是参与者，因为不同的业务解决的方案会大相径庭，运用数据的方面也涵盖极广，比如ToB业务会有销售管理、那就不只是数字本身，还涉及到管理流程、激励体系、客户洞察与数字之间的关系；而ToC业务，又会有大量营销能力建设，需要和媒体平台、投放方式、效果衡量有很好的结合。

因此，一个从业务中长出来的数据负责人要远比一个纯数据背景的有更大的潜力和掌控力。

只是可惜，这类人才过于稀缺，最优秀的那批往往也已经完成了业务操盘者的转化，而不是一个纯数据角色。所以与其找下属，不如找合伙人。

结语

数据化是一种文化，因此对于企业来说，第一责任人永远都是创始人本人，任何试图通过简单招聘来解决这个问题的手段最终都很难得到预期的结果。

所以对于创始人来说，在不同的阶段选择合适的人、组织架构以及处理方式就变成了在数字时代一种新的修行，无法逃避也不该逃避。

希望越来越多的创业者能够升华成数字的掌控者，并借此获得更高的效率以及更快的业务腾飞。

www.36dianping.com

[免责声明]

原文标题：《王宇：数据驱动决策的难题与突围》

作者：王宇

本文来源于36氪企服点评