在数字智能时代,数据能力已经成为管理者的基本能力,成为其胜任未来管理岗位和晋级领导岗位的必需能力。管理者的数据能力水平决定着其在企业中所能够胜任的层级。提升管理者的数据能力成为企业数字化转型的关键举措之一。本书主要介绍了企业管理者所需要具备的数据能力,包括管理者的数据能力维度与4M 模型、数据思维能力、数据管理能力、数据体系化场景的应用能力、数据分析能力、数据领导能力。撰写本书的目的是让管理者掌握企业数据基本管理和应用之道,利用数据赋能管理,让管理可见、过程可控、结果可达。
赵兴峰(Hilton)中国实战数字化转型战略与数字化管理专家,智慧型企业架构师;明悦数据(Data2Biz)创始人, 2012年创立Data2Biz推动企业数字化转型与数字化管理应用落地,通过挖掘企业内部数据价值,赋能中国企业经营管理效率与效益提升以及商业创新增长,10 年+数字化转型和数字化管理咨询辅导落地实操经验; 原宝洁(P&G)、惠氏制药(Wyeth)等国际500强公司商业智能高管,摩立特集团(Monitor Group)中国区数据中心负责人/战略顾问,20年+商业智能/数字化经营管理丰富实践;北京大学+新加坡国立大学MBA双硕士;西安交通大学学士;《数字蝶变》《数据化管理变革》《企业经营数据分析》作者;清华大学、北京大学、人大商学院/经济学院、浙大管理学院、法国里昂商学院、上海财经大学等知名院校/商学院EMBA/DBA/CXO班《数字化转型战略》《数字化商业创新》主讲教授;阿里云—钉钉大学、国网大学、富士康大学、美的学院、伊利、中粮可口可乐、一汽、广汽、东风汽车、联想集团、顺丰科技、汤臣倍健、深圳国资委等特邀数字化转型授课专家;第八届全球总裁创新峰会500强商学院院长评选最佳数据化管理创新专家(2019年);“数字中国”(2021新年论坛)特邀对话嘉宾;中关村数字经济产业联盟首席顾问,中国中小企业商业协会数字化转型专家团首席顾问。
目录
第1 章 数据能力已经成为管理者的基本能力 / 001
1.1 数字智能时代的新趋势 / 002
1.1.1 算法正在改变世界 / 002
1.1.2 数字孪生共生机制 / 005
1.2 管理者的数据能力成为关键竞争要素 / 007
1.2.1 DT 与IT 有着本质的区别 / 007
1.2.2 DT 在迭代中升级 / 009
1.2.3 DT 的本质是认知技术、思考技术和决策技术 / 010
1.2.4 数据资产管理与应用是数字化转型的技术关键 / 013
1.3 管理者的数据能力是企业数字化转型的关键 / 019
1.3.1 传统企业管理者的数据能力较弱 / 019
1.3.2 数据人才培养学科不健全 / 021
1.3.3 数据人才成为稀缺人才 / 021
1.3.4 数据人才自主培养成为企业首选方案 / 022
1.4 数据能力的背后是思维模式 / 023
1.4.1 从专业知识到实践需要一个长期的过程 / 023
1.4.2 数据能力是一项实践性非常强的能力 / 024
1.4.3 测一测你对数字化转型和数据化管理的认知程度 / 024
第2 章 管理者的数据能力维度与4M 模型 / 027
2.1 数据价值挖掘和数据能力 / 027
2.1.1 数据用于回答“发生了什么” / 027
2.1.2 数据用于回答“为什么发生” / 028
2.1.3 数据用于回答“将要发生什么” / 028
2.1.4 数据用于回答“应该怎么做” / 029
2.2 管理者的数据能力 / 032
2.2.1 不同时代对管理者数据能力的要求不同 / 032
2.2.2 新时代对管理者数据能力的要求 / 034
2.2.3 管理者数据能力4M 模型 / 036
2.3 管理者数据能力4M 模型之M1(Mind):数据意识与数据思维 / 038
2.3.1 数据意识:对数据价值和意义的识别 / 038
2.3.2 数据意识模型 / 039
2.3.3 数据思维:利用数据模拟人类的认知模式 / 042
2.3.4 先有数据意识,后有数据思维 / 044
2.4 管理者数据能力4M 模型之M2(Methods):数据分析方法 / 045
2.4.1 数据分析方法是数据掘金的工具 / 045
2.4.2 数据分析方法是认知世界的思维模式 / 045
2.4.3 数据分析方法需要总结和沉淀 / 046
2.5 管理者数据能力4M 模型之M3(Mastery): 数据工具 / 047
2.5.1 每一个管理者都需要数据工具 / 047
2.5.2 数据工具正在不断进化 / 048
2.5.3 工具永远是工具,替代不了思想 / 049
2.5.4 熟练掌握一种适合自己的工具 / 050
2.5.5 测一测你的Excel 工具操作能力 / 051
2.6 管理者数据能力模型之M4(Move On):数据应用 / 052
2.6.1 数据应用是一个复杂的系统工程 / 052
2.6.2 数据应用需要复合能力 / 053
2.6.3 变革推动力是数字化转型的核心动力 / 054
第3 章 数据思维能力晋级 / 055
3.1 数据思维与数据思维训练 / 055
3.1.1 什么是数据思维 / 055
3.1.2 常用的数据思维 / 056
3.1.3 数据思维衍生的数据分析方法和算法 / 056
3.2 对比思维模式 / 056
3.2.1 对比三要素 / 057
3.2.2 对比客体的设定 / 057
3.2.3 对比维度的选择 / 059
3.2.4 从被动到主动:主动识别和主动设计 / 062
3.3 分类思维模式 / 062
3.3.1 单维度分类分析方法 / 064
3.3.2 双维度矩阵分类分析方法 / 066
3.3.3 三维度魔方分类分析方法 / 070
3.3.4 多维度分类分析方法 / 072
3.4 关系思维模式 / 73
3.4.1 事物之间存在的四种关系 / 073
3.4.2 企业经营和管理决策中的y =f (x )关系 / 074
3.4.3 不确定的因果关系案例 / 076
3.5 解构思维模式 / 079
3.5.1 解构思维模式:一种强大的思维模式 / 079
3.5.2 解构思路:决定分析思路 / 080
3.5.3 解构的四种方法 / 082
3.5.4 解构的原则:相互独立,完全穷尽(MECE 原则) / 087
3.5.5 解构的工具:思维导图 / 087
3.6 过程思维模式 / 089
3.6.1 过程思维模式:重点在于过程管理 / 089
3.6.2 事物的发展都有一个过程:探索背后的规律 / 089
3.6.3 目标的达成需要一个有效的过程:研究做事的方法 / 094
3.6.4 企业的管理需要一套有效的流程:让成功可复制 / 096
3.6.5 过程思维在数字化流程中的应用 / 099
第4 章 数据管理能力晋级 / 101
4.1 数据基础知识 / 102
4.1.1 数据的概念 / 102
4.1.2 主数据管理 / 102
4.1.3 交易数据管理 / 106
4.1.4 元数据管理 / 109
4.1.5 数据质量管理 / 110
4.1.6 数据结构管理 / 117
4.1.7 数据资产管理 / 119
4.2 建立数据管理标准和规范数据质量管理 / 121
4.2.1 企业常见的数据问题 / 121
4.2.2 梳理数据需求 / 125
4.2.3 诊断数据质量 / 127
4.2.4 建立数据管理标准 / 129
4.2.5 规范数据质量管理 / 132
4.3 数据综合治理 / 135
4.3.1 什么是“数据孤岛” / 136
4.3.2 打通数据 / 138
4.3.3 数据综合治理体系 / 141
4.3.4 数据安全管理 / 144
4.4 业务流程数字化建设 / 147
4.4.1 业务流程数字化再造 / 147
4.4.2 数据源自业务流程,又服务于业务流程 / 148
4.4.3 业务流程数字化是数据采集的基础源头 / 149
4.4.4 业务流程数字化建设的基本思路和方法 / 152
4.4.5 敏态业务流程与动态数据采集 / 155
4.5 新型数据技术体系建设 / 158
4.5.1 数字化不是信息化 / 158
4.5.2 数字化转型所要求的信息化 / 159
4.5.3 反向伺服与反向控制体系构筑闭环 / 161
4.5.4 以数据资产管理为中心 / 163
4.5.5 数字化转型的七层技术架构 / 165
4.6 数据中台建设 / 172
4.6.1 “组织三台”与“数据三台”的概念 / 173
4.6.2 数据中台提供的数据服务 / 176
4.6.3 数据中台的意义与价值 / 181
4.6.4 数据中台的建设是一个过程 / 183
第5 章 数据体系化场景的应用能力晋级 / 185
5.1 企业数据化管理应用场景的规划和设计 / 185
5.1.1 从数据的四层价值中寻找应用场景 / 185
5.1.2 价值导向:提效+创新 / 187
5.1.3 服务于业务:管理预警与管理导航 / 191
5.1.4 回归现实:体系化调研与场景设计 / 193
5.2 业务流程数字化管理 / 198
5.2.1 用数据技术替代人工 / 199
5.2.2 数据表征流程节点绩效 / 201
5.2.3 数据赋能业务流程决策 / 202
5.2.4 算法导航业务流程活动(替代人脑) / 203
5.2.5 在线化算法提效管理决策 / 206
5.3 企业数据化管理的体系化晋级 / 207
5.3.1 业务流程数字化 / 208
5.3.2 数据指标化管理 / 212
5.3.3 应用指标可视化看板 / 213
5.3.4 数据指标标准化与目标管理 / 214
5.3.5 数据模型化管理 / 215
5.3.6 决策规范化管理 / 217
5.3.7 智慧化管理晋级 / 218
5.4 数据指标化管理 / 220
5.4.1 理解数据指标 / 220
5.4.2 数据指标梳理的三种方法 / 223
5.4.3 数据指标化管理体系构建七步法 / 225
5.4.4 数据指标标准建设 / 233
5.4.5 动态数据指标管理 / 234
5.5 管理者驾驶舱建设 / 235
5.5.1 管理者驾驶舱是一种管理方式创新 / 235
5.5.2 搭建管理者驾驶舱 / 239
5.5.3 管理者驾驶舱的数据技术体系 / 243
5.5.4 推动管理者驾驶舱落地 / 244
5.6 企业数据化管理升级 / 247
5.6.1 推动数据化管理建设的四个关键成功要素 / 247
5.6.2 数据化管理升级的四条主线 / 249
5.6.3 数据化管理升级实施的常见困难 / 251
5.6.4 数据化管理升级的项目管理十要素 / 253
第6 章 数据分析能力晋级 / 263
6.1 数据的四层价值 / 263
6.1.1 发生了什么 / 263
6.1.2 为什么发生 / 264
6.1.3 将会发生什么 / 264
6.1.4 应该怎么做才好 / 265
6.2 企业经营管理中基本的数据分析方法 / 265
6.2.1 数据可视化本身就是数据分析 / 266
6.2.2 数据指标的五种常规对比分析 / 269
6.2.3 面对数据表可做的分析 / 273
6.2.4 提升常规数据分析的敏捷性 / 283
6.3 企业经营管理中常用的数据分析方法 / 284
6.3.1 对比分析方法 / 285
6.3.2 分类分析方法 / 285
6.3.3 关系分析方法 / 289
6.3.4 预测分析方法 / 290
第7 章 数据领导能力晋级 / 302
7.1 数据可视化表达 / 302
7.1.1 事物对比 / 302
7.1.2 组分对比 / 303
7.1.3 关系对比 / 304
7.1.4 时序对比 / 305
7.1.5 频布对比 / 306
7.1.6 误导视觉结论的方法 / 306
7.2 数据图表解读方法 / 308
7.2.1 看差异、看变化 / 308
7.2.2 看结构、看特征 / 308
7.2.3 看趋势、看规律 / 309
7.2.4 看关系、看关联 / 311
7.3 数据分析报告 / 313
7.3.1 唯一原则 / 313
7.3.2 完整原则 / 314
7.3.3 总分结构原则 / 315
7.3.4 精简原则 / 316
7.3.5 确定原则 / 316
7.3.6 主线原则 / 318
7.3.7 结论原则 / 318
7.4 用数据分析解决问题的七步法 / 319
7.4.1 问题假设 / 320
7.4.2 解构根本原因 / 320
7.4.3 收集数据 / 321
7.4.4 分析数据 / 322
7.4.5 洞察管理 / 322
7.4.6 设计方案 / 323
7.4.7 采取行动 / 324
后记 未来管理者的能力展望 / 325