数据无用

Posted 2023-02-16 david_lv

（1）信息

我过去说过信息全周期：

• 信息采集

• 信息编码-解码

• 信息加密-解密

• 信息压缩-解压

• 信息传输

• 信息存储

• 信息加工

• 信息检索

• 信息展示

（2）业务管理

我过去说过企业管理，以可持续发展为中心：

• 愿景使命-文化价值观、战略目标-战略路径

• 企业治理-组织、商业模式-盈利模式

• 创新-品牌影响力-持续的客户关系

• 健康的现金流、人才辈出的梯队

• 合规经营-社会责任

我过去说过业务管理（不是企业管理），以流程为中心：

• 价值链拧合：产供销研售后价值链

• 三大资源：人、钱、物资

• 管理动作：P（计划）D（执行）C（检查）A（改进）

（3）数据挖掘对决策层-管理层-执行层的价值

以数据为中心，那其他都是数据采集-数据加工-数据检索-数据展示的工具了。工具倒不值钱了。而数据模型、数据算法反而值钱了。

数据模型和数据算法，对于企业三层人：决策层、管理层、执行层的人，都有很高的业务价值。

决策层的人主要是做决策，我过去也说过N次：

啥叫分析Analysis：分析，就是给你现状数据和信息，你能找到正确的为啥是这样，也就是：从现在往过去找，归因。也就是说：分析的核心是归因。你会归因吗？归因常见的有哪些方法和算法你知道吗？你如果不知道，那你还会做分析吗？那你过去口口声声说的分析是不是本质是拍脑门啊？

啥叫预测Forecast：预测，就是给你现状数据和信息，你能推演出未来的走向，也就是：从现在往未来推，这才叫预测。预测常见的有哪些方法和算法你知道吗？你如果不知道，那你还会做预测吗？那你过去口口声声说的预测是不是本质是拍脑门啊？

啥叫决策Decision：决策，就是给你现状数据和信息，也给你段中长期-上中下策-激进中庸保守好几套方案，每种方案都有利有弊，供你选择，你如何有方法地选出最优的一种方案。如果你不懂决策的常见方法和算法，那你做出的决策就是个人性格喜好-个人能承受的风险与收益。

以上决策层关键的分析、预测、决策，都需要用到宝贵的数据模型和算法。

再说管理层，刚才已经说到，管理层的核心是：P（计划）D（执行）C（检查）A（改进）。

运筹学可以自动计划。

执行推进，这，数据模型和算法难做到，只能做智能的提醒。推人，还得靠人。当然，也可以使用自动化设备-专业规则-RPA-机器学习完成自动化执行。

检查，这是数据模型和数据算法发挥优势的地方，异常检测算法就能用上。

改进，优化算法就能用上。

当然，世间的事情，是人在制定、人在解释、人在做，所以肯定不是这么机械的。西方，是通过N权分立、持续的立法-辩论-投票-修订而把例外放到正常中。中国人在机制上无法这么干，只能在复杂宏观层面用人性来判断-在微观层面用人性来例外处理，而80%的正常时间和正常事件，反而也是空白。当然，这和钟摆效应机制有关。我不多说了，大家自行体会。

再说执行层，执行层主要是执行，但执行层也分Leader和员工。

Leader是干活骨干，除了自己那份最复杂最重要的活儿以外，还得分工分任务-做整合。所以数智驱动的智能调度算法在这块能起价值作用。

员工是配套，最好能形成线上化如互联网电子商务-智能客服-智能远程诊断维护，搞线下事务线上化如：智能营销-智能零售商店-智能仓储物流-智能工厂-智能办公空间。我上周写朋友圈写了三个常见数智服务：反信用卡欺诈数据服务、营销文案合规检测服务、造价指导项-指导成本大数据服务。我就不多讲了，大家自行体会。

（4）找到金脉才能找到金子

以流程为中心，工具就很值钱，反而数据不值钱了。因为数据是使用工具过程中顺便沉淀下来的，而使用工具的核心目的是把各个业务部门按照流程拧合起来。

老话常讲：种瓜得瓜种豆得豆。你为业务流程拧合目的而搞的工具，你就不是为采集数据而搞的工具。

你想顺便留下的东西，就想从这里面挖出金子，门儿都没有。我这是打击了许多人的幻想，估计一堆甲方乙方要骂我坏了规矩。

我过去听过一个事，说地球上数海里的金子存储量最多。但你会去海里淘金子吗？不会，因为那样搞ROI太不划算。

你要想找金子，你最好的方式就是去找金脉。

同理，你如果想找决策层需要的数据和信息做分析-预测-决策，那么你应该定向去收集决策层需要的数据和信息。你只有在金脉中才能找到金子。你不可能在垃圾堆里找到金子。这就是我讲海水-金子故事的原因。

上周还遇到一个段子，说让做业务流程为中心的人做数据工具，以及让做数据为中心的人去做业务流程工具，都是南辕北辙。看似表面差不多，实则风马牛不相及。

（5）我对数据分析悲观

我想再说句打击甲方乙方的话，就是：即使你专门去采集数据做数据分析-数据驱动决策，我想大部分企业也做不成。

为啥？首先是人能力不支撑啊（其次是中国人太极思维也不适合数据驱动决策）。我从90年代学习软件-数据库专业就学了一堆数据库-数据仓库-专家系统-人工智能，还专门在2000年初基于某大型数据库套件产品，应用它的ETL工具-数据仓库产品-Cube工具-报表和图表工具-数据挖掘工具，搞了一个DSS产品，但毛用没有。就如同我过去负责核心系统的编写，很多系统和我的系统有关联-状态更新操作，于是我把那段程序做了代码重新设计重新编写，搞成了一个状态机，从此再也不要续写N多的case..if else...。但是，世界就怕但是。但是，我倒是轻松了，但是接手我代码的程序员却傻了眼。

很多人是不懂架构-模型-算法的：

• 很多人把Module View，当Architecture

• 把Logic，当Model

• 把Process-Logic-Rule- Formula，当Algorithm

你仔细想想，你上学上的《算法导论》，你学的那些基本算法，你在实际写程序中用到了多少？你是不是像大多数程序员一样，正向逆向业务流程-业务规则-业务公式-权限约束多复杂，你的代码就多复杂？

所以，基于这样国内甲方乙方的水平现状，我看着SPSS、SAS的工具很眼馋，觉得老外怎么把事情做的这么精妙，你也会无动于衷。

所以，数据仓库出现了20多年，在中国也是没啥人用。现在一帮人用开源技术重搭数据仓库，美其名曰：大数据、数据中台。我想：嘿嘿嘿。

不过我不想挡别人财路，大家卖去吧卖去吧。