大数据！大数据！大数据！大数据成为热词是在哪一年，我已经不记不清了，但是过了这么多年，对于很多企业来说，大数据也仅仅是挂在嘴边。我的一朋友告诉我，他们公司的信息系统有几十个，大家也知道数据重要，但是谁也没见过数据到底有啥用。也有一位学者朋友对我说，教学中很缺少数据应用的案例。
如果走进企业，就会发现，每家企业多多少少都有一些数据。但是，能够将数据用起来，并产生一些效果，这是不少企业做不到。数据固然重要，但是数据文化至少同样重要，如果不是更加重要。如果没有数据文化，那么数据的分析与使用会大大降低。
那么，什么样的公司算是具有数据文化呢？我的衡量标准是：利用数据成为员工的通用工作方式——大家喜欢、习惯于使用数据。更具体地说，数据文化可以包括三个方面：
第一，利用数据：能够用数据说话，用数据决策，用数据创新，能从数据中产生洞察，并提出创新方案付诸行动。
第二，不用数据：能够明确数据的边界，知道哪些问题可以通过利用数据来解决，哪些问题无法通过利用数据来解答；也能够无论面对多大的诱惑，都不会侵犯他人隐私，都不会违反伦理道德，让数据向善。只有做到了这一点，才能建立一个健康的数据文化。（参见《数据洪流中，管理者应成为谁》）
那么，一家公司如何营造数据文化呢？下面，仅就我的观察和了解，做一点分享。
从管理者自己开始
营造文化一直都是管理者的关键工作，管理者亲自推动，才能实现文化变革。如果管理者只是发布一个文件，只是吆喝几句，那是没用的。员工不一定相信管理者说了什么，但是他们会相信管理者做了什么。
管理者的一个基本做法是首先自己用数据说话，并要求员工与自己用数据对话。我就知道这么一家企业，希望实现以数据为驱动的管理，已经四年了，但是管理者还是不习惯看数据图表。对于这家公司，特别重要的是每日的定价，但是当开发了定价的算法模型之后，总经理从未参与过一次定价会议。定价部门依然完全基于经验定价，只是在敲定价格之后，问一下模型算出来的价格是多少。这只是走一个过场，根本没有因为算法模型，对定价做过任何调整。
我们知道，亚马逊的数字化管理是很厉害的，为什么呢？离不开贝佐斯的关注与推动。在亚马逊，当你提建议的时候，如果不用数据说话，是得不到认可和尊重的。开会时，如果有人绕来绕去，贝佐斯就会愤然打断，告诉他们别废话，直接说数。大数据公司RichRelevance联合创始人及CEO大卫·塞林格回忆说，当他提议显示广告这项业务时，贝佐斯认为那是他听过的最愚蠢的想法，但是当大卫·塞林格亮出数据的时候，贝佐斯接受了，并要求他进行实况测试，于是有了这项亚马逊最赚钱的业务之一。
在亚马逊，人人皆知的一条规则是：凡事都必须有数据的支撑。亚马逊建立了一套能够跨越部门、层级以及端与端之间界限的数据指标体系，并借助AI等数字技术开发智能管理工具系统。对数据指标要求极高，需要满足五点：极为细致、极为全面、聚焦于因、实时追踪、核实求证。系统会自动将数据推送给相关的人，以至于一些员工养成起床后拿起手机看数的习惯。
管理者营造数据文化的基本方式是，从每日到周、月、年度的会议上、从运营到战略的各种会议上，报告中必须嵌入数据分析，每个人发表观点时，必须有数据支撑。这样才能做到用数据说话与决策。
营造数据文化的一个很大的挑战在管理者自己身上，因为管理者过去的成功靠的是经验、直觉和判断力，这导致对数据分析的不信任。而且，用数据决策，也会降低管理者的自我价值感，因为数据挑战了管理者的决策能力以及相应成就感、不可替代感。
事实上，管理者们大可不必担心，因为数据不是万能的，数据并不能解决所有问题，尤其是一些重大的问题，不可能仅仅通过数据分析就可以搞定，依然需要管理者独特的经验、直觉、判断力、以及价值判断。
推动亚马逊建立数据文化的贝佐斯就曾说：“我在商业和生活中做出的最好的决定都是靠心、直觉、勇气做出的，而不是分心。如果你能通过分析做出决定，你当然应该这么做，但事实证明，你最重要的决定总是凭直觉、品味、心灵做出，这就是我们做事情的基础，是初步要建立的心态。”
看见数据的价值
管理者也好，员工也好，何以喜欢利用数据、认同利用数据工作的方式？首先要能够看到数据的价值，知道这玩意儿到底有啥用。
例如，某公司只是利用客户数据做了一点儿基本的分析，就发现前三十位的客户的采购量都在下降，但这一点公司中无人知道。总经理看了数据分析之后感慨，我以为我已经很懂客户了，看了数据才知道，其实还不懂客户。
眼见为实，当管理者及员工看到数据的价值时，就会认同数据的重要性，就会认同数据文化。为了让管理者与员工看到数据的价值，可以以问题为导向，启动一些数据应用项目。对于数据基础好、数据能力强的企业，可以针对重大业务问题，设计一个相对大型的数据应用项目，以其震撼性的效果，赢得员工的认同。而对于一些小公司，或不具备条件的公司，可以发起一些小型的数据应用项目，也可以让员工感受到数据的价值。具体来说，可以参考如下做法：
第一步，定义问题。可以以部门或团队为单位，找到一些大家共同认同和关心的问题——大家觉得这是一个有价值解决的问题，是大家有动力解决的问题。这样形成一个备选的待分析问题集。
第二步，确定项目。在备选问题中，选择其中一个或几个进行立项。为了找到合适的项目，需要对备选问题进行分类，有两个维度：一个是数据成熟度，即解决这个问题的数据有没有、有多少、质量如何；另一个是分析的难度，即做这个问题的数据分析难度有多大、需要多少的精力有多少。从这两个维度出发，可以形成一个矩阵、四类问题。那么，就可以知道，最适合解决的问题是数据成熟度高且分析难度小的问题。
在营造数据文化的早期，为了快速形成可见成果，有些问题要尽量避免。第一类是具有特殊性的问题，例如采购、财务场景中的问题，解决起来阻力可能会很大，会有人试图阻止数据带来的透明化；第二类是需要多部门协同才能解决的问题，例如某公司的周转箱项目，需要商务部、生产部、销售部与IT部门的协调；第三类是解决后会打破他人饭碗的问题，例如某公司构建系统、全面的数据指标体系，各个部门均可以进入系统下载自己需要的图表，软件的活跃度已经比较高了，但是还是经常听到一些否定的声音，因为这打破了分散在各部门的一些制作数据图表的员工的饭碗，甚至有人从系统中现成的图表中获取数据，自己再改头换面重新做一张图表，以表明自己工作量及价值。
如果数据成熟度高、分析难度小的问题还是比较多，可以对问题进一步分类。一个分类的维度是：解决这个问题能够创造的价值的多少；另一个维度是：由此形成的决策和方案，测试的成本有多少、实施后见效的速度的快慢程度。由此，问题进一步得到框定，即优先选择价值大、见效快的问题，进行立项。
第三步，管理项目。按照项目管理方法，推进项目的进行，完成相应的分析和解决方案。
第四步，实施方案。保证方案的实施，保证如果方案效果不佳，不是因为执行原因导致的。
第五步，项目评价。对方案的效果进行评价，发布项目成果，并给予奖励。
第六步，成果推广。组织项目经验的分享与交流；将成果写成案例，并纳入数据应用成果案例集，让更多的人看见数据的价值。
为了呈现数据的价值，需要注意两点：第一，将数据分析与业务上、管理上当下需要解决的真问题相结合，如果仅仅是为分析而分析，那是无法创造可见价值的。例如，某公司开发了一个高管离职预测模型，也许这个模型很牛，但是花大力气开发它是没有意义的，因为这家公司五年来都极少有高管离职，自然也无呈现它的价值。
第二，基于数据分析形成解决方案之后，需从管理上保证方案的执行。例如，开发了一套数据指标看板后，如果不推动它落地，无论指标选择多么准确、看板多么漂亮，都不会呈现任何价值。
接下来，可以鼓励每一位员工设计自己的数据应用项目，自己尝试利用数据决策与解决问题，如果数据应用的价值是自己创造的、是自己体验过的，那么更利于数据文化的认同和建立。
赋权、赋能与赋利
员工自行利用数据，需要一定的支持性环境，这也是数据文化可以存在的基础。支持性环境的创造，至少包括三项工作：
首先，是赋权。建立数据治理规则，明确数据的访问权限及相关规则、流程，保证每个人都有权看到和使用自己需要的数据。亚马逊鼓励员工分析数据，如果需要，就可以拿到实时的数据——每天、每小时、每分、每秒的数据。一位著名互联网公司的朋友告诉我，他们曾请麦肯锡做项目，当向相关部门申请数据时，却被拒绝，对方很直截了当地说，给你们数据，事情做成了，那是你们的功劳，但是如果出了问题，我们还要承担责任。
其次，是赋能。包括两部分的工作，其一是提供易用的数据应用产品。拿数据指标看板来说，有些图表很是复杂，这对于一些员工来说，要么没耐心解读，要么没能力解读。我的一位朋友以产品思维做这件事，从优化使用体检的角度不断优化数据指标体系，他们降低了业务人员解读数据的难度，图标简单清晰，而且尽可能直接给出结论。业务人员可以直接在系统中撰写报告，当分析某个问题时，比如离职，那么离职相关的数据图表与结论即可通过搜索直接插入报告中来，或者查看数据的时候，直接可以把相应的图表和结论订阅到报告模板中。其二是建立数据应用能力的培训课程，例如数据思维、常见数据分析方法、数据分析工具等，员工可以根据需要学习相应的课程。
最后是赋利。对于在数据应用上，取得成果的个人或部门，要通过仪式给予相应的即时激励、奖项，鼓励他们的探索和创新。如果具有专门的数据中心、部门，则可以鼓励他们开展数据业务，他们可以通过像其他部门售卖数据分析报告、提供数据应用咨询服务等方式获利。这样数据部门也从成本中心变成利润中心了。
多一些边界思维
营造健康的数据文化，需要边界思维。一个是解决问题上的边界，就是说数据不是万能的，例如在洞察客户需求上，数据分析可以带来一些洞见，但依然需要走近客户，去观察，去感受。如果以为看看数据，就不需要走进现场了，那就天真了。唯数据，那是畸形的数据文化。（参见《数字技术的反思录1：数字技术的边界：万能的，还是有限的》）
另一个边界涉及隐私、伦理道理、基本价值观。例如，有些公司耍小聪明，模仿商业上的做法，由法务起草一个数据搜集的授权书，请员工授权。第一，又长又臭、密密麻麻的文件没人有耐心仔细看；第二，在公司中，员工一般也不会因为这个与公司正面对抗。但是，这样公司虽然规避了风险，但却破坏了公司与员工的合作关系，会影响到其他工作。
再如，很多公司都会建立数据指标体系，这本身没问题。但是，员工会抵触这种做法。这是管理者错误使用数据指标导致的。数据指标针对的是问题，而不是人，不能用来监控员工。我知道一家公司，干脆以预算不足为由不上信息系统，因为他们知道，如果有了信息系统，就会像其他兄弟公司一样，制作出一张张的数据指标看板，纳入集团的监控体系。
再如，前文提到的定价的算法模型，那家公司的定价部门分化出两派人，一个是经验派，年纪大一些，他们基于过去的经验定价；另一个是算法派，名校毕业的硕士，他们推动算法模型的建立。部门长是经验派，很快把算法派边缘化了，通过安排各种繁杂的工作，使得他们根本没有时间处理数据收集、算法迭代等工作。之所以如此，是因为没有处理好人与数据、算法的关系，首先，数据和算法是用来辅助人的，而不是用来取代人的；其次，如果真的出现取代关系，那么必须事先准备好相关人员的新的人事安排。
所以，在营造数据文化上，一方面是用数据解决它可以解决的问题，如果用数据解决它无法解决的问题，那么不但会浪费时间，还会导致人们认为数据没用，影响数据文化的营造。另一方面是注意处理数据利用与人的关系，只有数据得到员工的认同，服务和帮助员工更好地工作，才能建立持续的、健康的数据文化。
