MCtalk·CEO对话×观远数据丨商业智能与组织效率的一鱼两吃,数据如何提供指引?

—2015 年 10 月,网易数智发布第一款产品,正式踏上了 ToB 商业化之路。从那以后,我们每年举办不同主题的科技峰会,分享最新的行业体感和洞察;访谈各界企业领导者,记录他们的创新与创业经历;走过大大小小的城市,在一场场城市论坛中与开发者相见;在线上直播间,还原产品迭代的每一个细节… 数不清的科技峰会、跨界访谈、城市论坛、线上直播如长流的细水,影响了超过数百万人。2017 年,我们将一缕缕细水汇成一个坚定有力的科技活动品牌——MCtalk,意为汇聚深度思维(Mind)、碰撞顶尖创意(Creativity),并持续运营至今。2024 年,我们再度扩充「MCtalk」的内涵,重磅推出《MCtalk • CEO对话》栏目。网易副总裁、网易数智总经理阮良将作为主 MC 深度对话 ToB 行业经营者、PE/VC 投资人、各行企业决策者等,就 ToB 从业者所关注的焦点问题发问,就全球科技与创投热点话题追问,就技术之变、行业之变、时代之变等命题展开对话,探寻企业发展规律,响亮地发出网易之声。

这是《MCtalk · CEO对话》的第 9 期

商业智能(Business Intelligence)的起源最早可以追溯到19世纪。

彼时虽是概念雏形,但在实践中已成为该时期以银行家亨利·弗内塞爵士为代表的银行业取得商业成功的利器。直到20世纪90年代,全球知名的咨询公司Gartner的分析师Howard Dresner为商业智能写下一个精准的定义:通过使用基于事实的支持系统来改善商业决策的概念和方法。此后,随着信息化技术的不断发展,商业智能也进入了数字化时代。

任何决策,尤其是理性的商业决策,都离不开基于事实的客观洞察,而数据则是当下数字化时代中,人们用以洞察客观事实的最好工具。

面对向外的经营性决策与对内的管理性决策,一份数据,如何使用既能成为商业智能的前瞻性工具,又能对内成为提升组织效率的实时管理指标,从而实现价值最大化?

本期《MCtalk · CEO对话》特别邀请观远数据创始人兼CEO苏春园作为对话嘉宾。观远数据是国内深耕BI领域多年的一站式智能分析平台与服务提供商,对数据具有独特的视角和深刻的见解。

这是一个《MCtalk · CEO对话》还未曾触及的全新话题。巧合的是,网易数智旗下网易数帆作为专注于全链路数据开发、治理及分析的技术与服务商,其在数据业务方面也有深厚的沉淀与优秀的产品。在这期内容中,我们将看到网易副总裁、网易数智总经理阮良先生与观远数据创始人兼CEO苏春园先生两位To B“老兵”毫无保留的交流与分享。

核心观点

● 苏春园:数据的使用需要“落叶归根”,回归业务才能产生价值。

● 阮良:BI为商业决策节省的机会成本,值得被看见。

● 阮良:数据支撑智能,智能带来敏捷,敏捷提升容错。

● 阮良:数据度量相比人为管理不讲情面。换句话说,数据客观且公正。

● 苏春园:让听得见炮声的人决策,本质上是让业务团队用数据、能决策。

● 阮良:除了决策指引,数据还会打开更多视角,抬高战略维度。

● 苏春园:用数如“对症下药”:对症是定性,下药是定量,先对症再下药。

● 苏春园:做产品两条腿走路,一条“标准化”,另一条“可配置、可组装”。

01技术和工具本质上都是要解决业务的问题

阮良:非常欢迎苏总来到我们网易。因为我们都是做To B的业务,所以我们有非常多可以交流的话题,而且我们也有类似的产品。我一直从事互联网行业,自认为对数字非常敏感。无论是经营数据还是产品数据,或是财务数据。我知道观远数据是一家做商业智能做得很好的公司。所以非常希望能够和苏总更多地探讨数据相关的话题,例如我们在商业智能、商业数据或者如何使用数据上的一些观点,以及如何做好商业智能产品等问题。这其中应该会有很多很有意思的故事,请苏总先分享。

苏春园:好的,很感谢阮总有这个机会一起来探讨To B和SaaS。我们观远数据是专注商业智能的公司,成立于2016年,已经创立八年。创立至今合作了很多先进企业,其中包括很多外资品牌,像联合利华、百威、麦当劳,以及更多本土的领军企业,比如安踏、招商银行、元气森林等。外企以前不怎么用国内的BI产品,但我们的合作越来越深,最主要的原因是这些Global企业在中国的业务越来越本土化。

阮良:这令我想起网易数智的一家客户,肯德基的母公司,百胜中国。百胜中国正是因为在国内本土化做得特别好,因此独立成为一家新的上市公司。在中国市场,肯德基甚至超过麦当劳,这是与国外市场的差异化。

苏春园:确实,很多外企业务在中国和国外的经营方式也越来越不一样,例如对电商消费者的感知、全渠道建设等方面,这些都需要实时的数据来支撑决策。因此,很多外企用户非常看重数据决策的“敏捷性”,尤其特别看重移动端BI的体验和赋能,因为这让他们能够随时随地去做分析决策。我们提供的移动BI能够天然跟微信、飞书、钉钉、企业内部OA各种系统无缝打通,企业的决策者、一线的业务人员,都能在一个一个的具体业务场景中,通过移动端看数据做决策。

进一步延展,我们能发现,技术与工具的价值是根植在业务层面的,本质上都是要解决业务的问题。就像过往几年我们跟这些行业巨头的合作,我们不仅是跟他们的IT部门合作去建设一个平台,更是深入到了他们的业务单元,比如营销团队、供应链团队、运营团队、财务团队等,去满足不同业务团队多样化的决策需求,帮助他们通过数据分析去洞察业务问题、解决业务问题,找到业务发展的机会。我们的理念是很简单的一句话:“让业务用起来”。

阮良:关于这一点,我深有感触。因为我们也有大数据的产品。当然,我们可能更多的是数据中台类产品。就跟苏总你们的观远类似,我们经常接触的一定是客户的IT团队。最后采购是IT团队采购,但是光接触IT团队远远不够。因为IT团队也要服务于业务,或者说最终产生的价值一定是在业务环节和业务团队上。

02.以数据驱动敏捷经营,降低企业决策成本

苏春园:借此机会,我想分享一下零售消费行业的情况,这个行业是近年来我们深耕的重点行业之一。近些年,零售消费行业经历了一场场互联网化变革,包括此前风靡的新零售,以及现在的国货崛起、新国潮风尚,显示了社会经济形态与消费者偏好趋向的迭代更新。

其中最大的变化是,过去多年里电商的兴起,让人们的生活方式与购物习惯发生了翻天覆地的变化,大家都开始习惯了线上电商购物,商家和消费者之间有了越来越多的数据连接。对商家的业务经营来说,数据也变得越来越重要。在这样的大环境下,我们服务了众多零售消费行业的客户,协助他们构建起高效的数据分析体系。这个行业,是典型的“业务即数据,数据即业务”。

以我们合作了五年的安踏为例,我们协助构建了安踏自己的“生意参谋”,不像电商生意参谋,更多只看线上电商业务,而是涵盖线上线下、直销与其他销售渠道、直播等等,都能在统一的平台上呈现,助力安踏用数据驱动敏捷经营。

阮良:从苏总您的角度来说,安踏在用观远BI产品的时候,是用于哪些具体的场景?或者说哪些功能点您认为是对他们最有价值?

苏春园:安踏与我们服务的斯凯奇、麦当劳、蜜雪冰城等一些企业,有很共性的地方,都属于今天的“万店连锁”品牌,拥有大量的门店等神经末梢。对企业经营者来说,在当前的时代背景下,他们都面对着一项核心议题:如何让决策层能够穿透数据,洞察业务问题。

传统上决策层可能都是看一份份的汇报PPT,来了解业绩的好坏、变化的原因。或者去线下巡店,可能从VP到中基层都是大量亲自到各个区域去巡检,以此来评估一线运营存在的问题或者机会。但前几年的疫情改变了这种方式,不能亲自去巡店的时候怎么办?

安踏在这个时期数字化应用呈现了爆发式增长,他们通过数据来进行“空中巡检”,通过数据来洞察不同区域、不同店型、各种新品的业绩表现、畅销品的库存等等。过去可能要通过每个月的汇报才能发现的问题,现在每周、每天都能通过数据被及时发现、及时反馈。疫情过后,这种方式也固化成为安踏日常敏捷经营的一部分。

阮良:那真的挺好的,第一是效率提升了。第二就是节省了大量的成本,这个成本从经济学的角度,称之为机会成本,对吧?节省下来的时间,可以做更多去分析的事情,或者决策研究的事情。

苏春园:对。这也是我们去年开始在提的一个概念,也是行业在形成的一个最大共识,叫“敏捷经营”。在现在这种复杂的经济环境里,企业想盈利想增长其实是越来越难的。盈利和增长里有一个关键的方面是成本控制,那什么成本才是最大的成本?本质上是决策的成本。敏捷经营的核心就在这里,谁能够在决策的时效性和颗粒度上取得突破,实现更敏捷的决策,谁就能更快地发现问题、解决问题,实现增长。

阮良:这是一个巨大的杠杆。我去年写过一篇文章,里面有个观点也是想谈谈关于敏捷,当我们用了AI之后,很多业务环节变得非常敏捷。这还会带来一个好处:不仅仅是效率提升,即使决策错了,或者执行错了,但因为敏捷,错误的代价也变小了。

大家都在感叹这个世界变得特别快,我们在面临各种各样的不确定性。因此,面对这么多的不确定性,我认为敏捷是必须的。无论是多大规模的企业,一定要拥抱这种变化,以及敏捷地去适应这种变化。所以又想到去年大模型出来之后,或者说新的AI时代到来之后,我们觉察到在很多AI的赋能之下,敏捷这件事情变得更具有可行性,当然前提是组织得积极拥抱这种观念。

03“让能够听到炮火的人能做决策”

阮良:我有一件印象非常深的事。我们有一个非常好的干部,他曾经告诉我:他当年在做普通程序员的时候,工作非常努力,也很聪明。但在那个时候,由于他并不善于表达,以及可能跟他主管的关系没有那么近,所以他每次绩效评定时,拿到的绩效都只是中等偏上。但他自认为不止于此,于是他就跟他当时的主管沟通,他需要怎么做才能够在下季度或者下半年拿到优秀绩效。然而,他的主管也没法给他一个很明确的回答。

很多时候,这其实没有错。通常员工和主管走得近一点,关系好一些,大概率绩效会好一些,前提是工作表现的确不错,对吧?虽是事实,但造成客观上的不公平,即便他的确是一位很优秀的员工。因此,我们去年做了一项改革:我们把工程师的工作做有效度量。我们并非根据虚拟的代码数量来做度量,而是根据发给员工的任务来度量。举个例子,比如做BI产品,可能今天工作是做前端的某个功能,或者其他需求。我们会根据经验,评判这个需求大概需要消耗这个级别的工程师的多少时间,时间天数是多少,有效代码量是多少。基于此,我们再用积分制对工程师的工作成果实现有效度量。

苏春园:是,我们其实像研发、市场,客户成功,很多团队他都有比较好的数据使用的习惯。

阮良:例如说研发团队,一线的研发团队其实很适合做这样的事情,以及交付团队等等。

苏春园:对,因为交付团队要承担非常多职责,例如需求沟通、系统部署、实施交付、培训上线等各种类型的工作。在这种背景下,将他们的工作尽量量化成为具体的标准作业,能够很大程度的找到最佳实践,提升团队效能。

华为创始人任正非曾讲过一句话,是“让能够听到炮火的人能做决策”。大家都赞同这句话,但真正的难点,在我看来,是怎样让听到炮火的人有能力去做决策?而数据就是让一线人员能够主动参与决策的最重要的赋能方式。

很多时候问题的症结不在于一线员工没有数据驱动的意愿,而是他们是否具备相应的决策能力和所匹配的数据。当我们赋能一线业务人员分析决策所需要的数据和分析能力之后,明显的激发出了他们的主观能动性,让他们能够自信地用数据来提升他们的工作效率。

比如像你刚才举的例子,我们用传统方式进行研发团队管理的时候,就只能长周期看结果,没有办法获得及时的效果反馈,但是有了数据基础之后,就可以去量化任务难度,制定合理的工作计划,让前线的研发人员能够在数据驱动下以更高效率完成工作。

阮良:确实如此。原本一个比较优秀的员工,如果得不到公平的对待,大概率会离开公司。而我们这样改革之后,不仅会给到员工公正的绩效和待遇,很多优秀人才也会陆续被发现。

我们有一个很年轻的小伙子,连续几个月都拿到了积分冠军。如果给他打标签的话是这样,一年轻;二身体健康,他健身,身体素质很好;三他非常的聪明。为什么我会说他非常聪明?他写的代码量并非是最高的,工作时长也不是最多,但他积分最高。因为他非常擅长使用工具,用各种AI工具给自己提升效率。因此在相同时间内,他最终获得的积分比别人多,产出更加高效。

04.数据为管理者,打开更多视角,抬高战略维度

阮良:还有一个话题也非常想和苏总交流。从苏总您的角度来看,您平常肯定会去看自己公司的各种数据。看数据的时候,您最关注哪些维度的数据?为什么?

苏春园:核心还是围绕在增长与盈利的平衡,这是我们这几年战略的核心目标。

然后这条主链路再往下,我就看它里面的关键的过程指标,这是我们今年的认知的一个迭代。之前我们公司也比较以最终的数据成果为导向,信奉“大力出奇迹”,但是在新的市场环境之下,单纯的成果导向已经行不通了,在保证适度的增长的同时,还得谨防亏损陷阱,因此目光就也要特别的关注到过程指标。

咱们做ToB的本身就是有一种长周期的性质,就决定了我们在追求年度目标的最终成果的时候,也要沿着这个主链路,关注例如一个季度、一个月到一周这种短周期里的过程指标。

对于我们来说最重要的一类过程指标是“ICP”,即理想客户画像,指契合我们核心竞争力和优势市场定位的理想客户群体。在现在这种市场环境下,我们想要实现盈利和增长的战略目标,最重要的战术不是“广撒网”,而是“精准出击”。为此,我们内部精心筛选出了10个左右的ICP阵地客群,力求在这些优势客群里实现精耕细作。

举例来说,假设我今年有10000条潜在商机,我们就会更倾向于其中2000个源自我们ICP领域的高质量线索,这样从过程指标来说成单效率最高。然后还要更进一步,确保前线团队每周的过程指标,都能不断努力去收获这些来自ICP高价值阵地客群的商机。

这些举措的背后其实是我们在过去的一些苦涩教训,但也是内部不断迭代进化的过程,所以其实反过来说也是一件好事,可以给大家分享一下。

在更早一个季度的时候,我们有个团队的业绩很不理想。当时如果不做数据分析,直观的结论是商机数量不够。但真正拆解数据进行分析之后才发现,尽管商机看似缩水,但其实是在ICP优势阵地的商机数量其实是没有缩减的,真正造成业绩表现不佳的症结其实是在转化漏斗里存在的一些问题,以及我们在转化阶段的报价策略上。

因为今年其实整体大环境不是很好,会存在一些价格战,但在价格方面我们内部存在一些临界点,到了某个折扣红线的时候我们内部就会本能地放弃某些潜在客户。这其实是正常的,这个团队他其实遵循了我们内部的政策,在一定的折扣界限上,前线团队是有权自主决定进退的。

阮良:组织有规则在先,需要首先保证毛利。这就是数据在战略维度的决策指引。

苏春园:是,去年我们定下这个政策的时候它是对的,那今年因为盈利是我们很重要的战略目标,毛利自然也是决策里的一个关键参数。但当我们一层一层穿透数据,发现这个问题之后,或者说我自己作为一号位去看现在这些真实的数据之后,就更会了解到现在的业务是处在什么状态,哪些环节有问题,去对应的施策解决问题。

数据分析的过程促使我们不断微调策略。以刚才讲的价格策略为例,会被拉进价格战里很多时候可能是因为我们的价值主张还不够犀利,所以面对价格战的诱惑,我们另辟蹊径,对于潜力巨大的商机,我们会让内部最好的解决方案专家、经验丰富的交付团队负责人,公司高层等与对方进行有效的交流,强化价值合作。通过这个转变摆脱单纯依靠价格竞争的局限,通过专业实力和个性化服务赢得客户的青睐。

这一系列行动的核心,依然是对增长和盈利的追求,最终的目标是明确的,但在决策的过程里,我们需要不断的进行取舍,通过识别并优化过程性的指标,让决策的周期不断缩短。比如我们每周去识别重点商机,在商机迈入关键转折点的时候,集结所有可用资源形成合力,一起尽最大努力去保障能够最大限度的把握每一个商机。

阮良:我自己关注数据的时候,经常有和苏总类似的感悟。最近,我在设想尝试做一些改革动作,可以跟苏总您分享。例如,我们服务一个客户,会分各种阶段,商机阶段、销售阶段、售前阶段,签了合同之后的实施交付阶段,最后是客户成功阶段。我们分开看每个阶段可能付出的代价,比如说交付付出多少人天,然后核算成本。

从管理会计学的角度来说,有一种方法叫作业成本法。我们以前最通用的评判一类客户或者一类行业,或者一类流程的效率,通常是使用财务会计的方法:我花了多少时间,花了多少钱,综合计算这个客户的毛利是多少。

但是从管理会计学的角度来说,可以不是完全从财务会计的角度计算多少钱,多少时间。而是评判服务一个客户的过程中,我们一共做了多少个关键动作,动作跟流程肯定是对应的。

比如说,在实施交付阶段,可能里面有几个关键动作。第一是我给你部署,第二是我给你预训练知识库,然后是一些数据治理关键的动作。这些动作给他定义一个标准,标准是我们在这家公司做这个动作,每一次的成本是多少?然后再通过这些作业套用到这一类客户上,可以算出这一类客户真正的管理会计学层面上的毛利,或者说效率是多少。最后去跟其他类别的客户做差异分析,就会发现真正的优势客户、优势场景。因为从财务会计上看,A客户是盈利的,B客户不盈利,但是从管理会计的角度上看,存在B的效率更高的可能。

05.做标准化与可配置化“两条腿走路”的好产品

阮良:在业务发展到一定阶段时,我们标准化产品是基于满足大部分客户需求的逻辑。迫于所谓的增长压力,或者需要打造标杆效应,我们也会去做一定的妥协,去和一些大客户做部分特殊的定制化,这种情况在所难免。

我们会去严格控制一定的定制化比例。但这仍然是一个长久令人困扰的问题。一线要攻坚大客户,大客户们想在标准化产品上做功能定制,这些定制功能可能其他大部分客户用不上。最终,是否要配合大客户的需求就成为一个涉及取舍的问题。对于这个问题,苏总您怎么看?

苏春园:我觉得我们的路径有点不一样。我们是0到1的创业公司,我们是非常坚定地要做标准化产品。为什么作为创业公司我们要选择标准化产品呢?其实跟我们团队基因和认知有关。第一,我们核心的创始团队过去很多年就是做标准化产品的,见证了从概念孕育到市场认可的全过程,所以我们坚信这条路是可行的。我们之前创建的产品,服务了三分之一的世界五百强,但用的是一个标准化的产品。第二,在商业化的角度上,虽然短期内或许有难度,但从长期看,我们坚信标准化产品的巨大潜力。好的BI产品,本质上是对最佳决策实践的不断提炼和抽象,具有普适价值和明确的长期商业前景。

在做标准化产品的过程中,我们其实也不断有很多取舍。总结来说我觉得做好产品有两个关键点,第一点是我们不断在坚持根本,做到产品标准化,第二点是未来几年我们会持续增强的,叫可配置化、可组装化。

可配置化是我们从过去很多年累积的经验里找到的方向。比如BI要连接各种各样的新型数据源,很多可能是以前没有的,我们在这些年的实践里不断从领先客户需求里沉淀,提炼出一套行之有效的可配置方案,不论是不同数据源的对接,还是同一数据库下多元化的配置选项,例如数据访问频率的自定义设置,我们通过设计多层次的配置选项,来满足不同行业与应用场景的独特需求。

以银行业为例,银行业客户对于系统性能和可靠性的要求是特别高的,考虑到高层管理者日常决策对及时数据呈现的依赖,就一定需要稳固的信息壁垒,有效隔绝基层操作对关键数据流的可用性影响。这个过程涉及复杂的引擎调度与资源隔离策略,但我们将它做成了直观易懂的可配置项,来满足客户的需求。

这几年我们对可配置化非常坚定,这里面其实意味着短期内的大量投入,但也让我们的产品变成了一个更有生机更强大的产品。以我们合作的某世界五百强商业银行举例,它内部有超过6万人在活跃使用观远BI平台,这是国内最大的一个BI项目之一。在这么庞大的用户基数面前,关于是否要采用定制化服务也有过激烈辩论。但好在我们跟客户对BI的理解非常一致,客户对BI的应用也很专业,我们一致认定要坚持标准化产品的主线,过度定制化的产品是没有生命力的,不仅难以复制推广,还会削弱产品本身的内在活力与市场吸引力。

阮良:非常同意。如果是走定制化分支的话,我们跟很多大客户交流,客户自身其实也会有这种意识:如果用我们定制的特殊版本,可能会出现使用故障,出现各种问题甚至问题非常严重,以及更新的时候,又无法及时更新。

有幸在九月这个时间点,邀请观远数据的苏总来到我们网易交流。今天我们探讨了非常多的话题,跟数据相关的、跟管理相关的、跟研发相关、跟销售相关的,包括最后跟产品客制化相关的。我个人受益匪浅,受到了很多启发。我相信这是一次非常美好的思想碰撞。

苏春园:我也非常感谢阮总的邀请和分享。同是ToB企业的创业者,我们都希望让整个中国SaaS市场、整个中国企业服务市场能够变得更好,让这个世界变得更好。

-END-

点赞(0)

全部评论