魏燕翔:数据化决策带来的一些思考
魏燕翔
唯品会副总裁
本文来自 唯品会副总裁 魏燕翔 在3月7日的阿里巴巴西湖品学大数据峰会的演讲整理而成《数据化决策带来的一些思考》。文章未经演讲者审阅。
很有压力,其实第一次在这么多人,尤其在阿里,在车老师这样的数据专家面前讲专家,要声明一点,第一我不是数据人,所以讲数据对我来讲压力很大;第二是说,我现在的身份是在唯品会负责产品的运营,但是其实我进入唯品会时间很短,是去年9月份。因此,我接下来的这些观点更多源于过去的实现,尤其在过去的将近一年时间,我一直在电商行业里面做一些管理、咨询的一些服务,在这个过程中,也看到了大数据这样概念的兴起,对很多的企业尤其是一些中小企业,他们在面对大数据这样的一些概念,这些变化过程中,企业面临的种种一些困扰。
所以说,开始写这个题目的时候,就写了一个管理的变革,因为我确实认为说,数据化决策对任何一个企业来讲,带来的都是全新的一些企业无论从组织到它的管理执行,都会便来很多的变革,而且这个变革是一个非常痛苦的过程。但是后来觉得这个题目太大了,没有办法把握,所以我就改成了带来的一些思考。这个过程当中包括我自己困扰的一些事情做了分享。
其实在上午我听的时候,无论是车老师的还是程杰博士还是Linkedin的Simon Zhang在讲的时候,有一个地方真的是满有同感的。其实说大数据,数据用来做什么?数据首先是用来做决策的。
那我们来看一下,目前我们说企业的一个现状。其实对很多企业来讲,我觉得说在面对大数据这种新的变化之前首先要问的是我们做好了准备了吗?刚才车老师的PPT里面有一点,回到所有的原点核心是说我们的生意是什么?第一个问题是我们首先要理解我们自己的业务,我们的生意是什么?我们的商业目标是什么?很多的我们会发现,我自己会发现很多的老板的话,其实在面对一些新的概念的话,首先是会积极的拥抱,也许这个概念会解决我所有苦恼的救命的良药?事实上情形远远没有这么简单,所以这是第一个问题要问的,我们的业务和目标是否清晰。第二件事情是说,特别面对这种大数据带来的一些冲击,首先需要有专业的人和团队。有了专业的人和团队,才能够真正的解决这样的问题,其实现在大数据自从名词火了之后,在企业我们会发现很多很多的企业都在寻找说,所谓的数据分析师,这个数据分析师变成非常热门的一个职业。事实上,是不是所有的人都真正具备了说这样数据分析的能力呢?其实至少在我看到的很多环境下,可能说这是需要打一个问号的。我们需要什么样的数据呢?其实在企业特别在电子商务,因为我一直在做电子商务这样一个领域里面,我们在问问题说,一个老板说我什么数据都要?刚才其实车老师也已经讲了,什么数据都要的话数据有成本有负担的,而且当你很多数据放在一起的时候,没有做很好的梳理的时候,很多数据很大程度上给你带来的是麻烦。另外在企业当中更加重要的是结合你的商业目标,需要对商业数据做一些指标的选择跟定义,这是如此的基本。
但是事实上在我看到的企业里面,我经历的很多企业,连这样的最基本的都没有做好。像转化率这样的一个概念,其实的很多部门多的团队都会谈转化率,但是当你深入到一线你去了解询问的时候不同的部门谈到转化率,背后的定义往往是跟他部门的KPI相关联的,并没有在公司层面有一个真正的标准。事实上,在解读这些数据的时候,我们后面在想说,人在面对这个决策,依靠数据来决策的时候,如果这些指标和定义都不能很清晰的时候,就会带来说团队跟团队之间很多在业务层面或者决策层面的一些冲突。
其实今天的话呢,我们在有了这些数据,即使做了这些准确的话,我仍然在想我们可能会面临的挑战,因为我们获得的数据或者拥有了这些数据我们是用来做决策的,我们来看一下第一个挑战是什么?我们是怎么来决策的呢?其实谈到决策的话,做决定这件事情,我们每个人可能都会有各种各样的经验,在我们的生活和工作中有很多很多的经验。很多人都认为说做决定的话,一定是基于经验,基于逻辑,基于过去的一些事实、数字,基于我们的教育背景我们获得的一些经历,我们来作出一些判断。而这些我们都认为说他是一个理性的过程。但实际上,在生活中我们有大量的决定其实不见得都是理性的。我举一个最简单的例子,在做的各位朋友里面,结过婚的请举一下手?OK,差不多至少有三分之一都结过婚,结婚是一个满大的决定,大家认为我们做出结婚的决定的话,在这个过程中真的是靠数据吗?我们了解当然身高、长相这些肯定是有一些数据描述的,还有包括对方的存款,是否有房产。但是做了这些所有数据化的决策的话,这样一个理智的决定就能够确保说婚姻一定会幸福吗。我记得看了一本书,伊丽莎白泰勒,她一辈子结了很多次婚,她第六次结婚的时候,有一个记者问她说,你已经结婚很多次了,还有勇气?她当时的回答说,她说我这次的话是希望战胜了经验。其实人在做很多决策的时候,总是会面对理智跟非理智不同的情形跟场景。
我们在电子商务中其实有一个很有意思的问题,我们在做电子商务运营中会收集很多数据,我们做模型分析,数据分析,我们往往假定用户从这一步到这一步背后有一个必然的过程,背后有一定的逻辑关系。但是在购物过程当中,尤其是女性购物者在网上购物有时候往往是非理性的冲动的决定。那么我想数据团队或者业务团队,他在做这种分析,为了他下一步的动作运营的改善做一个决策的话,他怎么可能用完全理性逻辑推理的过程,去判断,像刚才车老师讲的丢失了很多环节或者盲点的话,就会带来偏差和误导。所以这是我们面临的第一个挑战,人的决策不见得都是理性的,有的时候决策是非理性的。但是我们通过数据去推演做了很多的假定和判断,至少在现在很多企业做决策的时候,更多的是强调理性,做假定所有的决定都是理性的,但是事实上现实生活中原非如此。
就算说我们的理性都是理性的话,其实也还有问题,在很多企业中,目前来看,很多人对数据跟数字这样之间的概念或者是区分,其实不是很清晰的。当然,我不是数据分析的专家,我也不是数据人,但至少在我的理解里面,我们谈到数字更多强调一些量化的概念,但是谈数据来供我们做决策的一些信息的时候,不仅仅量化的,还有一些语意化的东西。所以很多公司谈到数据的时候,很多公司把数据指标跟KPI捆绑在一起,这样就往往忘记了最初的商业目标,导致了偏离。所以当我们真正关注的时候,即使都是理性的,我们还是要区分出我们到底关注的是数据还是数字?我们不要被数字的假象所迷惑,很多数字是不会告诉我们所有的真相的。
另外一个刚才车老师也在讲,我事先准备的时候并没有意识到车老师也会涉及到这样一个问题,其实我也在考虑,我们的决策方法论,对我们所有人来讲,我们日常生活中我们的教育,哪怕说今天像我经过了二十多年的职场生涯,而站在管理者领导者的位置上的话,在决策中我会发现我们仍然有一些错误的方法论。丹尼尔卡门(音译)教授有一句话,叫目光所及便是一切,指是我们人类经常会犯的一种错误,有人说这叫聚光灯效应,当我们在下面作为观众看着台上演出的时候,聚光灯打在舞台上,你会发现在聚光灯下的所有一切你看得清清楚楚,但是在背景在暗处的东西往往被你忽略掉了。我们真正的本能在于什么呢?“目光所及,便是一切,”我们经常是依赖什么呢?我们依赖于最容易获得的信息,以及说我们对信息的解读,认为说这是我们可以作出决策的所有的信息或者必要信心。但是恰恰这些最容易获得的信息,以及我们对这些信息的解读,往往不是能够做出好决策的所必须的所有的信息。这是我们自己的一个本性,我们必须要去通过很多的修炼或者实践去改变。其实在企业决策过程中大家很容易想象,你们真的认为说,所有的企业决策都是那么的正确吗?其实大到公司的并购,不会比你在现实生活中作出跟一个你心仪的男子或者女子结婚,有什么太大差异的过程,其实很多过程就这样。我记得在读MBA课程的时候,有个老师曾经跟我说过,他说人类的决策分类两种:一种的话是说,我找一些分析师给我一些历史的数据或者经验,做一些很理性的分析,最后似乎得出了一个推理出了一个结论。还有一些情况,根本没有历史的数据或者经验所能依赖所能遵循的,这个时候怎么办呢?世界上无论这个人种任何的教育,他作出决策的时候只能依赖一件事情,就是眼往天花板拍脑袋,请上帝来决定。所以实际上,当我们在决策方法论上如果没有一个构建一个好的方法的时候,其实即使有了数据的话,也未必能够一定帮我们带领到一个正确的路上。
其实在决策过重,我们还常常受到一些我们人类自身本身所拥有的一些局限,第一个局限,尤其我觉得在我们中国人,我们东方人教育背景或者成长背景下,可能更容易犯的问题是什么?在决策之前,其实决策的话我们一般来讲都是做选择题。但是我们做的选择题往往不是给了我们行宽广的范围,往往是“是或者否”这样的选择题。比如我们从小教育这个孩子,这个时间孩子跟你说能不能给我钱我要去买冰激淋吃,其实你给他的判断行或者不行里面做选择,而孩子应该从小受到的训练是说,除了吃冰激淋之外,还可不可以去游泳或者踢球。在我们商业环境下,我们很多长通常会限制我们自己的选择方位,没有打开我们的思路,没有让更多的东西进入到我们的视野,这是我们第一个常容易犯的决先。第二个在做决策的过程当中往往去寻求一些证据,但是我们的倾向去寻找一些支持我们观点的证据。我相信在座各位坐在下面我在传递信息大家在接受信息,其实每个人在接受信息都会有自动的过滤,在这个过滤过程中,总是会倾向于选择自己听起来比较舒服或者是比较认同的,而自己不认同会把他放弃掉。实际上我们在决策过程当中我们也发现,在商业环境下,尤其是作为管理者来讲的话,他常常是有自己的一个判断。有了判断之后,他第一件事说数据团队你去帮我找数据证明这个观点,数据团队往往会倾向于绞尽脑汁从各种纬度去找一个数据能不能够证明老大的一个观点。而这种过程,其实在现实生活中,我相信阿里团队应该是很成熟的一个数据团队,但是在很多现实的场景下,至少我个人看到这种情况决不是一个罕见的或者说一个少数的,很多情形下,我们都去倾向于寻求对我们有利的这样一个观点。
在这个过程中,其实我们还会受到情绪的影响。我们的开心或者说我们的愤怒往往会导致我们更快或者是更慢作出一个决定。因此,一个好的决策者,即使有了数据的支持他也常常需要给自己更多的一点时间去思考去判定。除了这个以外,还有一个就是我们往往要么太过自信,要么是太过不自信。比如说当一个事情执行了之后,我们缺少说那种面对现实,尊重数据,尊重事实,能够做出快速调整或者快速决策的这样一个能力,我们往往陷于一些要么是过于自信,要么是过于不自信这样一个状况。所以,这些其实都是在数据决策过程中我们会面临的一些挑战,或者说一些困扰。即使有了数据了支持和帮助,在现实场景下仍然有这样的挑战。最后跟大家分享一下几点建议:
第一个英文里面叫Hippo 指的是说这个公司里面最高的决策层,所以我下面用了突破,Hippo是河马。其实我们说数据带来管理的变化,第一件事儿就是公司最高的决策层,如果没有上面给你的支持和资源,后面的变革都是很难想象的。在数据化决策里面首先要改变的就是管理者本身,机制的本身。这个过程中,至少对我看来,我觉得说要有一个谦虚的心态,要能够去学习,要能够尽可能的谨慎的发表个人的有个人倾向的一些意见,能够鼓励下面的团队尤其是数据团队,能够去构建更扎实的一些基础,构建更好的一些决策流程,这些都是作为一个管理者非常非常重要的,应该意识到的,这是他能够对数据化决策的进程推进,能够起到最大的一个帮助,而不是他亲自上手去指挥去设定一些项目或者目标,然后让下面在这个时候快速去执行。所以第一个是怎么样去面对Hippo,我觉得管理者本身需要有这样一个自悟和自省。当然对于下面的团队也需要在各种各样的时机和场景下要去艺术的教育管理者,因为这个过程一定是需要有一个磨合和经历这样一个过程的。
其实再一个企业中,构建数据文化决不是一件很简单很轻松的事情。至少在我看来,特别是对电子商务的这样一个企业,构建数据文化可能会包含下面这样几点的思考。第一个是说,数据其实本身不会告诉我们全部的真相,我们很多时候,往往依赖于说,这会儿有了大数据了,有了BI的团队了,所有数据都应该他们给我们得出解答。其实往往的解答就在你身边就在你的客户,往往我们会在这个过程中,所谓构建数据文化的时候,我们不是说数据是一种信仰,我们是把数据变成一种迷信。我觉得这个可能是要去调整的,事实上对于业务团队而言的话,与其说依赖数据团队或者是BI团队,不如说走到消费者中间,了解你客户的真实的需求,可能你一个电话或者是你一个调研的话,你得到的洞察远远超过数据团队花上多少时间给你的一份报告来得更加直接有效。
尊重数据、认识数据,但不迷信数据。其实从数据角度来讲的话,我们刚才前面也说了,需要构建起什么呢?标准化的大家都能够建立起共识的,在各个业务部门都建立共识的指标体系。大家能够说在这个层面上去讨论数据,而不是都是以自身各自的,站在各自部门或者各自的经验的角度上的理解去谈这些数据。我觉得这是最起码的最基本的对数据的尊重。另外对数据团队的尊重,数据团队在做分析的时候,很多情形下他需要作出一些假设,或者说我们的模型,当然我不是数据人,我不知道这个思路对不对。但是经常我们看到当数据团队做假设或者模型或者分析的时候,其实会常常早早业务团队或者管理团队重点给你打断,就开始挑战了。他没有理解说这样一个分析过程中他的一些便捷,他为什么要去做这样的一些简化和假定。其实在数据面前尊重数据的时候,我们要解决的是我们情绪化的问题,当然我们每个人可能在商业决策上面的话,都很急都很有压力,但是事实上实时提醒自己尊重数据很重要。认识数据其实我只要举一个最简单的例子,在电子商务里面,我们大家都知道表征流量的指标,我假定在座大家可能都了解,我们有UV,有访问,有PV,其实这些指标里面,如果说我们很明确的知道说,我们现在要做的一件什么事情,假设我们的目标是要提高我们整个电子商务运营商品展示的效率,其实我了解的话,绝大多数团队,包括我们淘宝平台的话,可能都会倾向于用UV这样的指标。事实上,在很多运营层面来看的话,我们要认识数据要回到数据指标的定义和本质,我们会发现说其实你要谈UV的话,对于这个页面,特别是单体页面,详情页面,PV页面会更详细,也许你会选择一个能够更快的或者是更准确的帮助你带到你的目标点那样的一个数据的话,可能会对你帮助更大,效率更高。
管理者是需要数据意识,所谓数据意识我们前面说了,但是对于分析师而言非常重要的是要深入到业务。其实有很多的分析师或者是大数据团队,他们就期望说,我们只要依靠很高明的一些算法就可以解决很多商业层面的问题。而且是基于非常简单的,他们会认为说,我看到的商业其实就是商业的所有。事实上今天的这个生意的话,就是说电子商务好了,这个背后的模式或者背后的业务逻辑的话,远远比你表面上看到的那个要复杂得多。因此,对于数据分析,BI团队来讲的话,他们除非说天天跟业务部门打在一起,当然我是站在业务部门的角度,我认为他们除非天天跟业务部门在一起,了解业务部门的痛点,了解业务部门真正要去改变的方向和目标的话,他们只是站在他们象牙塔里面是不会提出革命性颠覆性的做法,来真正改善业务部门决策的时间的。所以分析师要深入业务,要真真很踏踏实实的,而不是站在外面旁观者,这样我不认为对业务起到非常大的帮助。
数据跟数据工具不是特权,数据要的是安全而不是监管,事实上在很多企业里面,我们都用了安全名义做了数据分析的事情。不能被一线扣动扳机的人使用,那是数据团队的失败。如果你不能让我们的业务团队能够每天去使用这些数据,跟上午Simon讲的,在Linkedin三秒钟能够让一个业务部门,让一个在前线打仗的人可以利用这个数据帮他做出更好的决策。如果都是我提出需求,给你一个星期去开发,然后给我结果,事实上数据是有时效性的,过了那个场景,你作出的数据已经没有办法去改善你当时的你真正要达到的利用目标了。所以数据跟数据工具不是特权,我们也认为说数据是应该有一个合理权限的,安全的管理。但是不能因为这样的管理,使得一线的人没有办法介入到数据,他们只能介入到BI团队做的一些报表,在太多的团队里面我看到的情形都是BI团队里面开发了很多N多的报表模板,然后供给一线部门,一线部门每天早上就是看各种各样的报表。实际上我们在很多情形下不能说这些报表没有用处,但是仅仅做到这一点是远远不够的。
数据有时效性和场景化。今天很多团队都说这个数据安全,包括企业之间有竞争,我们可能要关注数据,尤其是隐私。我觉得这些都对,但是事实上我也常常会感觉到,我感觉到说,我们因为这样的缘故,就把数据都变成了一个一个孤岛。每一个企业的数据和每一个企业的数据都没有打通,还不要说企业之间,企业部门之间的数据都是无法打通的,商品的团队只能看到商品的团队,市场的团队只能看到流量的数据,但是其实忘记掉了,对一个电子商务平台我们要实现销售的话,是人买这个货品,流量恰巧是衔接消费者和货品的一个工具。如果不能把这些数据打通的话,每个部门只是关注自己,从KPA角度关注自己所关注的一些数据指标的话,其实是很难发生这种协同效应的,很难能够说推进业务真正持之有效的一个改善。另外一个在电子商务里面,今天的很多数据,消费者的行为,刚才车老师讲的例子,我其实原来也在设想这样的例子,特别像今天唯品会,这种特卖限时抢购这样的一个模式来讲,一个客户或者这一组客户在这一周的行为,如果我拿到这个数据了,下一周用这个数据做一些所谓的精准营销,我基于过去一周的行为,要下一周对他做精准营销的话,其实错过那个场景、错过那个时间点的话,你已经很难说你那是一个精准的,你只不过在历史的某一个时刻你拍了一个快照,然后你花了一点时间,把快照里面的场景做了一个分析和判断,然后你试图说服自己说,其实我只要把这个东西应用在今天的场景下,应该也可以成功。我不知道,也许说真的这样做了,成功了,恭喜你很厉害。但是在大多数情况下,我们更需要数据的实时性时效性,在运营端,我记得去年双十一的时候,车老师的团队在阿里做了很大的实时数据展示的屏幕。事实上在业务层面,有多少的业务人员是希望在做大的活动中能够每分钟或者每五分钟就能够看到实时的结果,能够对结果作出一些响应。而不是说等到几天甚至一个星期之后,我拿到一份总结报告,告诉我们说这就是事实,但是我们已经无法追溯说我们还有什么地方可以做得更好。
数据的颗粒度和管理成本有关。其实在很多数据团队在开始起步阶段,都会追求说把颗粒做得越细越好,当然在现在的商业环境下颗粒度做得越细能够更好的发现或者更容易建立洞察,数据颗粒度越细代表管理成本越高的。在商业环境下我们寻求的是一个权衡,在这个过程当中能够帮助我们做出一个权衡,我们可能寻求是每次比前一次更优的一个选择。所以在数据的颗粒度选择上面,其实这是一个要权衡的事情。
其实在数据化决策的过程中,流程比分析更重要。有很多一流的分析师或者是BI团队作出了非常有洞见的一个结果,当然那个报告的话,是确着的,是可信的,但是缺乏一个有效的决策流程可能会毁了这一切。事实上,在一个企业里面,如果说一句数据化进行决策的话,我认为建立数据化决策的流程,远远重要过我们现在有一个多么强大的数据系统和数据分析团队,事实上我看到很多情形,无论那个数据师做了很多努力,最终的决定永远是Hippo做的决定。所以在这个过程中,需要组织的力量构建一些有效的流程,去约束在这个决策环节上所有的参与者,能够帮助这个企业在数据化决策的过程中,能够不断的成熟,不断的进步。
这个是我今天可能说要跟大家分享的一个内容,我想说的话是说,我今天在这里说的可能都是错的,因为这是基于我自己个人的经验、经历,我看到的,但那毕竟不是这个世界的全部。当然这些问题的话,给我带来一些困扰和挑战,我相信给很多的企业主也带来了挑战。如果说如有巧合的话,纯属雷同。谢谢大家。