帆軟MVP專訪 | BI佐羅:用數(shù)據(jù)分析不斷拆開商業(yè)運(yùn)作的“黑盒”
原創(chuàng) 贏家 | 2024-01-25 19:08
【數(shù)據(jù)猿導(dǎo)讀】 近日,2023帆軟MVP(Fanruan Most Valuable Professional)獲獎(jiǎng)名單公布,全球知名零售集團(tuán)數(shù)據(jù)分析師、自媒體大咖BI佐羅獲此殊榮。

近日,2023帆軟MVP(Fanruan Most Valuable Professional)獲獎(jiǎng)名單公布,全球知名零售集團(tuán)數(shù)據(jù)分析師、自媒體大咖BI佐羅獲此殊榮。
帆軟最具價(jià)值專家,簡稱帆軟MVP(Fanruan Most Valuable Professional ),是帆軟頒發(fā)給產(chǎn)品用戶專家的一項(xiàng)榮譽(yù)認(rèn)證,以感謝他們?yōu)榉洰a(chǎn)品的發(fā)展所做出的卓越貢獻(xiàn)。
帆軟MVP計(jì)劃上線后,收到了非常多優(yōu)秀數(shù)據(jù)分析師的報(bào)名,來自各行各業(yè),都是深耕在業(yè)務(wù)中的數(shù)據(jù)分析從業(yè)者,他們用自己的專業(yè)知識(shí)、技能和熱情,幫助廣大用戶解決問題,推動(dòng)技術(shù)交流,助力行業(yè)發(fā)展。他們的無私奉獻(xiàn)和分享,為帆軟產(chǎn)品生態(tài)的發(fā)展和用戶的成長提供了強(qiáng)大的支持!全球知名零售集團(tuán)數(shù)據(jù)分析師、自媒體大咖BI佐羅也是其中一員,并且從眾多候選人中脫穎而出,獲得2023帆軟MVP榮譽(yù)獎(jiǎng)勵(lì)。
BI佐羅是數(shù)據(jù)分析的科班出身,畢業(yè)后一直從事數(shù)據(jù)分析相關(guān)的工作,從業(yè)的十幾年間,BI佐羅從最開始的技術(shù)崗位做起,后來逐漸偏向企業(yè)業(yè)務(wù)價(jià)值本身以及企業(yè)的商業(yè)模式,正是由于在大公司、大平臺(tái)的歷練和個(gè)人持之以恒的積累,使得BI佐羅既懂得數(shù)據(jù)分析師的成長路徑,又深諳企業(yè)數(shù)字化轉(zhuǎn)型的方向。目前,BI佐羅既是很多數(shù)據(jù)分析師的教練,又為企業(yè)提供數(shù)字化轉(zhuǎn)型的咨詢服務(wù),在C端和B端同時(shí)發(fā)力。
C端和B端同時(shí)發(fā)力是不少人夢寐以求的事業(yè)發(fā)展方向,但是這對于個(gè)人或企業(yè)的專業(yè)能力要求很高、對實(shí)踐經(jīng)驗(yàn)考驗(yàn)非常大。拿數(shù)據(jù)分析來說,處于不同崗位、位置的人而言,看到的、想到的、考慮的事情完全不一樣,基層的數(shù)據(jù)分析師可能更多的考慮技術(shù)實(shí)現(xiàn),高層的管理者考慮的是通過數(shù)據(jù)分析發(fā)現(xiàn)業(yè)務(wù)短板、戰(zhàn)略轉(zhuǎn)型機(jī)會(huì)……
作為企業(yè)數(shù)字化轉(zhuǎn)型顧問,BI佐羅如何通過商業(yè)數(shù)據(jù)分析理解商業(yè)的本質(zhì)呢?企業(yè)管理者是否應(yīng)該依賴各類數(shù)據(jù)分析報(bào)表做決策?如何看待ChatGPT等人工智能大模型對這個(gè)崗位的沖擊呢?帶著這些問題,數(shù)據(jù)猿專訪了BI佐羅。
打開商業(yè)運(yùn)作的“黑盒”
說起用商業(yè)數(shù)據(jù)分析理解商業(yè)的本質(zhì),BI佐羅有自己的一套邏輯,他借用卡耐基梅隆大學(xué)在軟件工程領(lǐng)域中的軟件能力成熟度模型,進(jìn)而形成了自己的一套考察企業(yè)能力成熟度的體系。在這個(gè)體系中,他將企業(yè)能力的成熟度分為如下五個(gè)階段。
第一個(gè)階段是初始期,初始期一般是企業(yè)的最開始的時(shí)期,一家公司只要能賺錢、只要能活著,就是企業(yè)最開始的形態(tài),這個(gè)階段企業(yè)的商業(yè)數(shù)據(jù)開始不斷的積累。
第二個(gè)階段是可重復(fù)期,在初始期,隨著業(yè)務(wù)的發(fā)展,企業(yè)會(huì)發(fā)現(xiàn)有越來越多重復(fù)的客戶或者重復(fù)的交易類型,把這些可重復(fù)的客戶或者交易管理好、服務(wù)好,就是該階段的重要任務(wù)。
第三個(gè)階段是標(biāo)準(zhǔn)期,在積累了越來越多的客戶和交易之后,企業(yè)開始運(yùn)用標(biāo)準(zhǔn)化的流程、規(guī)范等,使企業(yè)的產(chǎn)品、服務(wù)、交易過程等到達(dá)標(biāo)準(zhǔn)化和確定性。這就是在數(shù)字化系統(tǒng)不發(fā)達(dá)時(shí),很多企業(yè)倡導(dǎo)的“凡事有流程、每個(gè)環(huán)節(jié)有標(biāo)準(zhǔn)”。
第四個(gè)階段是可量化期。隨著數(shù)字化辦公系統(tǒng)和信息化的逐漸深入,企業(yè)的很多業(yè)務(wù)數(shù)據(jù)、運(yùn)營數(shù)據(jù)、財(cái)務(wù)數(shù)據(jù),甚至企業(yè)的管理,都開始進(jìn)入了數(shù)字化,企業(yè)所有的商業(yè)運(yùn)轉(zhuǎn)都進(jìn)入了可量化的時(shí)期。
第五個(gè)階段是持續(xù)優(yōu)化期,這個(gè)時(shí)期,企業(yè)的運(yùn)營人員可以從大規(guī)模的報(bào)表中解放出來,業(yè)務(wù)部門提出需求,運(yùn)營部門可以直接在數(shù)字化平臺(tái)上自動(dòng)產(chǎn)生報(bào)表,自動(dòng)化的過程極大提升了原來報(bào)表的制作效率,并提出新的業(yè)務(wù)需求重新循環(huán)。
從上述五個(gè)階段來看,通過數(shù)據(jù)分析理解企業(yè)運(yùn)行的本質(zhì)主要是在第四階段之后,當(dāng)企業(yè)的運(yùn)營和管理開始步入可量化期后,企業(yè)管理者就可以根據(jù)報(bào)表,清晰的看到營收、利潤、成本等核心項(xiàng)目的來源以及變化情況。眾所周知,這些報(bào)表跟數(shù)據(jù)指標(biāo)的拆解有很重要的關(guān)系,比如營收就可以拆解為客單價(jià)、進(jìn)店關(guān)注人數(shù)、轉(zhuǎn)化率、復(fù)購率等因素相乘,所謂圍繞著這些因素,企業(yè)管理者和不同的運(yùn)營部門之間,又可以構(gòu)建指標(biāo),從而促進(jìn)核心項(xiàng)目的增長,由此,便形成企業(yè)的數(shù)據(jù)指標(biāo)體系。
當(dāng)然,現(xiàn)有的報(bào)表并非數(shù)據(jù)分析的終點(diǎn),而是新的起點(diǎn)。BI佐羅認(rèn)為,由于企業(yè)在不同階段、不同發(fā)展期,其核心的目標(biāo)和關(guān)注點(diǎn)并不完全相同,在不同的戰(zhàn)略階段內(nèi),企業(yè)會(huì)不斷訂立新的“北極星”指標(biāo),對應(yīng)的數(shù)據(jù)指標(biāo)體系也需要不斷的升級和改進(jìn)。
由此可見,商業(yè)數(shù)據(jù)分析師可以通過企業(yè)的數(shù)據(jù)報(bào)表,分析當(dāng)下企業(yè)運(yùn)作和戰(zhàn)略的內(nèi)在邏輯,建立完善的指標(biāo)體系,將企業(yè)運(yùn)轉(zhuǎn)的情況盡快的展現(xiàn)出來,為企業(yè)未來的發(fā)展、轉(zhuǎn)型等變革提供方向支持。那商業(yè)數(shù)據(jù)分析師或者企業(yè)運(yùn)營者如何選擇數(shù)據(jù)分析工具呢?帆軟的產(chǎn)品又有哪些亮點(diǎn)呢?
帆軟的順勢而為
在實(shí)際的數(shù)據(jù)分析過程中,很多企業(yè)用的最多的工具可能就是Excel了,國外用微軟的excel,國內(nèi)的產(chǎn)品就是WPS,也有很多數(shù)據(jù)分析和商業(yè)智能的軟件工具,比如:微軟的Power BI、帆軟的FineBI等,都說“工欲善其事,必先利其器”。企業(yè)究竟該如何選擇這些工具呢?BI佐羅認(rèn)為,每個(gè)工具都有自身的適應(yīng)環(huán)境和場景,并沒有絕對的好壞,也沒有特別的短板。數(shù)據(jù)分析師在解決問題時(shí),往往是根據(jù)問題和場景的需要做選擇,而非根據(jù)單一的工具應(yīng)對所有場景。
在很多人的印象中,總有一種“外來的和尚好念經(jīng)”的偏見,其實(shí)在BI的工具上,帆軟的BI產(chǎn)品更了解中國的市場需求,同時(shí)在功能上,也會(huì)有獨(dú)特的優(yōu)勢。作為行業(yè)的“老兵”,基本市面上的主流工具都用的BI佐羅,在使用FineBI時(shí)也有不少功能讓他感到亮眼。
首先是個(gè)人版與企業(yè)版完全一樣,不需要重新適應(yīng)。個(gè)人使用的產(chǎn)品與企業(yè)版本的產(chǎn)品完全一樣,自己沉淀、積累的工具等,可以很快的應(yīng)用到企業(yè)中,降低了使用者的門檻和學(xué)習(xí)成本。
其次,帆軟的FineBI中有很多行業(yè)案例、職能案例和功能案例,這些案例可以幫助運(yùn)營人員參考同行業(yè)的例子,也可以看相同功能下的多種花樣,這個(gè)功能實(shí)際上給使用者提供了快速學(xué)習(xí)和入手的方式,借鑒他人的經(jīng)驗(yàn),站在別人的肩膀上發(fā)展。
第三是函數(shù),在FineBI中,強(qiáng)大的函數(shù)功能使得它成為“最亮的仔”,尤其是動(dòng)態(tài)生成維度的def函數(shù)。BI佐羅認(rèn)為,函數(shù)功能的出現(xiàn),其實(shí)是給用戶提供了一種可能性,使得他們可以探索高級自助商業(yè)智能,這個(gè)功能是FineBI的核心特色。
當(dāng)然,除了上面的三個(gè)亮點(diǎn),帆軟產(chǎn)品的亮點(diǎn)還有很多,比如包括地圖在內(nèi)的輔助資源,使得產(chǎn)品在功能細(xì)節(jié)上非常實(shí)用、易用。
當(dāng)被問到為什么選擇申請帆軟MVP時(shí),他說了三方面的原因。首先,F(xiàn)ineBI是一套有原創(chuàng)思想的國內(nèi)領(lǐng)先BI產(chǎn)品,能夠?yàn)樵摦a(chǎn)品的進(jìn)化和演化做出貢獻(xiàn)并幫助更多國人使用自主研發(fā)的BI是一件有巨大意義的事情;其次,商業(yè)智能工具的使用是極度靈活的,如何更好地利用技術(shù)工具的最佳方法的探索可以幫助的更多企業(yè)和個(gè)人,是有意義和快樂的事;第三,將FineBI的技術(shù)能力與社區(qū)更多企業(yè)個(gè)人的實(shí)際問題和工作融合,升華出更多創(chuàng)新,也是很有意義和價(jià)值的。
因此,他非常愿意在帆軟,尤其是FineBI的生態(tài)中,做出深度研究和幫助支持更多個(gè)人與企業(yè),同時(shí)獲得個(gè)人的成長。在優(yōu)秀的平臺(tái)上成就學(xué)員、成就客戶企業(yè)、成就自己,同時(shí)也成就了平臺(tái)本身,或許這就是BI佐羅內(nèi)心不斷前行、積極分享的動(dòng)力來源。
理解數(shù)據(jù)、走出數(shù)據(jù)
在擁有了強(qiáng)大的產(chǎn)品和工具之后,企業(yè)管理者對于數(shù)據(jù)的理解越來越深入,但同時(shí)也會(huì)越來越依賴數(shù)據(jù),一旦對數(shù)據(jù)分析產(chǎn)生依賴,也容易影響到企業(yè)的決策。最近10年,企業(yè)的數(shù)字化或數(shù)智化變革越來越深入,除了互聯(lián)網(wǎng)企業(yè)外,越來越多的傳統(tǒng)行業(yè)也開始數(shù)字化轉(zhuǎn)型,企業(yè)在完善了數(shù)字化的系統(tǒng)、技術(shù)之后,管理者開始體驗(yàn)到數(shù)據(jù)報(bào)表輔助決策帶來的重要性,很多管理者甚至對數(shù)據(jù)產(chǎn)生了依賴,任何決策都要看數(shù)據(jù)、分析數(shù)據(jù),從數(shù)據(jù)出發(fā)定目標(biāo),公司的各個(gè)部門開始圍繞著各自的指標(biāo)運(yùn)轉(zhuǎn),以求數(shù)字達(dá)到領(lǐng)導(dǎo)的滿意。
不得不說,在數(shù)字化程度越來越高的企業(yè)中,各個(gè)部門的運(yùn)營數(shù)據(jù)的確為管理者進(jìn)行企業(yè)決策帶來不少的便利,增加了決策的科學(xué)性,但是BI佐羅也提醒到,企業(yè)管理者需要“理解數(shù)據(jù),走出數(shù)據(jù)”。
很多商業(yè)數(shù)據(jù)分析師都會(huì)強(qiáng)調(diào)數(shù)據(jù)分析的重要性,在真實(shí)的商業(yè)場景中,其實(shí)BI并非很重要。BI佐羅認(rèn)為,一家企業(yè)的BI系統(tǒng)即使短時(shí)間內(nèi)宕機(jī),它實(shí)際上并不會(huì)給企業(yè)帶來直接的損失,或者直接影響企業(yè)的業(yè)務(wù)運(yùn)轉(zhuǎn),因此從這個(gè)角度看,BI系統(tǒng)本身并沒有嵌入到企業(yè)經(jīng)營中,它天生就是輔助管理者做決策。
而且BI系統(tǒng)非常有趣的是,雖然不涉及經(jīng)營,但企業(yè)又不能沒有它,因?yàn)樗梢宰屍髽I(yè)管理者理解數(shù)據(jù),可以更加清晰的讓管理者看到企業(yè)發(fā)展背后的商業(yè)鏈條、各部門的運(yùn)轉(zhuǎn)情況,從而能從更高的位置俯看企業(yè)的經(jīng)營。當(dāng)然,BI系統(tǒng)能發(fā)揮多大的價(jià)值,更多的取決于使用者的水平,如果使用者的商業(yè)分析能力強(qiáng),便可以讓BI系統(tǒng)發(fā)揮更大的價(jià)值。
管理者在通過BI系統(tǒng)理解數(shù)據(jù)之后,接下來其實(shí)需要從數(shù)據(jù)中“走出來”。BI佐羅認(rèn)為,企業(yè)的生意是被做出來的,不是被分析出來的。舉例來說,臨近年底,很多企業(yè)都會(huì)制定明年的目標(biāo),有的CEO可能會(huì)說根據(jù)去年前年數(shù)據(jù)的趨勢,明年的目標(biāo)應(yīng)該定一個(gè)比較合理的目標(biāo),但真正的CEO會(huì)直接確定明年的目標(biāo),然后帶頭干,這個(gè)目標(biāo)從BI的角度來看可能無法實(shí)現(xiàn),因?yàn)橥ㄟ^BI的分析,這個(gè)目標(biāo)不應(yīng)該產(chǎn)生,但是企業(yè)管理者就是應(yīng)該打破分析,目標(biāo)應(yīng)該是努力做到的。
因此,不難看出,BI系統(tǒng)對企業(yè)來說就是一個(gè)“副駕駛”,它的好處是可以在行駛過程中提供“導(dǎo)航”,但是它不具有人類本身的商業(yè)的洞察力和敏感度,管理者要控制數(shù)字,而不是被數(shù)字、數(shù)據(jù)、報(bào)表裹挾,商業(yè)本身是有風(fēng)險(xiǎn)的,風(fēng)險(xiǎn)越大,收益越大,而人最大的能力和智慧就是在于借助方法和工具駕馭風(fēng)險(xiǎn)、創(chuàng)造機(jī)會(huì)。
AI時(shí)代,數(shù)據(jù)分析師保住“飯碗”
除了B端企業(yè)在近幾年的數(shù)字化轉(zhuǎn)型過程中遇到不少難題之外,不少數(shù)據(jù)分析師自今年以來,也開始對崗位未來的發(fā)展充滿迷茫和擔(dān)憂。
最近一年,ChatGPT的“爆火”以及其他AIGC大模型的出現(xiàn),讓各行各業(yè)的從業(yè)者感受到“被取代”的壓力。AIGC可以根據(jù)數(shù)據(jù)畫圖表、做分析、寫代碼等,效率極高。不少數(shù)據(jù)分析的從業(yè)者可能也會(huì)擔(dān)心自己的工作未來會(huì)被取代,但是,BI佐羅認(rèn)為,AIGC目前仍然是“副駕駛”,很難成為數(shù)據(jù)分析行業(yè)的“主駕駛”。
BI佐羅首先從數(shù)據(jù)的范疇出發(fā),詳細(xì)介紹了他的思考。他認(rèn)為,大數(shù)據(jù)從廣泛的角度可以分為三類:一類是以統(tǒng)計(jì)學(xué)、數(shù)理統(tǒng)計(jì)為基礎(chǔ)的、具有連續(xù)性的科學(xué)數(shù)據(jù),偏向于科學(xué)研究的范疇;第二類是機(jī)器的傳感器、互聯(lián)網(wǎng)為代表的產(chǎn)生的海量數(shù)據(jù),這類數(shù)據(jù)更多的是從數(shù)據(jù)本身出發(fā),分析和挖掘數(shù)據(jù)的特點(diǎn),從而進(jìn)行圖像識(shí)別、音頻識(shí)別、機(jī)器學(xué)習(xí)等研究,偏向于大數(shù)據(jù)的范疇;第三類是介于前兩者之間,是重復(fù)發(fā)生的商業(yè)事件產(chǎn)生的數(shù)據(jù),比如:一個(gè)個(gè)的訂單數(shù)據(jù)、用戶注冊數(shù)據(jù)、庫存數(shù)據(jù)等,基于這些結(jié)構(gòu)化的數(shù)據(jù)分析是商業(yè)數(shù)據(jù)分析師的范疇。
從商業(yè)數(shù)據(jù)分析師所處理的數(shù)據(jù)范疇來看,數(shù)據(jù)之間的商業(yè)邏輯關(guān)聯(lián)性非常強(qiáng),它對分析者的邏輯思維、商業(yè)洞察要求較高,并非只是畫圖表。而AIGC本身的原理是一個(gè)大模型,它是根據(jù)文本做后面內(nèi)容的預(yù)測或概率的計(jì)算,從而生成相關(guān)的內(nèi)容。從這個(gè)底層邏輯看,除非天然存在某些數(shù)據(jù)可以訓(xùn)練它的邏輯、商業(yè)敏感性,否則AIGC很難取代商業(yè)數(shù)據(jù)分析師。目前來看,商業(yè)數(shù)據(jù)分析本身的邏輯鏈條越來越復(fù)雜,所以BI佐羅認(rèn)為,AIGC很難取代商業(yè)數(shù)據(jù)分析師,但是它可以幫助分析師判斷方向、判斷邏輯。
換言之,商業(yè)數(shù)據(jù)分析師的核心競爭力并不僅僅是技術(shù),更應(yīng)該是商業(yè)邏輯的分析和洞察,而商業(yè)邏輯的洞察并非單純從報(bào)表上觀察,更重要的是從實(shí)踐中不斷積累、沉淀、升華,數(shù)據(jù)分析師只有更貼近業(yè)務(wù)本身,理解業(yè)務(wù)的復(fù)雜關(guān)系,不斷的打造核心競爭力,才能不陷入工具,在行業(yè)和企業(yè)中保持領(lǐng)先;反之,僅僅流于表面的做做圖,同環(huán)比,則真的存在保住“飯碗”的風(fēng)險(xiǎn)。
無論是數(shù)字化轉(zhuǎn)型中的企業(yè)還是數(shù)據(jù)分析師,數(shù)據(jù)是基礎(chǔ),商業(yè)智能是工具,企業(yè)和個(gè)人真正需要做的是對商業(yè)、業(yè)務(wù)本身的不斷深入理解和洞見,并在框架和方法之下選擇工具組合,輔以達(dá)成商業(yè)目的。
來源:數(shù)據(jù)猿
刷新相關(guān)文章
我要評論
不容錯(cuò)過的資訊
-
1零跑汽車聯(lián)合創(chuàng)始人、總裁吳保軍已離職;
-
2Ant Group established AI innovatio
-
3馬云蔡崇信大幅增持阿里巴巴;螞蟻集團(tuán)成
-
4【年度重磅】榜單獎(jiǎng)項(xiàng)+線下論壇+3.0產(chǎn)
-
5開年并購第一案!清華同方19億賣身,買主
-
6《2023中國數(shù)據(jù)智能產(chǎn)業(yè)圖譜3.0版》重磅
-
7Xu Lingjie, co-founder of the c
-
8聯(lián)合創(chuàng)始人離職,零跑汽車能力為何總是被
-
9The cooperation between Huawei and
-
10三年不見了二萬億港元!美團(tuán)破發(fā),王興慌
大數(shù)據(jù)企業(yè)推薦more >
大家都在搜
