在数字智能时代，数据能力已经成为管理者的基本能力，成为其胜任未来管理岗位和晋级领导岗位的必需能力。管理者的数据能力水平决定着其在企业中所能够胜任的层级。提升管理者的数据能力成为企业数字化转型的关键举措之一。本书主要介绍了企业管理者所需要具备的数据能力，包括管理者的数据能力维度与4M 模型、数据思维能力、数据管理能力、数据体系化场景的应用能力、数据分析能力、数据领导能力。撰写本书的目的是让管理者掌握企业数据基本管理和应用之道，利用数据赋能管理，让管理可见、过程可控、结果可达。

序言 数字化转型——已经发生的未来！ 几年前，我们认为，数字化转型是未来发展的趋势；而现在，我们看到，数字化转型已真正成为企业发展的驱动力。数字化转型不是企业战略的选答题，而是企业战略的必答题。 数字化转型是正在进行的一场任何企业都不可避免的深刻变革，任何组织或个人都应该深度参与。在这场变革中，只有两个结果：一个是抓住趋势，再造优势；另一个是视而不见，“逝”而衰退。 那么，到底应该如何开启企业数字化转型？ 数字化转型作为一场深刻的变革，其背后是管理者及全员思维与技能的蜕变，是企业文化的蜕变。所以，企业数字化转型，首先是管理者的数字化转型，进而推动全员的数字化转型。 我们在帮助企业进行数字化转型的过程中，发现很多企业的数字化转型要么观望徘徊，要么浮在表面，未达成预期的目标和效果。究其原因，症结在于企业将数字化转型寄希望于某个人、某个团队或某个部分。而事实上，数字化转型需要每一个部门的参与，以及各个部门之间的联动与协同，需要每一个企业员工在意识、思维、行为与能力上的转变，以支撑和完成数字化转型。 其中，高层管理者更需要具备基本的数字化素养，明确企业愿景，制定战略，设计总体方案，并推动方案的执行和落地。否则就会出现现在的一些普遍现象：高层管理者缺乏数字意识，对企业数字化战略不清楚，没有可落地的执行方案，不具备推进数字化转型的领导变革技能。而执行层需要根据战略分解任务，使部门工作、岗位工作成为战略的落脚点。每一项工作的完成，都是对整体战略落地的推进，而这需要执行层具备足够的数字意识、思维和能力，否则同样会出现一些问题：虽然具备大量的数据，但是不会分析使用；虽然进行了一些分析，做了一些尝试，但是为了分析数据而分析数据，做了大量工作却没有产生具有业务价值的解决方案。另外，IT 人才需要转变为DT 人才，能够从战略和业务上设计技术架构、提供技术支撑，从而用好数字技术，创造业务价值，实现绩效增长。 所以，实现企业的深度数字化转型，需要全员的参与和转变。在这个转型的过程中，首先是管理者的数字化转型，建立数据思维，掌握数据能力，并作为数字化导师，示范、引领和推动全员的数字化转型。正如领导力变革大师诺埃尔?蒂奇所说：“在组织中的任何层级上，一个人要想成为领导者，必须是一个导师。如果你不是在引导别人，你就不是在领导。” 在数字化转型实践中，描绘愿景、设计战略、创新商业模式、规划实施阶段与路径等，自然都是必要的。但是，对员工而言，他们更加相信的不是管理者说了什么，而是管理者做了什么。 只有管理者在学习、在改变，员工才会相信这次的变革是真的，不是说说而已；只有管理者走出舒适区，勇敢地改变自己、突破自己，员工才会得到激励和鼓舞；只有管理者言行一致，让自己的改变与行为体现数字化转型的愿景、战略、商业模式、路径等，员工才会对转型宣言信以为真。管理者的改变有多大，员工感受到的企业进行数字化转型的决心就有多大。 亚马逊是实施数字化管理尤为著名的企业。其创始人杰夫?贝佐斯极为关注数据，一切用数据说话，对于那些不基于数据提出的建议，他从来都置之不理。一位员工曾提议开展显示广告业务，杰夫?贝佐斯直接说那是他听过的最愚蠢的建议。为什么？因为这项建议不是建立在数据基础之上的。而在这位员工亮出数据之后，杰夫?贝佐斯才接受，由此有了亚马逊最赚钱的业务之一。正是因为杰夫?贝佐斯对数据的关注，身体力行，才有了亚马逊的数据文化。在亚马逊，每件事都有其衡量标准，包括财务、人力资源、运营等方面。亚马逊的选址模型涉及282个因素，年度业绩目标包括452 个指标（2010 年），杰夫?贝佐斯每天需要看的第三方平台的图书品类业务的数据指标多达25 页。可以说，亚马逊的成功完全得益于管理者的引领和身体力行。 管理者及全员均需要一门体系化、规范化、科学化、实用化、系列化的数据化管理课程——知道应该学习哪些数据化管理的思维、技能、工具等，并且能够学得会，用得上，真正支撑数字化转型；能够循序渐进地展开学习，每位管理者和员工都可以在能力测评的基础上，明确差距在哪里、从哪里学习，以及如何不断升级，最终成为卓越的数字化人才。 作者撰写本书，目的是让管理者掌握企业数据的基本管理之道，具备引领企业数字化转型的数据能力，利用数据赋能管理。作者花费了大量心血，以“管理者数据能力晋级”为核心，构建了系统的“数据化”知识体系，使本书值得深入研读、细细品味、认真收藏。 张贵林 中关村数字经济产业联盟理事长 前言 2019 年11 月，笔者撰写的《数字蝶变：企业数字化转型之道》终于出版了。现在更多的企业实现了员工在线、业务在线、客户在线、产品在线和服务在线，业务和管理活动的在线化为企业沉淀了大量的数据，对这些数据进行分析、挖掘和应用成了很多管理者面临的新课题。拥有数据能力的管理者能够利用“在线化”所沉淀的数据，发现管理问题，改善业务问题，甚至推动企业业务创新。 现在，越来越多的企业迈出了数字化转型的第一步。企业的数字化转型为企业装备了越来越全面的数字智能硬件和信息化系统软件，无论是数字智能硬件，还是信息化系统软件，都采集和存储了大量的数据。对这些数据进行分析、挖掘和利用，成为管理者面临的新课题，对个人能力也提出了新的要求。 如今，我们进入数字智能时代，善于管理数据、分析数据和运用数据是企业各层级的管理者做好管理工作的基本功。 自2018 年开始，笔者就同几个教育平台合作，开始讲授“管理者的数据能力晋级”课程。通过该课程，学员能够学习并掌握一套日常经营管理中管理数据、分析数据和运用数据的方法。该课程自开课后，一直受到学员好评，并且吸引了更多的学员来上课。越来越多的企业开始进行数字化转型，这对各层级管理者的数据能力要求越来越高、越来越迫切。在授课的过程中，很多学员反映需要课后好好回顾和应用课程内容，希望能够有一本可持续使用的参考书，以便在工作中随时查阅。于是，笔者萌生了将该课程的内容撰写为图书的想法。一方面，通过对图书的撰写，笔者能够把很多的知识和内容再一次升华，给学员带来更详尽的指导。另一方面，笔者也能够借助图书向更多的人传播数据管理、数据分析和数据应用的知识和方法。毕竟能够参加线下课程的人相对来说较少，也受限于开课频次与课堂座位数量，不能让更多的人受益。 本书以“管理者的数据能力晋级”课程的内容为核心，构建了更系统的知识体系，为企业各层级管理者提供了一套系统性的方法，帮助他们更好地利用企业数据资产，挖掘数据价值，赋能企业的经营和管理决策。 受限于笔者的知识、技能或经验，本书必有很多不足之处，欢迎各位读者批评、指正，也欢迎广大读者分享更多的知识、方法和案例。

目录 第1 章 数据能力已经成为管理者的基本能力 / 001 1.1 数字智能时代的新趋势 / 002 1.1.1 算法正在改变世界 / 002 1.1.2 数字孪生共生机制 / 005 1.2 管理者的数据能力成为关键竞争要素 / 007 1.2.1 DT 与IT 有着本质的区别 / 007 1.2.2 DT 在迭代中升级 / 009 1.2.3 DT 的本质是认知技术、思考技术和决策技术 / 010 1.2.4 数据资产管理与应用是数字化转型的技术关键 / 013 1.3 管理者的数据能力是企业数字化转型的关键 / 019 1.3.1 传统企业管理者的数据能力较弱 / 019 1.3.2 数据人才培养学科不健全 / 021 1.3.3 数据人才成为稀缺人才 / 021 1.3.4 数据人才自主培养成为企业首选方案 / 022 1.4 数据能力的背后是思维模式 / 023 1.4.1 从专业知识到实践需要一个长期的过程 / 023 1.4.2 数据能力是一项实践性非常强的能力 / 024 1.4.3 测一测你对数字化转型和数据化管理的认知程度 / 024 第2 章 管理者的数据能力维度与4M 模型 / 027 2.1 数据价值挖掘和数据能力 / 027 2.1.1 数据用于回答“发生了什么” / 027 2.1.2 数据用于回答“为什么发生” / 028 2.1.3 数据用于回答“将要发生什么” / 028 2.1.4 数据用于回答“应该怎么做” / 029 2.2 管理者的数据能力 / 032 2.2.1 不同时代对管理者数据能力的要求不同 / 032 2.2.2 新时代对管理者数据能力的要求 / 034 2.2.3 管理者数据能力4M 模型 / 036 2.3 管理者数据能力4M 模型之M1（Mind）：数据意识与数据思维 / 038 2.3.1 数据意识：对数据价值和意义的识别 / 038 2.3.2 数据意识模型 / 039 2.3.3 数据思维：利用数据模拟人类的认知模式 / 042 2.3.4 先有数据意识，后有数据思维 / 044 2.4 管理者数据能力4M 模型之M2（Methods）：数据分析方法 / 045 2.4.1 数据分析方法是数据掘金的工具 / 045 2.4.2 数据分析方法是认知世界的思维模式 / 045 2.4.3 数据分析方法需要总结和沉淀 / 046 2.5 管理者数据能力4M 模型之M3（Mastery）： 数据工具 / 047 2.5.1 每一个管理者都需要数据工具 / 047 2.5.2 数据工具正在不断进化 / 048 2.5.3 工具永远是工具，替代不了思想 / 049 2.5.4 熟练掌握一种适合自己的工具 / 050 2.5.5 测一测你的Excel 工具操作能力 / 051 2.6 管理者数据能力模型之M4（Move On）：数据应用 / 052 2.6.1 数据应用是一个复杂的系统工程 / 052 2.6.2 数据应用需要复合能力 / 053 2.6.3 变革推动力是数字化转型的核心动力 / 054 第3 章 数据思维能力晋级 / 055 3.1 数据思维与数据思维训练 / 055 3.1.1 什么是数据思维 / 055 3.1.2 常用的数据思维 / 056 3.1.3 数据思维衍生的数据分析方法和算法 / 056 3.2 对比思维模式 / 056 3.2.1 对比三要素 / 057 3.2.2 对比客体的设定 / 057 3.2.3 对比维度的选择 / 059 3.2.4 从被动到主动：主动识别和主动设计 / 062 3.3 分类思维模式 / 062 3.3.1 单维度分类分析方法 / 064 3.3.2 双维度矩阵分类分析方法 / 066 3.3.3 三维度魔方分类分析方法 / 070 3.3.4 多维度分类分析方法 / 072 3.4 关系思维模式 / 73 3.4.1 事物之间存在的四种关系 / 073 3.4.2 企业经营和管理决策中的y =f (x )关系 / 074 3.4.3 不确定的因果关系案例 / 076 3.5 解构思维模式 / 079 3.5.1 解构思维模式：一种强大的思维模式 / 079 3.5.2 解构思路：决定分析思路 / 080 3.5.3 解构的四种方法 / 082 3.5.4 解构的原则：相互独立，完全穷尽（MECE 原则） / 087 3.5.5 解构的工具：思维导图 / 087 3.6 过程思维模式 / 089 3.6.1 过程思维模式：重点在于过程管理 / 089 3.6.2 事物的发展都有一个过程：探索背后的规律 / 089 3.6.3 目标的达成需要一个有效的过程：研究做事的方法 / 094 3.6.4 企业的管理需要一套有效的流程：让成功可复制 / 096 3.6.5 过程思维在数字化流程中的应用 / 099 第4 章 数据管理能力晋级 / 101 4.1 数据基础知识 / 102 4.1.1 数据的概念 / 102 4.1.2 主数据管理 / 102 4.1.3 交易数据管理 / 106 4.1.4 元数据管理 / 109 4.1.5 数据质量管理 / 110 4.1.6 数据结构管理 / 117 4.1.7 数据资产管理 / 119 4.2 建立数据管理标准和规范数据质量管理 / 121 4.2.1 企业常见的数据问题 / 121 4.2.2 梳理数据需求 / 125 4.2.3 诊断数据质量 / 127 4.2.4 建立数据管理标准 / 129 4.2.5 规范数据质量管理 / 132 4.3 数据综合治理 / 135 4.3.1 什么是“数据孤岛” / 136 4.3.2 打通数据 / 138 4.3.3 数据综合治理体系 / 141 4.3.4 数据安全管理 / 144 4.4 业务流程数字化建设 / 147 4.4.1 业务流程数字化再造 / 147 4.4.2 数据源自业务流程，又服务于业务流程 / 148 4.4.3 业务流程数字化是数据采集的基础源头 / 149 4.4.4 业务流程数字化建设的基本思路和方法 / 152 4.4.5 敏态业务流程与动态数据采集 / 155 4.5 新型数据技术体系建设 / 158 4.5.1 数字化不是信息化 / 158 4.5.2 数字化转型所要求的信息化 / 159 4.5.3 反向伺服与反向控制体系构筑闭环 / 161 4.5.4 以数据资产管理为中心 / 163 4.5.5 数字化转型的七层技术架构 / 165 4.6 数据中台建设 / 172 4.6.1 “组织三台”与“数据三台”的概念 / 173 4.6.2 数据中台提供的数据服务 / 176 4.6.3 数据中台的意义与价值 / 181 4.6.4 数据中台的建设是一个过程 / 183 第5 章 数据体系化场景的应用能力晋级 / 185 5.1 企业数据化管理应用场景的规划和设计 / 185 5.1.1 从数据的四层价值中寻找应用场景 / 185 5.1.2 价值导向：提效+创新 / 187 5.1.3 服务于业务：管理预警与管理导航 / 191 5.1.4 回归现实：体系化调研与场景设计 / 193 5.2 业务流程数字化管理 / 198 5.2.1 用数据技术替代人工 / 199 5.2.2 数据表征流程节点绩效 / 201 5.2.3 数据赋能业务流程决策 / 202 5.2.4 算法导航业务流程活动（替代人脑） / 203 5.2.5 在线化算法提效管理决策 / 206 5.3 企业数据化管理的体系化晋级 / 207 5.3.1 业务流程数字化 / 208 5.3.2 数据指标化管理 / 212 5.3.3 应用指标可视化看板 / 213 5.3.4 数据指标标准化与目标管理 / 214 5.3.5 数据模型化管理 / 215 5.3.6 决策规范化管理 / 217 5.3.7 智慧化管理晋级 / 218 5.4 数据指标化管理 / 220 5.4.1 理解数据指标 / 220 5.4.2 数据指标梳理的三种方法 / 223 5.4.3 数据指标化管理体系构建七步法 / 225 5.4.4 数据指标标准建设 / 233 5.4.5 动态数据指标管理 / 234 5.5 管理者驾驶舱建设 / 235 5.5.1 管理者驾驶舱是一种管理方式创新 / 235 5.5.2 搭建管理者驾驶舱 / 239 5.5.3 管理者驾驶舱的数据技术体系 / 243 5.5.4 推动管理者驾驶舱落地 / 244 5.6 企业数据化管理升级 / 247 5.6.1 推动数据化管理建设的四个关键成功要素 / 247 5.6.2 数据化管理升级的四条主线 / 249 5.6.3 数据化管理升级实施的常见困难 / 251 5.6.4 数据化管理升级的项目管理十要素 / 253 第6 章 数据分析能力晋级 / 263 6.1 数据的四层价值 / 263 6.1.1 发生了什么 / 263 6.1.2 为什么发生 / 264 6.1.3 将会发生什么 / 264 6.1.4 应该怎么做才好 / 265 6.2 企业经营管理中基本的数据分析方法 / 265 6.2.1 数据可视化本身就是数据分析 / 266 6.2.2 数据指标的五种常规对比分析 / 269 6.2.3 面对数据表可做的分析 / 273 6.2.4 提升常规数据分析的敏捷性 / 283 6.3 企业经营管理中常用的数据分析方法 / 284 6.3.1 对比分析方法 / 285 6.3.2 分类分析方法 / 285 6.3.3 关系分析方法 / 289 6.3.4 预测分析方法 / 290 第7 章 数据领导能力晋级 / 302 7.1 数据可视化表达 / 302 7.1.1 事物对比 / 302 7.1.2 组分对比 / 303 7.1.3 关系对比 / 304 7.1.4 时序对比 / 305 7.1.5 频布对比 / 306 7.1.6 误导视觉结论的方法 / 306 7.2 数据图表解读方法 / 308 7.2.1 看差异、看变化 / 308 7.2.2 看结构、看特征 / 308 7.2.3 看趋势、看规律 / 309 7.2.4 看关系、看关联 / 311 7.3 数据分析报告 / 313 7.3.1 唯一原则 / 313 7.3.2 完整原则 / 314 7.3.3 总分结构原则 / 315 7.3.4 精简原则 / 316 7.3.5 确定原则 / 316 7.3.6 主线原则 / 318 7.3.7 结论原则 / 318 7.4 用数据分析解决问题的七步法 / 319 7.4.1 问题假设 / 320 7.4.2 解构根本原因 / 320 7.4.3 收集数据 / 321 7.4.4 分析数据 / 322 7.4.5 洞察管理 / 322 7.4.6 设计方案 / 323 7.4.7 采取行动 / 324 后记 未来管理者的能力展望 / 325