我們試圖從未來著眼，基于對數據驅動趨勢發展的研判，對這些問題給出答案。
趨勢一：數據驅動企業經營管控模式升級，用數據治理企業
在傳統的企業管理模式下，我們常受限于“管理半徑”與企業業務復雜度及規模之間的矛盾，加之大部分企業的內部數據質量不高及透明度低，從而使得高層很難向下管理穿透，只能依賴于人工主動發現問題并基于繁瑣的流程層層匯報以處置各類事件。然而面對日益多元化、復雜化的形勢，傳統人海戰術式的治理模式已存在瓶頸，治理成本高、效率低等，這對企業競爭力的影響是致命的，美國蘭德公司的研究表明：“世界上每100家破產倒閉的大企業中，85％是因為企業管理者的決策不慎造成的。”
“讓聽得見炮聲的人來做決策”是任正非專門研究美國特種部隊作戰總結出來的，這與傳統的企業管理模式形成了鮮明對比，然而要實現這樣的管理模式升級尤為不易，依賴傳統“能人”決策機制顯然已不再適用，我們需要一個數字化的新型經營管理體系以支撐企業的運作，更確切的說，未來應形成即時感知、科學決策、主動服務、高效運行、智能監管的企業新型治理形態。
趨勢二：從”支持決策“到”主動賦能“
過往我們對數據驅動的認知往往與”以數據為中心進行決策“這一概念重合。“以數據為中心進行決策”顧名思義就是用數據來支持決策，通過對數據的整理、抽取，將數據轉化為可讀的知識，形成分析結果，決策者根據分析報告的結果考慮并決定決策結果，最終決策由人做出。以數據為中心進行決策，人為決策的本質未變，即使按照“僅依靠數據、不依靠經驗和直覺去決策”的原則去要求決策者，但決策者作為個人的局限性仍無法避免。而且，隨著數字化時代環節日趨復雜多變，高頻次決策和動態調整的需求越來越多，僅以數據為中心的決策方式難以應對快速精準決策需求；同時，仍舊打不破企業業務流程環節多、決策鏈條長、信息不對稱等傳統決策模式下存在的問題；此外，沒有完全體現當下自動化智能化的發展趨勢，在這種定位下，數據驅動所帶來的效率和價值都會大打折扣。
未來，隨著AI技術的深入應用和人機協同工作方式的普及化和深度化，企業自動化、智能化程度大幅提升，“人找數”將越來越多地轉變為“數找人”，機器能夠基于對數據的收集、治理、加工、處理、洞察開展主動預警、自動化智能決策甚至是自動化業務執行等服務，主動推動決策和業務發展，充分釋放數據價值。
趨勢三：從數據“驅動決策”到同時驅動“業務自動化執行”
在技術如此強大，數據如此豐富的今天，數據驅動決策已有一定局限性。因為“好的決策”不僅依賴于高質量的統計分析報告，更依賴于報告使用者的能力，需要具備特定經驗的人依據報告的內容去發現規律，從而進行決策。
但近幾年隨著數字化技術的不斷突破，“統計分析報告+能人經驗”的決策模式不再匹配當下時代的競爭，而需要基于“數據+規則/算法”直接驅動業務更高效執行，因此大家開始關注數據如何直接驅動業務執行，隨之而來的是自動化和智能化運營新場景應用開始興起。以某農牧公司為例：受客戶流失問題的影響，該公司每年都要花費大量成本開拓新市場新客戶。但即便如此，每年也依然有大量的老客戶流失，導致業務增長異常緩慢。更大的問題是：該公司往往都是在客戶流失之后，才能基于一段時間無交易這一現實，開展動因分析和制定對策。即使花費了大量的營銷成本試圖贏回客戶，卻往往是亡羊補牢，為時過晚。與此同時，近年來，該公司借助社交和交易的線上化平臺，積累了大量客戶數據。基于這些數據，這家企業開展基于客戶行為數據的分析，以提前預警客戶流失風險。對于有流失風險的客戶，系統直接通知業務員采取事前行動，并提供行動的標準業務動作，取得了很好的效果。在這個例子中，該農牧公司基于數據發現問題，提出預警并直接驅動采取相應的行動，是數據驅動價值實現的典型表現。
趨勢四：從服務決策層到服務所有用戶
數字化時代，隨著企業管理的重心從以“控制和命令”為核心的威權式管理向以“服務和指導”為核心的賦能式管理轉變，企業內部從決策層、管理層到執行層的各層級人員都面臨更大的挑戰。決策層希望能感知到全局的經營情況，構建敏銳的洞察規劃能力，開展數字化的定量決策或基于算法的智能輔助決策。中層管理者希望能夠實時感知到業務全過程，能更快甚至預判業務開展過程中存在的風險及問題，基于業務標準化及規則開展透明化過程可視結果可控的管理。執行層被賦予了更大的自主權和決策權，希望能夠協同更高效的數字化能力，基于透明的數據及規則體系自驅執行，讓業務執行更敏捷、更主動，更精準。
基于新一代信息技術，企業的業務全過程以數據的形式被跟蹤記錄下來。數據量大幅增加，數據維度多元化，數據來源復雜化，數據實時化、標準化，數據不再只服務于高層決策。企業更希望用數據全方位地賦能企業各層級管理人員，賦能聽得見炮火的前臺人員，賦能一切需要用數據支持管理的人員。在數字化時代，企業將圍繞數據進行多維度的價值挖掘，用數據全面驅動企業經營。
趨勢五：從提供數據報表到管理場景元宇宙
區別于“以數據為中心進行決策”，數據驅動強調的不是用數據被動支撐決策，而是機器基于數據和模型主動幫助或者替代人做出決策。將數據驅動按照人對數據使用的深度逐層展開。我們認為，數據驅動的發展從呈現到融貫，有呈現、預警、建議、決策和融貫五大階段，企業開展數據驅動也將從“只呈現結果不做判斷”開展不斷升級，直到“將虛擬與實際打通”，構建起元宇宙。
呈現階段是數據驅動的起始階段，這個階段的核心是要你看見，即將數據結果呈現給用戶，只反應客觀事實，不做判斷，如數據報表。預警階段是數據驅動的初級階段，核心是助你分辨，即基于數據判斷好壞優劣，如紅綠燈、儀表盤。數據驅動的中級階段是建議，核心是幫你抉擇，即基于數據做出行動建議，如商品選擇、抖音推薦。決策階段是數據驅動的高級階段，這個階段的核心是替你決斷，即基于數據自動決策和執行，如銀行貸款。數據驅動的最高階段是融貫，核心是虛實合一，即將虛擬與實際打通，如元宇宙。
趨勢六：智能運營中心將成為數據驅動型企業的大腦及中樞
數據驅動通過自動化手段實時收集、分析相關信息，形成智能模型，基于人機協同的工作方式主動賦能科學決策、開展相關行動并形成數據反饋。在人與機器協同共生的背景下，企業基于系統將業務問題轉化為數據問題，應用AI技術提高系統的智能化水平和人機共生程度，構建起企業的一個“數字孿生”，使企業發起的每個業務需求都在平臺上形成“鏡像”，每一筆業務都留下數據痕跡。數據流與業務流相互融合，業務流不斷產生新的數據，更新數據流；數據流不斷帶來新的洞見，形成和優化決策，實時監控和指揮業務執行。在這一過程中，企業將日益成為可感知、會思考、能一體化協同執行的類人類智能體。
試想一下，人類是如何驅動出各類行為的？首先我們需要全面感知周圍的信息，基于感官收集的各類信息進行加工分析、洞察決策，在選擇好執行方案后，我們再協調手足、語言等開展執行。在執行過程中，我們可以隨時對執行情況進行監控、分析和評價，并做出改進。在整個過程中，人體最核心的中樞就是大腦，它負責采集并匯聚信息、存儲并處理信息、分析信息、預測執行結果、協同執行、開展信息反饋等。面向未來的智慧型企業，作為一個智能體，也需要這樣一個大腦中樞來進行感知、洞察、決策、協同執行和開展評價反饋。
近幾年，在數字化轉型的浪潮下，數據中臺深入人心，以數據驅動為核心的應用場景日益豐富。2021年，我們提出企業應構建智能運營中心（IOC- Intelligent Operations Center），作為面向未來的企業大腦中樞，基于數據中臺的平臺架構，開展對數據的收集、治理、處理、應用和反饋，為企業管理人員和運營人員開展決策、協調、調度、控制和應急指揮等工作提供數字化運營支撐。
它的基本架構可總結為“四個中心一個平臺”，分別是監控中心、決策中心、指揮中心、策略中心和數據平臺。
圖：智能運營中心的架構
通過監控中心，企業可以對各領域的指標進行主動監測預警及可視分析，全面描繪企業運行狀態，從宏觀到微觀，實現企業各類數據的融合貫通與直觀可視，輔助管理者從各個層面洞察企業運行狀態，提升監控力度和執行效率。通過決策中心，企業可以基于業務建模和算法分析實現在線分析和決策，構建IOC前瞻洞察及科學決策的能力。通過指揮中心，企業可以形成經營管理的協同閉環，將管理決策和任務自動下達到執行層，讓決策指令精確制導，直達痛處，形成自動運營的業務閉環。策略中心能夠將企業經營過程中積累的經營問題、策略方案、管理方法等知識進行數字化沉淀，是企業經營管理逐步走向數智化不可或缺的經驗庫。最后，數據平臺提供了數據從采集、加工、治理、資產、服務等全過程平臺能力，是企業實現數智運營管理模式的技術和數據的基礎。
隨著數字化建設的不斷推進，企業智能運營中心（IOC- Intelligent Operation Center）將會逐漸成為新型智慧企業建設的核心要素之一，是未來智慧型企業的核心基礎設施及載體。
趨勢七：企業作業標準化成為數據驅動的必然路徑
西方科學管理鼻祖泰勒的成名始于對標準化的研究；福特汽車第一條自動生產流水線源自于對各部位的標準化；可見標準化對一個企業的發展是多么重要。
企業業務標準化管理是針對以往依賴人為經驗管理的一次大飛躍。企業不斷擴張的過程，也是不斷固化、復制及迭代內部標準化的能力的過程。在數字化轉型背景下，“數據驅動執行”儼然已成為必須項，但這里有個前提是數據驅動下的執行作業結果是穩定可控可預測的，不是模糊不可控的。企業只有在業務作業變得更規范化、常規化和程序化后，在能夠通過流程、數據及規則等準確定義相關作業后，“數據驅動“下的執行結果才可預知。基于此，我們判斷，企業開展數字化轉型，實現數據驅動的進程，也是各項作業標準化的進程。數據驅動將推動企業各項作業標準化的實現。
通常作業標準化涵蓋流程標準化、數據及規則的標準化兩方面內容。
流程標準化極大提升了企業的管理水平，是企業現代化管理的基石。在新一代數字技術的加持下，企業人員在數據應用中越來越多地跨越了部門的界限、甚至跨越了企業本身的界限，廣泛使用外部數據第三方提供的數據。在這一環境下，企業如何實現部門間的協同以及產業鏈上下游的協同，都對各環節流程活動標準化提出了更多訴求。數據及規則的標準化猶如“書同文、車同軌”，各業務環節需要全連接起來共享信息，互相驅動，有統一的語言是一切的前提。
趨勢八：數據與云、AI、物聯網技術融合應用，邁入萬物智聯
依托于大數據技術，云計算、物聯網和人工智能等的融合應用，未來，數據驅動的門檻將大大降低，更多的企業將享受到數據帶來的紅利。傳統IT架構無法應對大數據環境，云計算可以降低大數據平臺的復雜性，簡化運維，靈活、可擴展地支撐數據挖掘與分析需求。物聯網技術是物理世界連接數字世界的通路，海量設備實時交互，為企業創造了一個浩瀚的數字宇宙。無論將繁瑣耗時的數據準備工作交由機器完成，或是在數據分析中應用復雜的人工智能算法，都將大幅提升數據驅動的效能。
云計算 X 數據驅動：基于云計算的大數據基礎設施，企業無需維護底層的硬件和網絡，可以大幅降低企業運維成本，同時實時掌控每臺虛擬設備的資源以及運行狀態，針對即將發生的問題提前靈活調整。在數據分析處理工作上，大量SaaS化的算法應用降低了數據驅動的門檻，企業甚至可以無需高價聘請專業的數據分析師即可完成業務上的復雜數據挖掘工作。
物聯網 X 數據驅動：在物聯網時代，一方面，隨著聯網設備數量的增加，設備數據隨之激增；另一方面，不僅實體的物正在被數字化，一些抽象的范疇也正在被數字化。在充分數字化的基礎上，物理世界潛在的價值不斷被挖掘出來。企業需要從剛性的軟件IT信息驅動模式向柔性的個性化數據驅動模式轉變。
人工智能 X 數據驅動：《決戰大數據》一書中提到：“毋庸置疑，大數據已經極大地影響了我們的社會，但還遠遠沒有達到它的爆發點……在大數據的使用上，未來的發展空間注定會比現在取得的成績更加宏大，‘數據化運營’和‘運營數據’這個數據與人之間的閉環系統也會越來越完善，人機結合仍然有巨大的空間讓我們去挖掘。”。人機共融的制造模式，將使全球技術要素和市場要素配置方式發生深刻變化，不僅將給產業機構、組織方式帶來深遠影響，還將推動傳統的供應生產線、工作模式、產業鏈的調整。
隨著云計算、物聯網、人工智能為代表的技術迅速發展和深入應用，數據會成為這些新技術彼此交織和相互作用的推進劑。數據通過多場景聯接匯聚到一起被統一分析、處理和融合，對的數據可以快速、可靠、安全地給到對的人和設備，企業通過搭載數據驅動的快車到達萬物互聯的下一站——萬物智聯。
元年研究院是依托元年科技20多年服務數千家企業的專業與技術積淀，以“推動企業管理進步”為使命，匯聚了一大批深諳企業財務管理理論，又具備豐富行業實戰經驗的專家及學者，致力于企業共享交易、數據分析等管理模塊的深度研究和數字化實踐案例提煉的研究機構。
免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。