作为现代企业管理者，每天都面临着无数的问题、报告、提案、建议等等需要去审核并做出决断，比如，公司收入增长但利润却下降，问题出在哪儿？我是否应该考虑精简机构并缩减预算？产品无法按时交货，我的销售、物流和生产团队互相抱怨，到底是谁的责任？我是否需要加大在某个产品线/区域/渠道上的投资？它对我公司的盈利性贡献是多少？如果我们提高产品的价格或改变产品组合会对我们的业务有什么影响？客户的消费习惯是什么？他们需要什么样的产品或服务？公司资金链是否安全？应收帐款的坏账风险有多大？等等等等……我们发现，很多企业的管理者在针对上述问题做出决策的过程中都面临着很大的挑战，那就是缺乏有效的数据分析来支撑他们做出理性的判断。

　　我们认为，数据在企业运营中是普遍存在的，从战略制定到目标分解，从运营执行到绩效监控，数据几乎贯穿于企业管理的整个生命链。随着时代的发展，现代企业的管理早已摆脱了靠经验和直觉做判断的落后实践，企业经营者和管理者越来越多地依赖现代信息技术和分析手段去发现经营管理中的问题、挖掘业务潜力以形成有效的决策支持和可持续竞争优势。现代企业其实并不缺数据，尤其随着“大数据时代”的来临，不断发展的信息技术为企业科学分析和决策提供了强有力的支撑，虽然大多数企业掌握的数据量还无法达到“大数据”的标准，但用于日常的决策分析已经足够。那么，如何对数据进行有效的组合，如何利用数据为管理者提供智慧和洞察力，进而为公司创造价值和财富，这才是每个企业都应思考的问题。可以说，谁能更有效地利用数据，谁就能赢得市场。

　　从数据的价值链来看，我们将企业数据分为了由低至高的四个层级。可以看出“数据”在整个价值链条中处于最底层的位置，例如销售量、单价、收入、利润等；对“数据”进行一定程度加工后，我们可以得到一些有效的“信息”，即第二层级，例如企业关键绩效指标（KPI）（资产负债率、财务杠杆、存货周转率、人员均效等）和企业重大风险指标（KRI）（应收账款周转天数、员工离职率等）；对“信息”进行结构化、有针对性的业务场景分析就构成了企业的“知识”，这便是第三层级，例如分产品/区域/渠道的盈利性分析、投资回报率分析、门店效益分析、产能分析、供应链效率分析等；而“智慧”是企业为了达到战略目标而运用“知识”的能力，是数据价值链的最高层级，例如对未来现金流的预测，对客户行为的统计分析，对潜在盈利点的挖掘，对风险的预警，对经济下行影响的评估等等，这个能力是全方位的，包括企业数据基础是否足够庞大而规范，企业信息技术架构是否足够先进而智能，企业是否有高素质的人才能够做各种统计分析和数据挖掘模型等等。

　　目前绝大多数企业还停留在“知识”的层面，要达到“智慧”这个层面还有很长的路要走，需要企业很多方面能力的提升。多年的实践经验告诉我们，企业若想拥有有效实现卓越数据分析的能力，就必须建立行之有效的框架，包括明确分析对象（分析对象是否清晰、明确并有针对性和指导意义）、设计分析方法（分析方式是否灵活、先进并具有前瞻性）、夯实分析基础（分析基础是否统一、标准并有足够的覆盖度）、完善分析工具（分析工具是否强大、智能）、强化分析职能（分析人员是否清楚自身职责并具备应有的技能和知识、管理层是否基于数据做出决策、是否基于结果管理团队等）、优化分析流程（分析流程是否有效以达到提升决策和内控水平的目的）。

　　“孙子兵法”有云：“夫未战而庙算胜者，得算多也；未战而庙算不胜者，得算少也。多算胜，少算不胜，而况于无算乎！吾以此观之，胜负见矣”，可见大战之前做战争形势分析对军队的重要性。管理军队如此，管理企业也是如此，基于分析做出的管理决策才是有效的。总而言之，希望各个企业的领导者能够重视数据分析并通过有效手段逐步提升企业自身的数据分析能力，它不仅能够帮助企业有效评估和预测经营成果，也能够帮助管理者专注于企业战略的关键业绩驱动因素，进而做出理性而正确的决策。

　编辑：王丽娜