1.2 数据驱动的数字化转型
在数字化时代，人类每天都在创造、使用、管理、计算各类数据，数据与石油一样重要，已经成了新的生产要素、战略资源。其实，人类利用数据的历史要比使用石油的历史长得多，数据的应用是伴随着人类文明的发展而前进的，技术的进步不断革新数据的处理手段，从而让数据能够更好地服务于人类。
1.2.1 从流程驱动到数据驱动
2016年麦肯锡在报告《分析的时代》中提出，人类已经进入数据驱动的世界，数据智能将在未来10年产生13万亿美元的经济收益。如今，所有的咨询和研究机构都将数据驱动视为行业趋势。随着数据量呈指数级增长、算力提升、人工智能技术不断发展，数据驱动替代流程驱动将势不可挡。
1.业务流程的定义
我们将业务流程归纳为：业务流程是为达到特定的价值目标而由不同的人分别完成的一系列活动。这些活动不但有严格的先后顺序，而且活动的内容、方式、责任人等也必须有明确的安排和界定，以使不同的活动在不同岗位角色之间进行交接和协作成为可能。
2.业务流程的特征
（1）层次性
业务流程是有层次的，它是一个从上至下、从整体到局部、从宏观到微观、从抽象到具体、以逻辑为主体的体系，分为一级流程、二级流程、三级流程等。业务流程的层次如图1-8所示。
图1-8 业务流程的层次
这样的层次结构非常符合人类的思维习惯，便于建立企业业务模型。在信息化建设时代，企业开发ERP系统之前都会做一项工作，叫作流程再造，即重组工作任务以形成更高效的流程，更好地降低成本、提高质量和完善服务。
（2）抽象性
业务流程是从企业业务中分析、抽象出的关键业务节点的集合。业务流程是业务的关键点的描述，而不是全面描述。当业务流程要解决的业务问题不一样的时候，设计出的业务流程也是不一样的。
比如，对同样一个从订单到交货的业务过程，从销售、物流、财务等不同视角梳理出来的流程节点是不一样的。
在某种程度上来讲，业务流程的设计体现了不同角色对业务的认知和理解，流程本身不是客观的，业务流程的设计过程强依赖于流程设计者对业务的理解能力、建模能力。
（3）以人为中心
所有的业务流程都是以人为中心的，组织中的每一个人都会在业务流程中充当一个角色。通过良好的流程设计，每个人都会有自己清晰的职责，从而明确自己在业务流程中的工作目标和内容边界。
流程设计需要使每个人都看到其中的关键业务环节，并充分理解其意义和目的，整体的业务流程要以便于员工理解的方式展示出来，比如操作手册、流程文档、图形、规范制度等。
业务流程不是凭空产生的，而是企业管理体系发展的产物，企业管理模式从人员驱动发展到职能驱动再到流程驱动，因此业务流程在一段时间内代表了企业当前的管理理念。
3.流程驱动的5个先进性
在20世纪90年代，美国麻省理工学院的计算机系教授迈克尔·哈默和CSC管理顾问公司董事长詹姆斯·钱皮在《企业再造：企业革命的宣言书》一书中提出了“流程再造”（Business Process Re-engineering，BPR）的概念。
他们指出，两百年来，人们一直遵循亚当·斯密的劳动分工的思想来建立和管理企业，即注重把工作分解为最简单和最基本的步骤，然后根据这些步骤来划分职能，用职能来驱动生产和管理，这种方式已经不适应当前的企业需求，应该把工作任务重新组合到首尾一贯的工作流程中去。他们认为，为了大幅度改善成本、质量、服务、速度等现代企业的主要运营方面，必须对工作流程进行根本性的重新思考并彻底改革。该改革过程就是BPR。
相比于人员驱动和职能驱动，流程驱动有着显著的五大先进性，如图1-9所示。
图1-9 流程驱动的五大先进性
（1）覆盖端到端价值链
流程驱动的本质是一组人分工协作，通过完成各自的工作内容来达成同一个业务目标。流程本身覆盖业务端到端的价值链，虽然每一个角色的工作是局部的，但是在流程的牵引下，各角色能够达成一个最终的业务目标，产生业务价值。
（2）更好的协作
流程驱动强调精细化的流程设计，让每一个角色能够清晰地知道自己的上游是谁，下游是谁，自己的工作内容是什么，分工界面是什么，交接物是什么。在这种情况下，每一个角色不需要掌握全局所有的细节，只需要按照流程的设计来完成自己局部的工作，就能够与其他环节中的角色协作。
（3）更容易复制
流程驱动的核心是标准化。标准化的流程、作业手段和操作规程可以降低业务对人员能力的依赖，从而让这些人的工作更加容易被复制，业务的推广和规模化也就更容易实现。
（4）更高的响应能力
在职能驱动的时代，如果业务需求发生了变化，各角色需要分别进行点对点沟通，而流程驱动能够降低沟通复杂度，提高响应能力。两种模式的响应成本对比如图1-10所示。
图1-10 职能驱动与流程驱动的响应成本对比
在图1-10中，当B节点发生变化的时候，在图左侧的职能驱动模式中，B节点需要至少与5个节点沟通，而在图右侧的流程驱动模式中，B节点只需要与上下游两个节点沟通。可见流程驱动相比于职能驱动，具有更高的响应能力。
（5）管理复杂业务
流程是有层次的，所以我们可以将高复杂度的工作任务分解成一层层相对简单的流程，以便对流程进行理解和管理，降低流程复杂度。而职能驱动的方式是点对点设计，当节点更多、角色岗位更多的时候，流程复杂度会呈指数级增长。
很多先进的理念和理论，比如及时生产和精益生产，都是在流程驱动的理论基础上产生的。流程是物理世界与数字化世界沟通时使用的业务语言。
总而言之，流程概念的提出是现代化企业管理的里程碑，流程再造的推行是企业信息化建设的业务基础，我们必须肯定流程驱动的先进性，以及其曾对企业管理产生的巨大作用，才能客观地看待未来趋势。
4.从业务流程到业务数据
（1）业务流程的演变
业务流程的出现给现代企业的管理注入了新的动力，流程驱动加速了企业的发展，因为有了流程，企业能够管理更加庞大和复杂的业务。随着企业业务复杂度的不断增加，光靠线下流程和管理手段已经不足以支撑业务的高效运行，越来越多的业务流程以软件的形式来承载，办公自动化、物料需求计划、企业资源管理等信息化系统不断涌现，同时产生了非常多的数据资产。
如图1-11所示，在物理世界里，工作人员根据经验梳理出业务流程，然后将流程作为标准化的作业规范去指导业务。为了让业务发展得更好，企业借助信息化的力量构建了一系列应用，这些应用会沉淀很多数据，这就使业务进入了数字世界。
图1-11 流程驱动和数据驱动
在信息化时代，主要的业务流程还是在线下完成的，应用只是支撑，沉淀的数据更多用于后置的统计分析，最后形成报告提供给业务人员，而业务人员根据这些数据来调整业务动作或者流程，提出新的业务需求，再去建设新的应用。这是信息化时代的业务流程到业务数据的闭环。
而到了数字化时代，则完全不同了。很多企业经过过去的信息化建设，业务对象和流程的核心部分已经通过软件系统实现了数字化。首先，消费端已经完全数字化了，也就是用户的描述、行为都已经数字化了。同时，业务流程通过系统数字化了，从外部的广告投放、销售、渠道管理，到内部的人事、财务管理等，这些流程都变成了系统里的功能。应用产生数据，数据经过分析挖掘，再反馈给应用。
当业务全部数字化后，业务的呈现形式就是一个个App，物理世界里的业务动作越来越少，应用和数据逐渐形成了闭环，如图1-12所示。
图1-12 从流程驱动到数据驱动
业务流程已经以数字化的方式融入应用系统当中，对流程的优化改进也不像过去仅由工作人员靠经验去判断，而是通过更快速响应的数据反馈机制来优化业务流程和决策逻辑，这就是一切业务数据化，一切数据业务化，也就是数据驱动的业务模式。
（2）数据驱动的定义
根据维基百科，数据驱动指的是流程中的行为是被数据驱动而不是被人的直觉和经验驱动的。为了更好地理解数据驱动和流程驱动的区别，我们看一个简单的定价场景的例子。
传统的定价流程是：多个角色从市场价格采集、收入分析、成本分析、客户体验各方面给出自己的建议，然后结合不同品类、不同净值设计定价流程。实际定价时需要通过该流程的层层审批，最终确定价格。当其中任何一个条件发生变化的时候，流程就要重新走一遍，这就是流程驱动的定价模式，如图1-13左侧部分所示。
图1-13 流程驱动与数据驱动的产品定价过程
流程驱动的定价模式有如下4个核心节点。
● 业务人员设计定价流程。
● 根据新的市场、销量等信息发起定价审批流程。
● 将审批后的价格配置到系统的定价表中。
● 业务系统从定价表里读取定价。
流程驱动的定价模式需要业务人员手工干预，并且审批流程往往比较长，不能快速响应市场的需求变化，所以现在很多企业采用了数据驱动的定价模式。如图1-13右侧部分所示，数据分析人员建立更全面、更多维度的数据模型，通过预测技术来动态生成定价模型，业务人员按需在系统中实时优化和调整定价模型，该定价模型能直接驱动业务应用。
数据驱动的模式以市场的实时数据为基础，借助人工智能算法，可以实时计算价格，迭代快、响应快。例如，Uber就是利用动态定价模型全自动计算每一次交易的建议价格的，如果换作传统的流程定价，无论工作人员数量还是响应速度，都不可能满足这样的应用场景。
5.流程驱动和数据驱动的区别
流程驱动和数据驱动的本质可以用图1-14来说明。
图1-14 流程驱动与数据驱动的本质
根据图1-14，整理数据驱动和流程驱动的主要区别如下。
● 流程驱动以人的经验和直觉为输入，而数据驱动则以数据为输入。
● 流程驱动的开发过程以咨询和人工分析方法为主，而数据驱动的开发过程以数据建模和机器学习等数据技术方法为主。
● 流程驱动的过程是可解释、可视化的，而数据驱动的过程大部分是不可见的，尤其是机器学习的模型训练过程，在行业中被称为“炼丹术”。
● 流程驱动有人工参与，整个过程是非自动化的，而数据驱动可以实现全自动化。
● 流程驱动过程中，如果出现业务需求变化就要重新设计流程，迭代比较慢；数据驱动过程中，如果出现变化，数据模型得重新训练，而模型增量学习的迭代速度快于流程驱动。
● 流程驱动输出的是规则体系，该规则体系应用于业务以辅助决策；数据驱动可以直接接收业务数据给出决策。在规则足够清晰、业务相对静态且数据条件不够好的情况下，基于流程的规则体系成本更低。如果业务变化比较快，而且数字化程度较高、数据质量好、数据维度丰富，则尽量采用数据建模、机器学习的数据驱动方式，才能够更快速、实时地响应业务的需求。
数字化时代，所有的企业都将逐渐使自己的业务数字化，从而成为数据驱动的企业。
1.2.2 数据驱动为企业带来的5个收益
麦肯锡全球研究院的报告表明，数据驱动的组织在吸引客户、保留客户和盈利的能力上，分别是一般企业的23倍、6倍和19倍。
数据驱动会给组织带来如图1-15所示的5个收益。
图1-15 数据驱动给组织带来的5个收益
1.增强组织敏捷性
很多组织都希望自己变得更加敏捷。根据约翰·科特的研究，各组织超过50%的转型尝试都失败了，失败的原因有很多，但其中很重要的一点就是缺乏清晰的目标和度量。数据驱动的组织在设置目标时，其决策判断都会以数据为依据，利用数据的优势，组织可以通过诊断性分析、预测性分析、处方型分析、认知型分析等多种手段来实时度量转型的过程，从而发现问题和待优化点，增强组织的敏捷性。
2.提升销量
数据驱动的组织将一切业务数据化，从数据中获取业务的真实情况，再围绕业务目标采取对应的动作，提升销量。比如，通过分析每个用户的行为，比如点击、浏览、切换、离开等，组织可以洞察他/她的喜好、行为模式，进而实现定制化的产品和服务，增强用户及客户体验，促进产品和服务销量，并获得更高的客户忠诚度。
3.降低成本
通过分析运营数据，掌握所有成本的来源和用途，以及厘清产生成本的各种生产/非生产行为之间的关系，组织能够通过关联性分析、敏感性分析、预测性分析等手段，提升精益化运营能力，降低企业的运营成本。
4.提升生产效率
通过对生产数据的分析，组织能够发现潜在的生产创新点，改良生产流程，减少浪费，提升生产效率。众多制造型企业已经通过实践证明了数据对生产效率的提升作用。在数字化时代，企业建立全数字化工厂，让所有设备、工序、生产流程全部数据化，并通过数据去发现业务上的待优化点和缺陷，然后用人工智能算法进行计划编排、资源配置，大幅度提升生产效率。
5.风险合规
海恩法则指出，每一起严重事故的背后，必然有29次轻微事故和300个未遂先兆以及1000种事故隐患。如果能够将轻微事故和先兆以及隐患都数据化，那么就可能提前发现和预防严重事故的发生。同理，如果将合规的要求数据化，使其变成一个个可以量化的阈值，那么就能够在业务流转的时候做到实时的风险预警，将企业的风控从事后提前到事中乃至事前。