赵志娟
(上海电气集团上海电机厂有限公司，上海 200240)
数据是企业资产中的重要组成部分，企业重视程度日渐提升，数字化发展规划被列为国家重点的发展规划之一。企业数据转型势在必行，以数据为驱动力，发展企业数字经济，数据赋能企业战略、发展，全面推进企业数字化转型进程。
运营是经济效益、商品价值的管理行为，以结果为导向的价值体现，数据运营以数据为商品，通过对数据挖掘及数据有效分析，提取数据价值，构建企业的运营模型、业务模型、数据模型等，最终形成企业特有的数据消费模式，为企业战略、决策、发展提供强有力的数据支撑。
企业数据运营需诊断企业所处数字化行业发展的具体阶段，企业在日常事务中使用汇总分析、数据专题分析等深度开展数字化工作，以数据库为主，建设数据仓库等数字化工具。业务依赖于业务模型，甚至是数据模型，依托于数据的数据化特质，有专业的数据团队辅助企业数字化转型的企业。
企业数据生态(见图1)源于企业战略发展目标、经营理念、社会价值及地位、经济利益等基础环境。在企业经营管理过程中，自上而下逐级分解，涉及到企业决策层、中高业务层、数据执行层面、数据参与层面。通过数据收集、数据分析、数据加工、数据挖掘、数据传递、数据展示等重要数据处理手段，从传统手工Excel报表，逐步收集汇总数据，形成有规模的数据库，实现企业的信息链和管理链全面整合。同时依赖于各个条线的数据，最终以各种样式展现在决策管理大屏幕上展示，为企业各个层级的人员提供决策依据。
图1 企业数据生态示意图
成功的数字化项目，必须得到企业管理层持续的支持。项目详细有效的系统规划和系统实施跟进、现行有效的客户期望和用户不间断的项目参与、专业的项目需求引导和清晰的需求描述、项目推进过程中各个节点的里程碑、相关业务技能、具备技术技能的相关技术人员集中办公头脑风暴，进而实现了行之有效的需求调研、需求整合、需求实现，专业的角度、系统的方法、资源的整合、持续的改进，健康有序的实现数字化项目成功实现。
数字化项目是以需求为导向，以体现管理价值、信息价值、数据价值、特殊价值为目标。数字化项目的成功与否，取决于项目的需求管理水平，否则项目失败、进度拖延、项目成本追加、治理失控、系统生命短暂。数字化项目的需求管理十分重要，项目的需求管理成功与否是数据运营的价值体现。
需求管理是基础类数据工作流程、业务类数据工作业务流程相结合，通过整合业务需求、功能需求和系统需求，对数字化项目进行整体规划。将需求合集逐级分解为可以通过技术手段实现的，达到企业各个管理层面的需求满意的需求点。数据运营的难点在于关键需求分类和应用设计细化业务需求，即通过分析需求，将收集的需求进行需求分类，有效识别数据和管理之间的联系。
将可量化的业务价值体现在数据关联中，按核心需求场景进行逐个梳理和归纳，产生符合科学化的绩效考核模型，进而生成可执行的考核指标。有针对性的对各个业务情况进行科学、有效、可落地的统计，总结归纳生成完善的业绩考核指标。
整个数字化项目过程中都体现了数据运营的思想，结合公司业务痛点、集思广益的提炼出有效解决方案。通过打通企业各个流程中每个环节的数据流，同时由企业各个层级的高度认可，有针对性的建设意见梳理，形成整套企业品牌管理方法，将企业各条线数字化推向新高度。
数字化项目的需求管理中会对业务部门、专业的数据人员提出相对较高的要求。业务部门的业务人员需要学习和掌握数据化使用工具，数字化方面专业技能的不断积极探索和积累，可提升整个企业业务数据氛围。也对专业数据技术人员提出了更高的懂技术、知管理的专业技术要求，否则会被业务部门需求片面化消耗数据部门和业务部门的数字化项目工作热情，造成不必要的无效的业务沟通。需求人员和开发人员需反复变更、修改、测试、交付、迭代等过程。
数据生态诊断、需求分类、应用设计背后的底层逻辑，都是基于PDCA(计划、执行、检查、处理)循环管理、GROW模型(设定目标、解决方案)的结合，生态体系拆分成“背景-问题-解决-反馈”的形成完整闭环(见图2)。基于企业数据生态，分析现状、发现存在问题，分析影响因素和主要因素，目标是解决问题，采取措施，进行项目需求的拆解。分析到主要原因以后，针对性的采取措施。通过BRD文档对需求进行确认，建立起完整的指标分析体系，在项目各个阶段的执行过程中，按照措施计划的要求去做，开始执行，步步检查，把执行结果与要求达到的目标进行对比。需求解决过程中，监控完整的结果及反馈，逐步实现数据流、业务流标准，同时把成功的经验总结出来，制定相应的标准、操作守则，将有效的经验知识总结不断传承下去，同时再用于进行后续的迭代以及推进。要把没有解决或新出现的问题转入下一个PDCA循环中去解决，每个问题不一定靠一个PDCA循环，可多次循环往复直至问题最终解决。
图2 需求管理中PDCA
数字化工作的载体是数据，数据提炼为数字化，需要具体实际的数据行为模式转化为指标。在企业数据生态下，将数据运营成工作中的指标，需要形成符合企业数字发展的、不断完善的指标体系。
指标是业务模型落地的关键要素，是业务引导的主要手段，关键指标提炼决定了数字化项目的成败。关键指标需要从管理者关注的指标、中高层关注的指标、执行层关注的指标中提炼。罗列出各个业务指标、筛选业务指标、选择权重、确定衡量标准、修改确认，从岗位职责，紧扣业务关键绩效指标，从明确的、具体的、可衡量、可评估的指标中选取指标，为选取的指标进行权重取舍，区分出定量指标及其计算公式，定性指标及其评价要素衡量标准。指标应落地有效且可解读，最终所有定量指标和定性指标值均需要各个层面参与者、管理者进行权衡确认。企业各个条线进行指标梳理、指标固化、指标不断有效合理变更，逐步形成适应企业发展的指标体系、指标库(见图3)。
图3 指标库与统计学关系及意义
一个企业的数字化发展，必将不可脱离开业务、人员、数据、管理制度、企业的战略决策等数字生态，每个企业都有其自身发展的旅程和数据原始生态、数据加工模式、数据采集模式、数据清洗模式等数据形态、归纳成型的指标体系。制定出关键绩效指标体系，适用于当前企业形式的标准需求管理模式和标准的数据运营模式。并有完善的指标体系，可执行的指标库，适量规模的数据库或者数据中台。已有的各类报表，将各类需求收集、整合、分类直至需求变成数据项、数据输入输出规范，良好的用户体验，结合平台日志等软硬件保障，设定目标记录和检测用户使用行为。从数据底层访问情况，经过数据分析等步骤监控、预警企业数据化平台设计使用是否满足企业战略规划和战略目标。
数据文化是对数据的认可，企业数据生态是数据运营的管理结果。基于企业生态数据的循环管理和闭环管理机制，数据运营对于企业数字化发展是至关重要的，有着不可替代的意义。数据运营管理的核心是数据的参与者，涉及到企业各个层面。在企业战略目标的指引下，在国家数字化转型的总体规划下，企业数字化转型是机遇是挑战。公司上下应积极参与到公司数字化转型项目中去，将各个信息化平台进行数据层面的数据打通和流转，让数据赋能于业务，创造数据价值体系，管理决策实时可视，实现数据资产运作，搭建多维度、多角度的管理驾驶舱，营造良好的数据运用氛围，全面促进企业数字化转型。
猜你喜欢数字化指标生态一类带临界指标的非自治Kirchhoff型方程非平凡解的存在性数学物理学报(2022年5期)2022-10-09“生态养生”娱晚年保健医苑(2021年7期)2021-08-13家纺业亟待数字化赋能纺织科学研究(2021年6期)2021-07-15主要宏观经济指标及债券指标统计表债券(2020年4期)2020-08-04住进呆萌生态房学生天地(2020年36期)2020-06-09生态之旅小学科学(学生版)(2020年5期)2020-05-25论经济学数字化的必要性英语文摘(2019年9期)2019-11-26高中数学“一对一”数字化学习实践探索福建基础教育研究(2019年1期)2019-09-10高中数学“一对一”数字化学习实践探索福建基础教育研究(2019年1期)2019-05-28最新引用指标计算机应用(2018年12期)2019-01-08