管理者数据能力晋级

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。

赵兴峰（Hilton）中国实战数字化转型战略与数字化管理专家，智慧型企业架构师；明悦数据（Data2Biz）创始人， 2012年创立Data2Biz推动企业数字化转型与数字化管理应用落地，通过挖掘企业内部数据价值，赋能中国企业经营管理效率与效益提升以及商业创新增长，10 年+数字化转型和数字化管理咨询辅导落地实操经验； 原宝洁（P&G）、惠氏制药(Wyeth)等国际500强公司商业智能高管，摩立特集团（Monitor Group）中国区数据中心负责人/战略顾问，20年+商业智能/数字化经营管理丰富实践；北京大学+新加坡国立大学MBA双硕士；西安交通大学学士；《数字蝶变》《数据化管理变革》《企业经营数据分析》作者；清华大学、北京大学、人大商学院/经济学院、浙大管理学院、法国里昂商学院、上海财经大学等知名院校/商学院EMBA/DBA/CXO班《数字化转型战略》《数字化商业创新》主讲教授；阿里云―钉钉大学、国网大学、富士康大学、美的学院、伊利、中粮可口可乐、一汽、广汽、东风汽车、联想集团、顺丰科技、汤臣倍健、深圳国资委等特邀数字化转型授课专家；第八届全球总裁创新峰会500强商学院院长评选最佳数据化管理创新专家（2019年）；“数字中国”（2021新年论坛）特邀对话嘉宾；中关村数字经济产业联盟首席顾问，中国中小企业商业协会数字化转型专家团首席顾问。

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