不知道你有没有过这样的感觉：不知道从什么时候开始，和人沟通过程，以及要说服别人的时候，光靠一嘴的“伶牙俐齿”似乎行不通了，别人总会要求你“用数据说话”；当你给领导汇报工作的时候，领导也会要求你“用数据说话”。事实上，用数据说话就是一种思维方式的转变。数字化时代，数据连接一切，数据驱动一切、数据重塑一切，数据是企业数字化转型的核心要素。数据在企业决策过程中，将发挥出越来越重要的作用，尤其是在商业活动中，数据不仅能够辅助企业快速做出决策，实现降本增效，甚至可以重构企业的商业模式。
一、什么是数据思维
数据思维就是使用数据来提出问题和解决问题的能力。简单来说，就是面对一堆业务问题时，通过数据的方法做分析从而给出建议来解决业务问题。其核心有两个，一个是数据敏感度，一个是数据方法经验。数据敏感度，就是你看到一个数字，你大概就能感知这个数字是否合理还是有异常，当数据异常的时候，大概能知道问题可能出在哪里，并且能够追溯到原因。总之，假如你数据敏感度高，你可以看到数据背后更多的信息。数据方法经验，就是能够利用数据分析的方法来解决实际的问题，这也是构成数据思维很重要的一部分。数据分析的方法有很多，比如：漏斗分析、相关性分析、5W2H分析、对比分析、分群分析等等。举个简单的例子，上周和我同事去一家东北铁锅炖吃饭，感觉人还挺多的。我同事就说，这家餐厅好火爆，生意还挺不错的，老板应该可以赚不少钱。老板能够赚多少钱，他的思考逻辑都是基于“挺多的”、“火爆”、“挺不错”这样的虚词，靠直觉得出的结论。但是，对于一个拥有数据思维的人来说，他要是想认真的回答这个问题，可能就会这么思考：餐厅有多少座位？餐厅有多少平米？翻台率是多少？客源如何？每样菜的毛利率？等等。综合这些维度数据，进行加工，大概率就可以估算出这家店的能不能赚钱，一个月可以赚多少钱。二、建立数据思维企业数字化转型，需要什么样的思维方式？数据思维该如何建立和培养？技能容易掌握，但思维却很难短时间内培养出来。拥有良好的数据思维，还需要有一定的数据基础。1.培养对数据的敏感度对数据敏感的人，看到数据能够找出问题，找到规律，发现机会或做出决断；对数据不敏感的人，看到数据只会问这是什么，这反映了什么，这能说明什么？对数据毫无敏感而言的人，“数据就是数据”，甚至不会想到以上问题。所谓培养数据敏感度，本质上就是培养通过数据发现问题、解决问题的能力，可以从以下几个方面入手：
质量评估，对数据的表象和质量进行评估，判断数据是否完整、是否准确、是否符合业务规范？
识别真伪，能够对数据的真假做出判断，看出数据中存在的猫腻，例如：年度报告，本事业部今年老员工的离职率为0，实际上新入职的员工有大批离职的。
找到因果，能够通过数据找到事物之间因果关系，从而找到产生问题的主要原因和根本原因。例如：产品销量下降了，直接原因是客户量减少了，本质原因是市场出现了更具竞争力的产品。
找出关联，能够通过数据多维采集和分析找到事物之间关联关系，关联分析是洞察事务本质的重要方式，关键点在于数据维度全、数据样本完整且具有足够的代表性。
判别优劣，能够通过数据的对比判断事物的好坏优劣，例如：季度销售完成率为50%的报告，如果没有历史数据作为对比很难判断出这个季度销售业绩的好坏。
洞察规律，能够从数据中找到事物发展的规律，例如：古人为了农业生产需要，顺应自然规律，通过对春夏秋冬、冷热交替的不同时间的记录和研究，总结出来了二十四节气。
预测预估，能够从已知的数据中提取到的规则，从而对未知的业务影响作出预测。
2.培养理解和使用数据的能力“数据为王，业务是核心”，与其说培养理解数据的能力，不如说是理解业务的能力。只有将数据置于业务场景中，数据才能变得有意义。企业数据化转型过程中，要求数据管理和数据分析人员懂业务，理解数据的对业务价值；要求业务人员要懂数据、会使用数据。作为数据管理或数据分析人员，首先需要你摸清楚企业的核心业务价值链，甚至企业多处行业的整个产业链业务情况。其次，你需要逐步了解企业都涉及哪些业务域，每个业务域中包含哪些业务流程，每个业务流程之间的斜街关系，以及每个业务的输入输出等。最后，在理清楚业务域以及业务流程的输入输出后，需要对详细列出每个业务的绩效考核指标（KPI），再通过对每个指标进行更细致的拆分，最终落地的内容数据数据分析所需的报表、指标、维度、明细等。对于业务人员，要懂数据，会使用数据指导业务开展。数据源于业务，并服务于业务。作为业务人员，首先你要知道数据对业务的重要性，清楚数据的标准，按标准规范输入数据，并确保数据结果的正确输出。其次，你要能够识别业务数据的真伪，判断数据质量的优劣，并能够为数据质量的改善提供必要的改进建议。最后，你还需要加强对数据管理和数据分析工具的掌握，利用数据管理工具将数据合理、正确、规范的管理起来；利用数据分析工具自助进行分析建模、场景设计、数据探索、价值挖掘。3、培养问题拆解的能力数据思维的核心在于用数据发现并解决问题，学会用结构化、量化的思维方式去分析问题、拆解问题、解决问题，能够让我们事半功倍。假如你是一家零售企业的数据分析师，日常主要工作是销售数据的采集、整合、处理和分析。有天，公司领导突然让你写一个PPT，谈一谈如何用数据做业务预判、如何用数据赋能业务，提升产品销量，实现业务增值？这是一个典型的开放式问题，
要搞清楚业务的目标是否明确，如果目标不明确，则先明确目标。例如：通过收集和分析现有的数据报表情况对销售业务现状进行研判，找出改进点。
在明确业务目标之后，要搞清楚是否有业务判断的标准，判断标准一定要建立起来，不然提升多少才算好都不知道，事后难免陷入扯皮和纠结。例如：XX产品同比增长20%
定了判断标准之后，要分析用什么样的策略支撑实现这个目标。例如：优化推荐算法、增加线下营销活动等。
在明确了实施策略之后，要制定策略执行计划。例如：算法的升级需要谁来负责、什么时间完成？
在明确行动计划之后，还需要通过数据监控执行情况，并实时反馈执行的效果。
4、培养用数据说话的习惯数字化时代，每个人都应该具有量化思维，习惯用数据说话。用数据说话不是单纯的使用“数字”，而是用数据来支持观点，做到有理有据。在一定程度上，数据就是证据和事实，用数据说话，能够增强你的说服力任何观点都会有破绽，但数据摆在那里却难以让人反驳。如果你是企业销售主管，给领导汇报销售情况，不要说你的市场竞争多激烈，你的销售人员多努力，你的目标多高远，直接说你增加了多少客户，提升了多少客单量、实现了多少销售业绩、增加多少项目漏斗，这样的汇报效果会更好一些。数据可以揭露问题，发现本质，用数据说话，可以辅助你做出正确的决策。数字化下，企业管理不仅需要管理者丰富的管理经验，还需要有多维的数据支撑。如果只是从利润角度考虑，有产品定价数据、销量数据就能容易做出决策，但如果还需要考虑产品的市场定位，客户的回头率，企业的售后服务能力等因素，就不能只考虑价格和销量两个维度信息，应该建立多维度分析模型，以帮助你做出更合理的决策。用数据说话要有量化思维，简化思维，还要尽量避免使用太过专业的术语量化，有利于对事物（业务）给出一个判断标准，例如：提高产品销量，提升用户活跃度，到底销售多少算是提高？怎样的用户才算活跃用户？只有将指标进行量化，才能推动达成共识。简化，有利于抓住主要矛盾，直击事物（问题）的本质，摆脱各种复杂情况，轻松应对难题。用数据说话本质上还是沟通，为提升沟通的效率，要尽可能使用“标准语言”，或者对方能够听得懂的语言。从这点上讲，数据治理就显得十分重要，统一企业的数据标准，明确业务术语、指标、维度的业务含义、规则等，能够提升业务部门之间、业务与IT之间的沟通效率。关于MagicBI数预智能MagicBI成员主要来自微软、阿里、百度、字节等公司的数据团队，我们的使命是“简便每次分析，只为每位户”，公司主要做下代的搜索式分析，帮助企业打造站式企业搜索百科，通过类似百度搜索的式查询数据，应用可解释AI、自然语言分析等技术，实现数据分钟级地动化洞察，需过多培训，同时打通PC端与移动端，支持语音输入，满足任何、任何时间、任何地点、任何方式进数据洞察，实现企业的数字化升级，业务员不学SQL，也能做分析，提业务决策效率。