具体描述
产品特色
编辑推荐
作者20年执着专研，勇敢实践的真实分享。
写给非专业数据技术从业人员利用数据解决问题的思维方法。
读者对象：管理者、咨询师、行业分析师、产品经理、运营经理、市场营销人员等。
内容简介
《数源思维：业务导向的数据思维秘籍》为非专业数据技术人员提供了一种有效利用数据解决问题的思维方法——数源思维。这种方法的简单描述，就是“从业务中来，回业务中去”。《数源思维：业务导向的数据思维秘籍》的上篇使用实例和典故详解了数源思维内涵和四个操作步骤。下篇同样以实例方式展示了数源思维如何在各部门的业务中发挥威力，并将企业策略制定工作从传统被动、慢速、静态的方式转变为主动、快速、动态的方式。
《数源思维：业务导向的数据思维秘籍》可以帮助企业市场、产品、运营等业务管理者建立或提升数据导向的业务问题解决能力，可以帮助战略规划或中高层管理者提升数据导向的战略分析能力，同时《数源思维：业务导向的数据思维秘籍》也可以作为商学院高年级学生的思维方法学习与训练用书。阅读《数源思维：业务导向的数据思维秘籍》不需要任何高等数学或统计学基础。
作者简介
仓剑，米饭科技创始人，前新浪微博数据中心资深数据分析师，新浪学堂培训师，数据驱动课题组组长。前赛迪顾问软件产业研究总监、总经理。在近20年的职业生涯中，先后从事软件售前、战略咨询顾问、行业分析师、数据分析师等工作，最后自己创业，这是一条从业务走向数据再回到业务的职业道路，仓剑将其结成一份工作总结，形成此书。
精彩书评
很多企业目前处于收集和整理大数据的阶段，之后会面临如何分析这些数据，让数据发挥价值的问题。《数源思维》从收集、整理数据的角度出发，给出了分析的思维方法，并应用于企业内部管理中。从“问、拆、解、谋”几步入手，描绘了数源思维的过程。针对企业内面临的如何发挥数据价值的问题，给出了自己的建议。该书列举了大量生动的案例，文笔风趣，通俗易懂，是部开卷有益的书籍！
——中国移动大数据总设计师 段云峰
这套《数源思维》心法，以业务为源头，以数据为血液，以信息系统为载体，自下而上形成判断，并将业务判断化为数据支撑，终形成将战略化为行动的量化指导。本书能为广大还未实施数据战略的公司，提供非常有益的借鉴和思考。
——新浪数据中心总监 罗盎
从企业经营角度说，手中有图、心中有数是经营者的基本要求；从行业发展角度看，未来越来越依赖数据来透析用户的真实诉求，这也是大数据和人工智能领域火热的一个原因。本书能让非技术人员读懂数据、利用数据、还原数据背后的真实市场，你值得拥有。
——《互联网运营之道》作者，创新工场市场商务总监 金璞
数据为王时代，并不是谁有数据谁为王的时代。决定成败的还是思维能力：清晰问题，明白关键，精通方法，懂得解决。本书作者以大量实例生动讲解了这样的思维，从实务操作的角度尝试给没有经过数据技术训练的各级人员提供一次拥抱未来所需能力的学习练习机会。打开书吧，未来，已来。
——华夏幸福产业规划院副总经理 张涛
信息爆炸时代，获取信息不再是难题，而提出正确的问题才是有效组织信息的关键。同样，作者提出，在利用海量数据之前，能够以数源思维统领全局，才是真正发挥大数据价值的关键——一个正确的逻辑才是应用数据产生有效结论的保证，而非数据本身。
——清华大学中国金融研究中心商业模式研究工作室执行主任 张华光
在十年互联网产品生涯中，我每天睡醒一眼就是看产品和运营数据。2016年，我开始创业做食品行业，依靠数据决策让抱抱堂爆米花在一年里成长为年销售额 3 亿元的爆款单品。《数源思维》一书从零开始，讲述了数据的产生和运营。从业务操作到数据化战略思维，由浅入深传授了业务导向的数据化思维方法。当公司经营数据产生一点波动，你的大脑就能在几分钟内做出业务判断和策略调整时，恭喜你，你已学会数源思维了。
——抱抱堂联席 CEO、前新浪微博产品副总经理 林水洋
数源思维理念的提出及阐述，是对传统认知中数据只被动反映历史的颠覆与再思考，是大数据在市场营销应用中高层次的实现。这种思维方法将过往内在的人脑决策过程用结构化、数据化的方式进行了剖析和展现，特别是对互联网营销、运营及公司经营战略工作者具有极其现实的指导意义。
——九信金融副总裁 郑冠楠
大数据不仅仅是代表着一种技术，更多是代表着一种新的思考、思维方式，大数据应该以应用、解决企业中各类问题为导向，而如何让大数据在企业实际中“落地”，具备数据（数源）思维是核心。仓剑的这种数源思维三种境界：没数—有数—驭数让人眼前一亮，这本书值得大家去读去品。
——中国统计网 CEO 数据海洋
在看完《未来简史》后看到了这本书，特别意外且兴奋。如果说《未来简史》展示的未来令人惶恐，那么《数源思维》展示的未来则让人重归平静。因为前者提出了一个挑战性的趋势，而后者则提供了适应这一趋势的方法。数源思维的“问拆解谋”四个步骤中，算法可替代的只在“解”这一步，也许将来AI还能完成“拆”，但“问”和“谋”在可预见的未来都是人类专长。所以我们必须升级自己到数源思维，与未来对接，将人工智能和算法纳入到我们的思维体系里。
——读者 乌鸡白凤九
对于缺乏大数据技术基础的管理者在面对铺天盖地的大数据概念时，心里是焦虑的。但是看完《数源思维》一书才理解，用好数据的关键并不在于技术，思维上的升级才是根本。数源思维，是管理者跟上数据时代的必备工具。
——读者 IT书友会
目录
上篇 解密数源思维
第 1 章 数源视角下的三重境界 2
只见业务不见数；又见业务又见数；只见业务不见数……
数据及其处理技术是招式，当忘掉招式的时候，就是练成数源思维秘籍的时候。
1.1 没数 2
1.2 有数 4
1.3 驭数 6
1.4 数据就像金箍棒 9
1.5 数源思维的战略性 12
第 2 章 数源思维不是什么 15
数源思维是大数据思维吗？是数据化管理吗？是商业统计分析吗？是一种数学应用吗？
既是，也不是。这些都是数源思维的招式，如果没有它们，则不能解决任何实际问题。但这其中任何一招都构不成数源思维。
2.1 数源思维不等于数据思维 15
2.2 数源思维不等于考古发掘 20
2.3 数源思维不等于数学逻辑 22
2.4 数源思维不等于 KPI 思维. 24
2.5 数源思维的四步曲 27
第 3 章 问，数源思维与产品思维、用户思维 32
提问——将业务问题转化为数据问题是数源思维第一步的核心任务。实现这一任务的路径和方法可以有多种，但最终要实现的目标是一致的。
3.1 三类思维的关系 32
3.2 提问要点 39
3.3 不要搞错决策对象 43
第 4 章 拆，问题的拆分 46
拆分——第一步中定义好的问题往往因为比较宏观而无法直接着手解决，我们就需要将其拆分为更微观的细节问题，进而再去寻找细分问题的解答方法。
4.1 从整到分，从分到整 46
4.2 结构化拆分问题的方法 50
4.3 相亲看眼缘吗 55
4.4 相关问题的转换 59
4.5 攻击要害 60
4.6 问题的时空转换 61
第 5 章 解，设计解决问题 64
解答——当问题已经足够明确和细分，能着手开始解决后，我们就进入了“解”的步骤。在解答问题的整个过程中与思维密切相关的是方法、算法设计。
5.1 问题类型 64
5.2 定性问题的测量方法 67
5.3 全局问题的局部算法 73
5.4 大问题的逐步求精 76
5.5 难测问题的替代算法 82
5.6 利用实验创造数据 87
第 6 章 谋，数源思维与科学思维、人文思维 93
科学思维——探究客观之理，做令人信服之论；
人文思维——抒发主观之情，记感人情怀之述。
6.1 科学思维与数据说服 93
6.2 人文思维与数据感人 99
6.3 推理说服与想象感人 104
6.4 要有一个好故事 107
6.5 符合视觉需求 116
第 7 章 认识数据的局限和代价 130
要用好数据这项工具，除了要知道它的优势，还必须清楚在现有条件下它的劣势，从而避免应用时的偏颇。但从总的趋势来说，机器利用数据做出的判断越来越精准，比如下面第一节讲到的人脸识别例子，在最新的人机大战中，机器又实现了超越。
7.1 非结构化数据的局限 130
7.2 非直观化数据的代价 134
7.3 结果影响行为的困扰 137
下篇 打通任督二脉
第 8 章 什么叫接地气的战略 142
要形成企业战略，观察的角度和思考的维度应该如何选择？是要观察外部环境，还是应该考察内部资源；是要静态的分析，还是应该动态的调整？对于这些问题的解答虽然并无定论，一直在发展变化，但还是存在一个相对确定的总体趋势。
8.1 内外动静两相宜 142
8.2 自下而上藏乾坤 150
8.3 互联网金融要从隔壁起，不信你问“马爸爸” 156
第 9 章 如何看透产业、行业 160
产业和行业的状态及其发展是企业进行战略思考时最重要的外部环境信息。同时，因为它们是企业运行的直接环境，企业中多个部门的业务是与这两者有直接的接触，所以对它们的观察和感知就有条件融入这些一线部门的业务中。
9.1 企业、行业、产业、市场，你分得清吗 160
9.2 一箭射穿产业迷雾 167
9.3 照亮行业的太极图 172
9.4 看透产业、行业的太极剑 178
9.5 总裁问题人人可解 179
第 10 章 市场/销售部门如何替总裁分忧 185
市场部的业务直接与用户和市场接触，在工作中会将大量市场数据带入企业，有效利用这些数据就能形成战略分析信息。销售部会将竞争对手信息带入企业，从而帮助企业了解行业竞争态势，分析自身优劣势。
10.1 吹动市场的三叶扇 185
10.2 魔道相争修出正果 193
10.3 市场争夺中的知彼之道 200
第 11 章 产品部门如何替总裁分忧 205
产品设计和开发部门的工作涉及产业、行业和用户需求，因此会不断将相关数据、信息带入企业。利用好这些数据、信息就能提高战略思考的动态能力。
11.1 产品更新中也能探知机遇与威胁. 205
11.2 书名竟然可以这么取 208
11.3 顺藤摸瓜理解用户需求 215
第 12 章 运营部门如何替总裁分忧 219
运营部门是企业中与用户互动最频繁最密切的业务单元，因此运营工作会持续产生有关用户、需求的丰富数据。对于这些数据的有效利用，就能形成判断市场机遇、威胁的信息，从而支持动态的战略思考。
12.1 阅尽亿万用户只用一眼 219
12.2 如何释放深藏在人与人之间的核能 225
12.3 马云屡败屡战背后的骇人趋势 232
第 13 章 总裁的决策 239
一线业务的信息有了以后，如何进行汇总、整合、分析，从而形成战略？
13.1 四部门替总裁分了多少忧 239
13.2 数据/规划部门粉墨登场 242
13.3 上下通达独孤求败 244
后记 246
鸣谢 248
参考文献 249
图索引 253
精彩书摘
序言
仓剑同志在多年管理咨询工作实践的基础上写了这本《数源思维》。我拿到书的初稿阅读后，给我最大的冲击倒不是书中具体内容，而是书名和研究的主题。
首先，让我想到的是赫拉利在《未来简史》中阐述的“数据中心主义”。从人类发展的大历史观来看，早期智人的决策是依据于宗教经书和神的意志；后来出现了人文主义革命，一切决策听从人的自由意志和选择；到了今天，随着大数据、算法和人工智能的出现，人的决策已逐步让位给了数据。例如，去医院看病，医生先要你去做检验，再根据检验结果配药；再如，对宏观经济形势的判断，要先看统计数据，对出台的政策效果的评价，也要靠数据说话。种种事实表明，“以人为中心”的社会正在向“以数据为中心”的社会转变，这是一场业已出现的深刻的革命。仓剑提出的“数源思维”正是在这种背景和趋势下，所展开的研究。
第二，本书研究的重点是企业的战略决策和管理，试图为企业的高管提供一种新的思维模式，非常具有现实意义和价值。由于企业经营环境的变化，企业面临着转型升级的挑战，“做什么”比“如何做”更加重要，更难决策。如果仅仅靠高管人员的传统经验和直觉， 显然是不够的。仓剑在书中提出了一套“数源思维”结构和程序，依据“大数据”来辅助决策，进而保证决策的有效性，这是企业高管人员值得关注的，也是应该掌握的一项技能。
第三，随着工业 4.0 的推进，企业的经营管理正在发生变革。与世界先进水平相比，中国企业仍然大而不强，在自主创新能力、资源利用效率、产业结构水平、信息化程度、质量效益等方面差距明显，转型升级的任务十分艰巨。然而，转型升级的根本在于思维模式和决策方式上的转变。“管理就是决策”，这是西蒙讲的一句名言。仓剑提出的数源思维，正是他在从事咨询工作的实践中，看到了大数据、云计算和人工智能等技术的出现，将有助于高管人员运用在战略决策中，有助于在有限理性下做出明智和满意的决策，有助于提高系统决策方案的可能性和可行性。
以上是阅读仓剑同志《数源思维》初稿的几点体会。仓剑是我十几年前带的研究生，在校期间勤奋好学，工作后勇于进取，这本《数源思维》是他十多年来实践和思考的结晶。这本书顺应了数据时代的大趋势，相信对企业高管和咨询界会有启示和帮助。
东南大学教授 江苏省城市发展研究院理事长 仇向洋
没数
相比其他创业者，何笠阳的创业历程算是比较顺利的，公司成立三年多就上了新三板。这很大程度上得益于公司业务切入了一个相对专业且成长异常迅猛的行业——儿童科技实践教育。
三年多前，何笠阳和另一个儿童教育专业的伙伴，也是现在公司的分管课程产品开发的副总裁，一起成立了做学科技有限公司。他们合作开发了一套利用积木、儿童电子拼装玩具和电子游戏来训练儿童空间、力学、电学等感知和动手能力的课程。
课程还没有面世，他们就得到了一个大的玩具销售商的 100 万元种子投资，并且可以在这位销售商自己直营的玩具店铺内进行课程教授和推广。
但在公司上市前的那几个月，何笠阳却经历了前所未有的压力，几乎没睡过一个好觉。为了准备上市文件，承销商催着他折腾各种财务、业务数据。当时上市融资项目主要是要投入新的直营店建设和线上服务平台开发。其中一个重要任务就是对单店经营情况要有完整精确的数据，来对未来投资项目进行预估。当时的情况是每家直营店本身并不是一个独立经营主体，财务上都是统一到城市的子公司的，销售则是单店各管各的，但运营则同时存在统一和分管两种情况。于是财务一套数，销售一套数，运营一套数，这三套数之间在逻辑上应该是统一的，但实际操作上却没有直接联系。这样的结果就是只能计算每个城市的平均单店收益，而没法计算具体某一个店的实际收益。这种平均值不单对实际经营缺乏指导意义，就是拿来做上市项目可行性研究报告，去糊弄外行也很难有说服力。而且销售、运营等数据还都是在各店手工单机填报的 Excel文件中，光整理汇总这些数据就已经让公司各环节焦头烂额了。怎么再去补上这个大坑？
何笠阳这时基本是靠直接与各部门人的沟通和到店观察的直观体验来管理，幸亏现在公司规模还不大，几十号人每周都能聊个遍。但在跟大家聊的过程中还是发现业务人员不单对内部数据懵懵懂懂，对外部数据也缺乏认识。比如这天跟直营销售团队开会，何笠阳问起在直营店周边 3 公里范围内的居民里有多少 12 周岁以下的孩子时，销售主管居然一脸“呆萌”地望着何笠阳，支支吾吾答不上来。何笠阳又接着问了一连串问题： “购物中心周末和工作日客流量是多少？哪个位置人流量最大？客户构成是什么样的？整个购物中心一天的营业额是多少？儿童相关产品服务占多少？”。这时销售主管头上的汗已经挂到下巴了，都没敢擦。
不过何笠阳没有发火，因为虽然没有这些认识，但去年这位主管的团队也完成销售任务了。只是上市后的规模扩张和线上线下两条路并进眼看就要来了，目前这没数的诗意还能撑多久真是很难想象啊。何笠阳面对这样的情况不禁感叹，对公司整体经营状况真的是心里“没数”啊。
何笠阳和做学科技上市前面临的这种“没数”状态对于绝大多数初创企业或中小规模传统产业中的企业来说都很有代表性。
“没数”，顾名思义就是管理者对业务运转缺乏量化的认识，决策基本凭经验、凭感觉、凭定性的认识。
这并不是说在业务运转过程中没有产生数据，或没有积累一些数据，比如财务数据，无论如何总是会被记录下来的。只不过这些数据由于只是被动、被迫地记录来应对企业基本需要，所以数据记录的范围有限，目标不明确，也不会对业务本身产生针对性的影响。还有没数的状态也包括数据碎片化、本地化存在。企业即使有数据也还处在孤岛状态，各个部门、各业务单元的数据都是独立记录，相互隔绝的，没有形成企业统一的数据，更不用说数据流了。此外，对企业外部的认识，同样也处在直观感觉和定性认识层面，正因为企业业务都处于没数状态，这时的老大们脑子里就算有数源思维，但是眼中没数，心里也是生不出数来的。
有数
做学科技上市后，为了早日结束没数状态，何笠阳终于下决心腾出时间、精力和资源开始着手规划建设公司内部的信息系统了。统一规划，分步实施，经过了 2 年的集中建设，做学科技内部的信息系统已基本成型。以财务、 CRM和课程管理子系统为核心的企业 ERP 系统算是建立起来了。
公司这时的收入相对上市之初尽管已经翻了两番，但员工数却增长了近 10倍，业务的利润率在不断下滑。如果照这个趋势发展下去，不出两年做学科技就要转盈为亏了。为了控制住过快膨胀的成本和费用，并刺激人员效率的提升，何笠阳决定将刚从 MBA 课上学来的 KPI 考核体系引入公司管理。将公司总体目标量化，并层层分解，直到每一个员工，实行全员数据化目标管理。同时有了信息系统的基础，何笠阳对各业务部门给他的汇报都提出了拿数据说话的要求。提报的方案、计划的理由必须量化论证，成果目标必须量化，实施的条件、资源要求必须量化。总之，没数就不批资源，没数就不认可成绩。
又经过了一年多的数据化运行，何笠阳不再需要每天奔波在各种会上，跟各方面的人一一去聊，也能对公司运营状态做到心中有数。公司的成本和各项费用率都有了明显下降，员工增长速度也显著放缓，而收入从全年看还能保持较快增长速度。何笠阳非常满意，终于将公司整体上从“没数”状态带入了“有数”状态。但有两个问题却让何笠阳有点担忧：一是客户投诉率在显著上升；二是新产品/服务开发上一直没有突破，被寄予厚望的线上服务平台始终没有起色。他觉得需要跟相关部门的负责人和下面员工谈一谈了。
客服经理：“客户投诉将近一半是关于课程安排的，还有 25%是对更换教具不满的。”
何笠阳：“课程安排的投诉主要是什么问题？”
客服经理：“六成都是投诉课程每班人数太多，超过上限的。”
何笠阳：“怎么会安排超过上限的？”
客服经理：“虽然班级的排课会超过上限 1、 2 人，但实际几乎没有课是超过上限的。因为根据以往统计，平均每次课至少会缺席 2 人。所以现在实际上课人数不过就是满员。”
何笠阳：“嗯，还有什么别的突出问题？”
客服经理：“还有就是店里面会因为某节课请假人数过多，而临时调整时间进行课程合并。这个在一些大的节日期间会比较多，家长觉得这会影响他们的时间安排。”
何笠阳： “哦。 那个更换教具的事我知道， 家长们对此的不满主要是什么？”
客服经理：“客户主要是觉得质量下降了？”
何笠阳：“怎么会呢？跟原来品牌是一个厂商生产的，只不过牌子不一样而已。行，我知道了。还有其他类型的投诉比较多的吗？”
客服经理：“还有 10%
何笠阳知道这些表面的投诉下已经隐隐有些危及业务健康的暗流在涌动。而新产品/服务的开发则更是关系公司未来发展的根基。 其实这个问题何笠阳与联合创始人老姚最近两年已经讨论过无数次了。线上学习平台是他们一致认同的新产品方向。让线下带动线上，进而构建完整的线上服务平台，形成新的盈利业务线，并完成线上线下联动的客户全生命周期服务是公司的战略。但经过两年多的建设推广，现在的线上平台并没有如他们的期待一样成为一个独立服务产品，更大的作用是线下客户的服务渠道和招生渠道，线上那些互动课程和游戏的使用率很低。他们分析这其中的根本原因就是线上服务的核心价值是什么，用户最需要的是什么，他们没有想清楚。线下服务就是实践做中学、玩中学理念，通过实际动手操作积木拼装、电路布置、程序编写控制来训练孩子的空间想象力、逻辑推理能力、结构化思考能力。线上服务何笠阳也是希望能贯彻做中学理念，通过线上互动来实现教育目标。但目前的产品显然没能做到这个希望，何笠阳和老姚也一直没能找到问题出在哪里。
所谓“有数”就是在财务管理、 OA、 CRM、 ERP、 BI 等系统帮助下，我们能知道过去的工作产生了哪些成果，可以此来判断大家干得咋样；同时同事之间，各业务单元之间的沟通、协调、配合也能有统一的数据为基础；最后，老大们在做决策时，眼中有数，心里也开始有数了。
但是，其实我们眼中所能见到的数据永远只可能是片段的、部分的，而不可能有全面的、完整的。比如刚才在阅读本书上面篇章时，你的左手都做了哪些动作，你还能记得吗？
你一定会说，我有必要去记得这个事情吗？
当然没有必要，因为你可以判断左手的动作并不影响你的阅读，所以你可以忽略那部分数据。而这足以说明数据、信息都是在我们有目的，有选择的条件下被记录的。而企业经营，业务运转中哪些应该被记住，哪些可以忽略，能像上面左手的例子那样容易判断吗？
数据不单是不完整的，而且还是历史的、现象的。有数只是刚起步，如何不被数的表象驾驭，透过现象看本质；如何不被数的历史所束缚，通过晓过去而知未来，这才是数据能带给我们的大价值。
……
前言/序言
1996 年，曾有一个由明星公司主导，多国参与，美国、俄罗斯和中国的火箭都承担了卫星发射任务的项目开始试验。两年后支撑该项目计划最核心的 66颗卫星全部布置完毕，整个业务开始运营。 1998 年该项目产品被美国《大众科学》杂志评为年度电子技术类产品大奖，次年由 587 位中国科学院院士、中国工程院院士参加投票评出的世界十大科技展中该项目投入运作并名列第八。但几个月后，该项目公司就申请破产保护，一年后公司正式破产（注：再一年后整个系统卖给了新公司，项目又起死回生） 。这个项目的名称叫“铱星”，主导项目的那家明星公司叫“摩托罗拉”。
战略咨询
这件事给当时刚刚参加工作的我非常大的触动。那时我认为在工业领域，技术是决定成功的重要因素。但铱星项目的起伏却让我看到情况并非如此，就好比一辆汽车，发动机固然重要，但汽车价值的大小归根到底竟然是取决于方向盘。如果方向错了，技术就算再强也是零。甚至是技术越先进，死得越快。因此，几年后我回到学校读研究生，开始跟着导师学习和参与战略管理咨询。战略咨询最核心的任务就是通过观察外部环境，从中找到远方的目标，并发现或规划适合自己走向目标的路。那时我们的咨询工作大体分为两部分：一部分是案头工作；一部分是现场工作。案头工作主要是分析，包括收集、整理二手信息；现场工作就是调研，主要是跟客户内部人员做访谈。在那两年多的学习、工作中我发现，无论项目客户是工业企业、行业协会，还是产业园区，在案头和现场工作中都存在一个显著的瓶颈，极大地限制了分析的进行。从战略分析框架来讲，无论是 PEST（注：四个因素的英文头字母缩写，即 Political政治的、 Economic 经济的、 Social 社会的、 Technological 科技的因素） 、波特五力模型还是 SWOT（注：四个因素的英文头字母缩写，即 Strengths 优势、Weaknesses 劣势、 Opportunities 机会和 Threats 威胁）等，外部环境信息都是核心因素。而这个显著瓶颈恰恰就是外部环境信息的获取，尤其是与组织关系最密切的行业和市场信息，要么很难获得，要么获取成本高昂。行业的主体是竞争对手，市场的主体是用户需求，这两者直接关系着组织的生存和价值。而其他的外部宏观因素信息也呈碎片化，需要花费很大的时间精力去收集、整理和学习。所以环境信息的欠缺极大降低了战略分析的功效。以当时项目主要接触的 IT 业来讲，国内的数据几乎就只有一家第三方研究机构可用，国外的数据稍微好些，有两三家能参照。那个时候还没有谷歌趋势、百度指数这些工具辅助。此外，内部因素虽然貌似可以直接从客户那里得到，实则却也是很难完备。这些问题可以统一被称为战略环境感知能力的缺失，就像一个人光大脑发达，而所有感知器官，包括眼睛、鼻子、耳朵等功能都很弱，那么大脑的功能也很难发挥，久而久之甚至连大脑都会退化了。这个瓶颈对战略咨询的质量影响是非常大的。所以研究生毕业后我没有选择去战略咨询机构，而是进入国内IT 业第三方行业研究机构，把关注的重点从大脑——企业战略聚焦到了感知环境——行业和市场上。
行业研究
到了这家行业研究机构以后，我发现第三方的行业数据获得和处理也一样很难。虽然依靠服务行业内众多客户，可以较为便利地了解很多企业的发展状态，但接触的企业数量相对整个行业来讲还是少数。而且越垄断，越集中的行业越不依赖行业分析。恰恰是竞争激烈，份额分散的行业需求更盛。这样的行业，数据获取和分析难度更大。当时行业研究的工作模式跟战略咨询是类似的，只不过现场调研占比要更大一些。数据收集、整理都是依靠人工，一是定性数据多，二是分散在各分析师手里。几年下来，积累在自己单机上的数据越来越大，收集的范围越来越广，同时使用的模型也越来越多，若自己维护，则投入的时间、精力不堪重负。于是，我想建一套全公司的数据平台，可以把所有分析师采集的数据都汇总在一起，同时对于宏观数据开发线上自动采集、整理模块，再将分析师在各行业里应用的模型也系统化整合起来形成专家模块，然后在这些基础数据和模型基础上开发自动化的日常报表等应用，最终支持分析师的研究和报告文章。这套系统就相当于一个近似 BI 功能的行业研究和咨询生产管理系统。
不过可惜的是，这个方案被总裁否了。原因是多方面的，我相信总裁给出的直接理由一定也是其中的部分，但我猜想总裁脑子里否定这个方案最根本的原因应该是另外两个。一是，这么一种全新系统的建设需求超出了当时公司的能力；二是，这事没有重要到需进行战略投资的程度。这是我第一次直接感觉到数据能力被战略性忽视了。而且是一家最依赖数据来构建核心竞争力的公司对数据能力的战略性忽视。其后没多久，我就换到了一家互联网公司的数据中心去做数据分析，因为那里有相对强大的信息系统来支撑数据应用。
数据分析
那时这家公司的社交媒体业务刚刚开始在互联网中崭露头角，慢慢展现了其对整个社会的影响力。数据中心也逐渐开始发挥其在业务运作中的影响，主要体现在三个方面：一是在运营、市场、商业等各业务单元的日常决策和业务状态监测上；二是为前端产品提供个性化服务的数据支持；三是形成数据类产品提供给外部用户，从而增强业务整体的市场影响力。这三方面毫无例外都是战术性的，操作层面的服务，这决定了数据的影响只能是局部的、碎片化的。即使对各业务单元自身的管理来说，数据也没有整体性的影响，更不用说对公司全局的影响。虽然数据中心一直试图通过制度化的内部分享，非正式的个人沟通去将自己对业务的认知和服务向各方推销，但结构性的限制使得这种方式收效甚微。数据部门与各业务部门甚至管理层对公司业务就逐渐形成了认知上的差异。随着时间的推移，越来越呈现出一种统帅运筹规划时不知自家还有石油储备、火箭军，前线部队作战时不知后方还有信息情报部队支援的情况。究其原因，组织结构、管理模式的限制是现象，思维模式的限制是本质。
在传统企业里，管理层登高望远，各业务单元各司其职；企业的信息是分部门自下向上汇总，上层再将决策向下传达。这种模式及其组织结构是适应分工能力的，所以传统的战略思考由外而内，由上制定，然后单向往下传达。管理学中有一个很大的课题就是怎么能让上面的战略在下达的时候不走样。但随着数据部门这样一种“ 奇怪生物” 的出现，尤其在互联网领域，情况慢慢起了变化。数据部门与营销、研发、技术、生产、销售等部门不同，它不是一个纵向分工的职能单元。依靠信息技术和数据技术， “ 耳目” 遍布企业内外，对企业内外的一举一动，比谁知道得都多，知道得都快，知道得都系统。但是这样又为什么会造成数据部门与业务部门、管理层的认知差异呢？这还得从数据是什么说起。
数据源头非数据
语言不是数据，被以文字方式记录下来后才成为数据，所以人类有文本数据的时间以千年计；声音本不是数据，被录音器材记录下来后才成为数据，所以人类有音频数据的时间以百年计；小到量子，大到宇宙中的种种现象都不是数据，只有被人类的技术手段采集到了才会成为数据。所以数据简单说就是人造机制/机器对客观世界的观察成果。那么这就意味着人定的机制、人造的机器触达到哪里，哪里就是人的认知边界。
与数据相对应的是人的经验、直觉。而经验和直觉都是来自人的感官，也就是“眼耳口鼻身意”对周围环境的感知。经验是个人感官历史中积累起来的，直觉是全人类感官历史中积累起来的。这就决定了，我们的经验、直觉都要受限于人的感官。接触到的有，接触不到的就无。
当作为第一个数据载体——文字被发明和广泛使用后，人类的经验就从个体的直接经验扩展为群体间接经验，人的认知边界迅速扩展。识字的人与不识字的人对世界的认知差距一下就拉开了。而随着技术的发展，尤其是科技在最近百年里的爆发增长，使得人类整体和每个个体的认知边界都被极大拓展，而这种拓展的一个外在表现就是数据的爆发。数据已经不仅仅局限于文字，有了极其丰富的形式和结构。所以，如果你不能接触、应用好数据，就意味着你的认知边界被束缚在个人感官层面或文字数据所包含的信息层面。如果你只能认知眼睛看到的，那么跟那些能认知用互联网、移动互联网、物联网、传感器网络“ 看到” 的人相比，会不会像不识字的人与识字的人之间的差别那么大呢？再回来看数据部门与业务部门的认知差异就不难理解了。
自下而上非造反
当信息系统在内外两个层面不断深入，企业的能力边界实际上已经不是取决于管理者个人的能力，而是取决于数据能力的边界。如果数据能力缺失，或被组织结构、管理体制，被管理者个人的认知能力所限制，那么这个企业在市场中的竞争地位会不会像不识字的人在社会中的地位一样呢？而数据能力也绝不仅是数据部门的能力，因为数据及数据技术本身不会自动向你报告任何事，除非你向它提问。数据部门好比就是人的“眼耳口鼻身”，业务部门和管理层就像是人的大脑，两者即使能力都很强，如果彼此间不能连为一体，那么效能还是会很低。所以数据能力更主要的是组织上下整体获取数据、利用数据的能力。那如何才能打通阻碍数据能力建设和发挥的各项障碍呢？从管理的角度看，这样的努力又会产生什么样的意义呢？
二十年前，对于企业来说，成功的关键点不是技术而是战略；十几年前学习战略中又感到战略分析的瓶颈在于感知能力的不足；八九年前在行业调研分析中又碰到获取、整合数据的难题；四五年前在借助数据平台看到环境中的机遇后又撞上了组织整体对数据的战略认知障碍。如果能打破组织上下对数据的战略认知障碍，就能更有效地建设和释放数据能力，从而提升企业整体的感知、认知能力，并进而推动管理和战略决策进步，那该如何做到？
这正是我眼下的思考，思考是否能以数源思维及其方法来统一组织上下的世界观、价值观，让“眼耳口鼻身”能与大脑通畅地协同，从而各业务单元成为管理层战略决策的感知器。将只停留在管理层的战略分析和思考，变为自下而上的，由行为带动的分析和思考。于是记下我的所思所想，遂成此书。如果通过总结自己过去的一点经验和现在的粗浅思考，能够引起企业家、管理者和专家对这一问题的关注，本书的任务就算完成了。
也许有一天，在数据技术、生医工程和人工智能的支持下，主客观的界限也会被打破。那时人与世界就一体了，什么感知能力和思维的限制都会因此被突破。但在这一天到来前，不妨继续训练下我们的大脑，让数源思维带我们走上更高的认知平台，提前体验下与企业上下一体的感觉。
阅读建议
上篇是思维方法的讲解，逻辑是顺序的，内容是故事性的，可以当小说一样逐章顺着看。
第 1 章：从数源思维的生成土壤讲起，说明了这种思维的意义和价值。
第 2 章：从相关概念的对比中明确了数源思维的含义和四步过程。
第 3～6 章：每一章对应详述了数源思维每一步的要点、方法。
第 7 章：讲述了数据的局限，进一步强调了从数据源头思考的重要性。
下篇是思维指导下的操作实例。整个下篇构成解决企业战略制定这一个大问题，但每一章内容也都是数源思维指导下对具体业务问题的解决方法和过程，都相对独立。因此可以按顺序阅读，从而了解企业战略制定的逻辑和方法；也可以根据需要选择阅读，了解具体业务的解决方法。
看完上篇可以直接看下篇第 11 章 11.2 节“从竞品中选取书名”和第12 章12.1 节“用户成熟度”。这两节是严格按照数源思维四步格式写的，方便对照上篇的四步秘籍。
第 8 章和第 13 章彼此对照。前者对数源思维解决企业战略问题的框架进行了说明，后者是将第 9～12 章内所述的一线业务分析内容填入框架后进行的分析细化。
第 9～12 章：分别从各业务部门实际遇到的具体问题出发，在以数据方法解决问题的过程中梳理出来对企业战略决策有用的信息。这些信息都是一股股涓涓细流，最终在第 13 章里汇聚成战略大江。
如果您对本书中的内容有什么意见、建议或疑问，欢迎以下面任何一种方式与作者沟通交流。
仓剑
2017 年
用户评价
作为一名在商业领域摸爬滚打多年的从业者，我深知数据在现代商业决策中的核心地位。然而，我同时也意识到，很多时候我们被海量的数据所淹没，却难以从中提炼出真正有价值的洞察。市面上的数据分析书籍，往往侧重于技术细节和工具应用，对于如何将数据思维真正融入业务流程，如何以业务问题为导向来驱动数据分析，讲解得不够深入。这本《数源思维：业务导向的数据思维秘籍》的出现，让我感到一丝惊喜。我希望这本书能够打破技术壁垒，提供一种更加贴近商业实践的视角，帮助我理解如何构建一个以数据为核心的决策体系。我期待它能够教会我如何更有效地识别业务痛点，如何设计出能够解决这些痛点的分析模型，以及如何将分析结果转化为切实可行的商业策略。如果书中能够包含一些关于如何建立数据文化、培养数据素养的实践经验，那就再好不过了。
评分最近工作中，我越来越能感受到数据分析的重要性，但也发现自己在这方面还存在不少短板。特别是如何将数据分析的结果与实际的业务目标紧密结合，如何用数据来支撑和推动业务决策，这方面我感觉还有很大的提升空间。市面上介绍数据分析的书籍很多，但有些过于偏重技术细节，让人望而却步；有些则流于表面，缺乏深度。这本《数源思维：业务导向的数据思维秘籍》的书名，让我眼前一亮。我理解“数源思维”可能是一种看待和处理数据的系统性方法，“业务导向”则明确了它的应用方向，不只是为了分析而分析，而是为了解决实际的业务问题。我希望这本书能够提供一套清晰的、可操作的框架，指导我如何从业务需求出发，去挖掘和分析相关数据，并最终将数据洞察转化为有影响力的商业策略。我尤其期待书中能够分享一些关于数据故事讲述的技巧，如何将复杂的数据分析结果用简洁明了的方式呈现给决策者，让他们能够快速理解并做出明智的决定。如果能有真实的案例分析，那就更完美了。
评分当我翻到这本书的时候，我脑子里第一个闪过的念头是：“终于有一本书不是讲怎么用工具，而是讲怎么‘想’了。” 我们现在处在一个信息爆炸的时代，各种数据工具层出不穷，但很多时候，我们只是被动地使用这些工具，而没有真正理解数据背后的逻辑和价值。这本《数源思维：业务导向的数据思维秘籍》的标题，恰好触及到了我的痛点。我希望它能够帮助我建立一种更深层次的数据感知能力，不仅仅是看到数字，更能理解数字的含义，以及如何让这些数字为业务服务。我期待书中能够提供一种清晰的路径，指引我如何将杂乱的数据转化为有价值的信息，再将信息升华为战略性的洞察。我猜它会强调一种“从终点出发”的思维方式，也就是先明确业务目标，再回溯需要什么样的数据，以及如何去获取和分析它们。如果书中能包含一些关于如何构建数据驱动型团队的建议，那就更好了。毕竟，数据思维的推广和落地，离不开整个团队的共同努力。
评分这本书的封面设计倒是挺吸引我的，深蓝色调搭配银色的字体，有一种沉静而又富有洞察力的感觉。我一直对数据在商业决策中的应用很感兴趣，但市面上很多书要么过于理论化，要么过于零散，很难找到一本既有深度又有实操性的。在书架上看到这本书的时候，标题中的“数源思维”和“业务导向”立刻抓住了我的眼球，让我觉得它可能触及到了我一直以来寻找的那个核心——如何真正让数据驱动业务增长，而不是仅仅停留在技术层面。我对它寄予了厚望，希望它能提供一套清晰的、可落地的方法论，帮助我理清数据与业务之间的联系，甚至发现一些我未曾想过的创新点。这本书的出现，或许能成为我职业生涯中一个重要的转折点，让我从一个“数据使用者”真正蜕变为一个“数据驱动者”。我特别期待书中能够深入剖析一些成功的企业案例，看看他们是如何将数据思维融入到每一个业务环节，从市场调研、产品开发到客户服务，如何通过数据分析来优化流程、提升效率，甚至预测市场趋势。如果这本书能够提供一些具体的数据指标、分析工具和决策框架，那就再好不过了。
评分老实说，我最近一直在思考如何更有效地利用公司的数据资源。我们有海量的数据，但往往感觉像是被困在信息孤岛里，难以转化为有价值的见解。市面上关于大数据、人工智能的书籍汗牛充栋，但很多都侧重于技术本身，对于如何将这些技术与具体的业务场景结合，如何让非技术背景的业务人员也能理解和应用，却往往语焉不详。这本《数源思维：业务导向的数据思维秘籍》的书名，恰恰点出了我最迫切的需求——“业务导向”和“数据思维”。我猜这本书不会只是枯燥的技术讲解，而会更侧重于思维模式的培养，教我们如何从业务问题出发，去思考数据能为我们解决什么，以及如何去获取、分析和运用这些数据。我希望它能提供一种全新的视角，让我们看到数据背后隐藏的商业价值，并学会如何用数据说话，用数据决策。如果它能教会我如何构建一个真正以数据驱动的业务文化，那就太棒了。我非常期待书中能够分享一些实用的方法论，指导我们如何识别关键业务指标，如何设计有效的数据收集和分析流程，以及如何将分析结果转化为 actionable insights，最终落地到业务改进和创新中。
评分生活用品一直在京东买。方便，快捷。家里缺什么，马上买，用plus又能免运费。第二天一早就到了。以后不用囤货了
评分书很不错，目前还不需要存货
评分讲的有点肤浅，参考意义不大，最近在研究传统经典架构和互联网的快速融合，这几本书都非常好的解释了原理和场景。
评分商品很给力！物流很给力！
评分棒棒哒棒棒哒棒棒哒棒棒哒棒棒哒????
评分阿狸出的，应该不错，期待
评分商品不错，早就想找这个东东了，赞一个
评分买了好几本，便宜实惠，还是纸质好看些
评分看了一下，略微偏技术，但其实也还能看懂，挺不错的内容，比较的相识，不过需要对阿里生态比较了解
相关图书
![优势谈判：一位王牌谈判大师的制胜秘诀（15周年经典版） [secrets of power negotiating] pdf epub mobi 电子书 下载](https://pic.qciss.net/10882331/56eb9999Nf2dc0b6b.jpg)
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.cndgn.com All Rights Reserved. 新城书站 版权所有