李国君
数据管理是指通过数据的收集、分析等处理，找出数据与数据之间、数据与非数据之间的关系规律，从而为计划、组织、控制和营销等经营管理提供依据的一种经营管理方式。随着科技的发展和大数据时代的到来，如何顺势而变，更多采取具有客观、精准特性和益处的数据管理，提升精细化管理水平和市场竞争力，助推实现内涵式高质量发展是摆在众多企业面前的一项紧迫而重要的课题。
随着云计算技术的快速普及，加之物联网、移动互联网应用的大规模爆发，人类进入了大数据时代。据研究，全球产生的数据总量正以每年增长50%以上的速度激增。数据呈现海量化、多样化、传输快速化和价值化等特征。大数据被誉为是新的石油和金矿。数据驱动型管理和决策是大数据下经营管理的特点。研究表明，越是以数据管理的企业，其财务和运营业绩越好。数据是知识经济时代重要的生产要素，是经济运行中的根本性资源。百度、阿里巴巴、腾讯等一大批推崇数据管理的企业因此获得竞争优势而迅猛发展。笔者先后在梅州分行、茂名分行主要参与推行的以数据管理为内核的运营服务改革实践均取得了显著成效，特别是运营质量、效率和效能均迅速实现大幅攀升，短短几个月业务差错率减少超50%、柜面客户服务响应度提升100%、人均运营作业量实现两位数的增长，客户满意度和员工幸福感大幅提升，达到降本增效、提质增效的目的。然而，笔者通过调研发现，我国企业仍然普遍存在以拍脑袋式的主观管理为主的情形，数据管理意识薄弱，即使有一定的数据管理观念，也局限在对自身目前业务发展状态分析，只停留在粗浅层面的数据和信息简单的汇总，普遍缺乏系统研究、深度分析及有效运用，缺乏规律性认识和把握。
针对数据管理普遍存在的问题，笔者经过反复学习、实践和思考后认为，改进提升数据管理水平应着重从如下几方面入手：
一、正确认识数据管理
数据管理是管理的一种方式，它与一般主观管理方式比较而言，更客观、更精准。但是，数据管理和一般主观管理并非完全割裂的，是相对而言和相互联系的。数据管理离不开主观管理的经验与摸索，数据管理是主观管理探索发现关系规律的数据化、模型化的结果。决策者在决策时承受着更复杂任务带来的压力，如果过分依赖历史数据及其规律进行数据管理，忽视环境的改变则无异于看着倒车镜向前驾驶，无法应对复杂的环境，纯属依靠数据决策也会偏离实际。而对环境的观察判断及处理又恰恰是一种主观管理方式。诚然，绝大部分情况下或只要稍加留意环境变化，利用大数据并集合决策者的感觉、洞察力和决策支持，将数据和人的主观能动性结合起来，以避免“唯数据论”。数据生产信息，信息改善决策，进而提高生产力。可以预期，未来决定和评价企业价值的最大核心在于数据，数据管理能帮助有效快速发现和解决经营管理中的问题，大大提升经营管理效率。以笔者亲历的所在单位运营服务改革为例，通过监测各网点每位柜员操办的按难易系数折算后的标准业务量及人均标准业务量、营业各时段客户平均等待时间、员工差错量及其分布以及各网点之间的数据差异等，就能有的放矢调整各网点人力安排、有针对性地开展员工辅导以及进行员工激励，达到高质高效运营目标。
二、建立完善经营管理数据组织处理系统
数据管理离不开数据，但是单纯的数据量的积累不会对企业产生任何益处，只有建立适当的分析模型，并运用相应的技术手段，对大量的数据进行有效的深加工，发现隐含在大量数据中的信息并加以利用，进而指导企业做出相关决策，才能将数据管理的真正效用发挥到极致。
首先要清晰数据需求，即保证数据质量。针对信息数据结构性泛滥与不足并存的状况，只有根据经营管理探索结果及其需要，明确需要收集的关键数据才能提高数据管理效率。高质量的数据是数据管理发挥效能的前提和基础，强大、高端的数据分析技术是数据管理发挥效能的重要手段。对数据进行有效分析的前提是必须保证数据的质量，专业的数据分析工具只有在高质量的大数据环境中才能提取出隐含的、准确的、有用的信息，企业基于这些高质量数据分析结果所做出的各项决策才不至于偏离正常轨道。否则，即使数据分析工具再先进，在充满“垃圾”的大数据环境中也只能提取出毫无意义的“垃圾”信息。因此明晰数据需求和保证数据质量在数据管理决策下显得尤其重要。
其次要准确完整收集关键数据。关键数据收集难是企业实施数据管理普遍存在的障碍。统计数据表明，企业现具有的数据处理方法往往只适用于结构化的数据处理，但企业现有的数据中含有的大量数据都属于非结构化数据。大量的半结构化数据、非结构化数据的处理与整合对企业来说仍是巨大的挑战。由于大数据规模庞大、变化速度快，对数据的处理要求较高，如果数据处理不及时，有些变化速度快的数据就失去了其最有价值的阶段，有些“过期”的数据甚至与实际数据不符，企业根据这些“过期”的无效数据所做出的决策必然也是无效的，甚至是错误的。如果企业不能快速地进行数据分析，不能从数据中及时地提取出有用的信息，就将会丧失预先占领市场的先机。因此，企业要拓宽视野，外部可通过政府部门、专业查询平台等渠道拓宽数据来源，内部采用先进设备和技术等手段，高效准确收集信息数据，保障数据管理的及时性和有效性。以笔者亲历的所在单位运营服务改革为例，采用叫号机及其系统就能准确有效统计出客户叫号数量及营业各时段客户平均等待时间，为准确分析客流及采取相应措施提供依据。
再次就是要建立数据仓库管理平台，保障高效进行数据挖掘、分析、整合及其应用。数据时代，适者生存。企业要在竞争中立于不败，就必须拥有自己的数据仓库管理平台，利用各种管理模型、分析工具及框架和方法等，借助信息存储和云计算等先进技术，将各类形形色色的数据串联起来，实现对数据的实时处理和分析判断，构建起有效决策的系统支持。不仅满足了自身规模管控、风险度量、绩效管理、盈利分析等管理应用需求，而且还能实现对市场前景的快速响应和准确判断，以迅速抢占市场先机，赢得先发优势。以笔者亲历的所在单位运营服务、营销改革为例，很多成果都是通过内外部渠道收集数据建立完善运营关键数据库、目标客户数据库、客户分层分类数据库等经营管理数据库并强化数据分析应用取得的。
三、强化数据管理相关人才培养
数据管理成败归根到底在于人。基于前面关于对数据管理的正确认识可以知道，专业数据管理人才的配备是保证数据质量不可或缺的部分。由于数据本身的复杂性增加了数据管理的难度，既懂得数据分析技术，同时又谙熟企业各项业务的新型复合型管理人员是当下企业应用大数据方案最急需的人才。只有管理者具备更丰富的经验、更宽广的视野和更敏锐的直觉，才能找到经营管理运行的规律。同时，管理者只有具备相应的数据管理意识和能力，才能有效将经营管理运行的规律进行数据化、模型化，提高经营管理效率。因此，有计划开展轮岗交流、知识学习以及拓展培训是非常必要的。另外，结构化、半结构化等多样化数据转化、整合以及外部数据海量化和关键数据不足等数据组织处理现状，除需增强管理者素质外，还需要强化对数据处理专业人才的引进、培养，通过数据库技术、数据挖掘技术、机器学习技术等知识和技能的培训，在专业技能上得到强化，以协助管理者深度推动数据在市场预测、客户分析、营销等经营管理上的指导作用，提高数据管理的纵深、宽广和精准度。
大数据环境下的数据管理对于企业不仅是一门技术，更是一种全新的管理模式。只要认识到数据对企业经营管理决策的影响，抓住这一趋势，改善企业在大数据环境下的数据资源利用能力，挖掘大数据中蕴含的信息，提升数据管理水平就一定能做到心中有“数”，更多更好地实现变“数”为宝。（作者单位：广发银行茂名分行）
编辑：刘敬源
初审：温 国
终审：朱武军
|
|
