寫這篇文章的初衷，是因為最近和一些企業(yè)交流時，發(fā)現(xiàn)大家在數(shù)字化轉(zhuǎn)型的過程中都或多或少遇到了同一個困惑——如何提升員工的“數(shù)據(jù)思維”，讓每一個人都能理解數(shù)據(jù)的價值和規(guī)律，甚至都具備數(shù)據(jù)分析的能力。即便是對于金融這樣走在數(shù)字化前排的行業(yè)來說，也在受類似問題的困擾。

和其它傳統(tǒng)的實體行業(yè)不同的是，金融幾乎就是一個基于數(shù)字的“游戲”。但是，擁有數(shù)據(jù)是一回事，能把數(shù)據(jù)價值釋放出來又是另一回事。

不少金融企業(yè)表示，雖然行業(yè)整體在平臺建設(shè)和數(shù)據(jù)整合方面取得了可觀進展，然而對于如何提高數(shù)據(jù)的利用率，真正釋放數(shù)據(jù)要素價值，還有很多問題亟待解決——比如，內(nèi)部員工如果不具備數(shù)據(jù)思維，就不能在日常開展業(yè)務(wù)的過程中把數(shù)據(jù)的價值納入考慮范圍，即便企業(yè)坐擁海量數(shù)據(jù)，也可能形同虛設(shè)。

所以，InfoQ 帶著“如何提升企業(yè)員工的數(shù)據(jù)思維”這一問題，采訪了曾在被奉為“數(shù)據(jù)驅(qū)動金融先驅(qū)”的 Capital One（美國第一資本銀行）任職多年的晉梅博士。

晉梅是中國科技大學(xué)數(shù)學(xué)系本科、美國喬治華盛頓大學(xué)統(tǒng)計學(xué)博士，畢業(yè)后就加入了 Capital One；回國后，她先后在量化派、頂象技術(shù)、全量全速等公司任職，現(xiàn)在是神州信息資深金融科技專家。對于金融和互聯(lián)網(wǎng)的業(yè)務(wù)經(jīng)營、數(shù)據(jù)建模、運營分析和風(fēng)險管理，她擁有著非常豐富的實戰(zhàn)經(jīng)驗。

而針對我們的“迷思”，晉梅可以說是“一言驚醒夢中人”——她說——企業(yè)數(shù)字化做不好，大概率是因為，只看見了數(shù)據(jù)思維中的“數(shù)據(jù)”，但對“解決問題”鴕鳥式逃避。

1數(shù)據(jù)不是越多越好，模型不一定越復(fù)雜越好

一提到“數(shù)據(jù)思維”，我們常常會聽到這樣的說法，一定要積累海量的數(shù)據(jù)、一定要用上復(fù)雜的算法和模型、一定要實現(xiàn)對業(yè)務(wù)的顛覆式創(chuàng)新。事實是這樣嗎？晉梅認為，數(shù)據(jù)思維的本質(zhì)，不是追求數(shù)據(jù)的積累或是算法的復(fù)雜度，而是要清楚地知道，如何用好數(shù)據(jù)、更好地解決實際問題。

“比如說，有的企業(yè)的基礎(chǔ)設(shè)施不夠完善，業(yè)務(wù)線上化程度和數(shù)據(jù)積累也很有限。但他們在業(yè)務(wù)邏輯上想得很透、對業(yè)務(wù)流程的拆解很到位、對提升和增長所需要重點關(guān)注的環(huán)節(jié)抓得很準。在重要環(huán)節(jié)上，他們敢于提出問題和關(guān)鍵假設(shè)，然后有的放矢地去積累數(shù)據(jù)。他們及時復(fù)盤，基于分析結(jié)果一邊優(yōu)化、一邊提出新的問題和假設(shè)——在這個過程中，即便他們只使用了幾張不超過 10M 的 Excel 表格、只運用了小學(xué)生都能熟練掌握的四則運算，我們也不會認為這樣的企業(yè)沒有‘數(shù)據(jù)思維’、算不上‘數(shù)據(jù)驅(qū)動’。”晉梅強調(diào)，“能夠踏實做到這一步的企業(yè)，就算是已經(jīng)吃透‘數(shù)據(jù)思維’的內(nèi)核了。”

她舉了個例子：拿所有銀行都在做的公眾號來說，即便是在沒有后臺權(quán)限的情況下，運營分析師也能根據(jù)有限的公開數(shù)據(jù)——比如推文標題、位置和時間、內(nèi)容和形式等信息，判斷出某個分行或者業(yè)務(wù)部門在特定時間段內(nèi)對公眾號渠道的定位是什么、重點關(guān)注哪些客群、營銷什么產(chǎn)品和服務(wù)、主推什么賣點和權(quán)益、覆蓋廣度和投入力度如何等等。如果進一步結(jié)合每個推文的閱讀量、轉(zhuǎn)發(fā)量、點贊量、評論關(guān)鍵詞等數(shù)據(jù)，還可以做定性和定量的主題分析，圍繞分行或業(yè)務(wù)部門經(jīng)營目標有針對性地給出內(nèi)容運營的優(yōu)化思路和測試路徑，甚至還能在用戶運營和權(quán)益規(guī)劃方面給到非常有價值的建議。

換言之，數(shù)據(jù)是否具備業(yè)務(wù)價值，不完全取決于規(guī)模或體量，而是看是否能解決需求或問題。即便數(shù)據(jù)資源有限，在特定場景下也可能創(chuàng)造價值。反之，數(shù)據(jù)體量大固然蘊藏著更大的潛力、更多的可能性，但如果沒想清楚要解決什么問題、為什么利用數(shù)據(jù)就能提供更有效的解決思路、如何使用數(shù)據(jù)才能達到預(yù)期效果這些問題，就會既增加數(shù)據(jù)成本、更增加決策難度。

那么，越來越流行的 AI 分析工具以及復(fù)雜的模型或算法又是不是必選項呢？晉梅的答案依然是否定的。“和到底是要用鏟子還是挖掘機、要用水果刀還是手術(shù)刀這類問題一樣，我們要分析數(shù)據(jù)、挖掘洞察，應(yīng)該選擇什么方法、使用什么工具，依然需要具體情況具體分析，合理、有效、劃算的才是好的。”

比如，當下非常火的短視頻或直播，對于擁有海量用戶和內(nèi)容的平臺來說，需要相對復(fù)雜和專業(yè)的算法來識別用戶的偏好、內(nèi)容類目，通過給用戶和內(nèi)容分別打上標簽，進行及時和準確的推薦，以此增加用戶的粘性、催生更多有需求的內(nèi)容。

但是，在這個生態(tài)中，能利用數(shù)據(jù)去成就和放大業(yè)務(wù)價值的，除了專業(yè)的算法團隊，還有運營團隊。在直播的過程中，運營全程緊盯人氣數(shù)據(jù)、帶貨數(shù)據(jù)，分析觀眾畫像、流量來源、觀眾互動和商品轉(zhuǎn)化，捕捉有可能影響交易量的潛在因素，通過持續(xù)測試和優(yōu)化投放策略、調(diào)整直播間的“人 - 貨 - 場”來創(chuàng)造價值。

“在這個過程中，他們常用的分析方法在絕大多數(shù)情況下并不涉及復(fù)雜算法和數(shù)學(xué)模型，很多運營指標也只是基本的加減乘除，但這完全不妨礙優(yōu)秀的運營人員利用數(shù)據(jù)去解決轉(zhuǎn)化的問題。”晉梅表示，“我合作過不少頂級的運營，他們不會寫 SQL、沒聽過邏輯回歸、也弄不懂 GBDT，但他們把堅持數(shù)據(jù)驅(qū)動作為信仰，是真正具備數(shù)據(jù)思維并從中獲益的人。”

所以，在她看來，是否需要 AI 分析工具、使用什么復(fù)雜度的模型，先要明確業(yè)務(wù)的目標，基于這個目標去做細化拆解、梳理環(huán)節(jié)，提出關(guān)鍵問題和假設(shè)，再結(jié)合數(shù)據(jù)的實際情況，綜合評估不同方案的可行性、投產(chǎn)比、優(yōu)勢短板后再做選擇。

2數(shù)據(jù)是錦上添花，而不是救命稻草

尤其是在數(shù)字化愈演愈烈的當下，市場上不乏打著“數(shù)字化轉(zhuǎn)型”的旗號販賣焦慮者，也不缺把“數(shù)字化”當作救命稻草，或者拿著錘子到處找釘子的企業(yè)。越是這樣，企業(yè)越是要從做業(yè)務(wù)的初心和商業(yè)的底層邏輯出發(fā)，對自身的核心競爭力有清晰的定位，對市場需求和趨勢發(fā)展有客觀的判斷，對數(shù)據(jù)科學(xué)的優(yōu)勢和局限性有必要的認知。否則，很容易陷入先把“數(shù)據(jù)思維”當作萬金油，一頓操作猛如虎卻沒有感受到業(yè)務(wù)突飛猛進的尷尬境地。到了最后，只能“甩鍋”給數(shù)據(jù)。

以這些年業(yè)界對 Capital One 的解讀風(fēng)向變化為例：晉梅表示，因為短短幾十年 Capital One 就躋身全美頭部銀行，很多人給它貼上了“大數(shù)據(jù)風(fēng)控先驅(qū)”的標簽，而后冒出來很多主打“大數(shù)據(jù)風(fēng)控”的公司，號稱他們的風(fēng)控模型里用了成千上萬個特征，智能到恨不得每分每秒都在自我迭代，甚至可以連模型帶系數(shù)從 A 銀行直接遷移到Ｂ銀行去幫后者快速冷啟動。但隨著后期 Capital One 遇上股價波動、業(yè)務(wù)調(diào)整，業(yè)界同樣著急下結(jié)論——表示“Capital One 走下神壇”。

那么，事實果真如此嗎？晉梅解釋道，“成就 Capital One 的肯定不是所謂的‘大數(shù)據(jù)風(fēng)控’，Capital One 也沒有什么秘密武器，只是一直遵循著‘提出問題、分析問題、解決問題’的結(jié)構(gòu)性思維方式，讓數(shù)據(jù)恰如其分地發(fā)揮價值罷了。”

據(jù)她介紹，在日常的業(yè)務(wù)推進過程中，Capital One 的算法模型團隊會頻繁和業(yè)務(wù)反復(fù)溝通金融產(chǎn)品要素、目標客群、推廣渠道、營銷策略、市場環(huán)境和宏觀趨勢。雙方不僅對業(yè)務(wù)的歷史、現(xiàn)狀、未來規(guī)劃都有充分共識，還會對建模樣本的選擇策略、模型的框架、建模的方法、模型適用性、模型的驗證、上線后的監(jiān)控、可能會出現(xiàn)哪些問題、出現(xiàn)這些問題后的應(yīng)對預(yù)案等信息去做充分的討論——包括對入模的原始數(shù)據(jù)、衍生特征的業(yè)務(wù)價值和投入成本客觀評估，以及對關(guān)鍵變量的系數(shù)從符號到數(shù)值是否合理、映射到業(yè)務(wù)上代表著什么等問題逐一明確。

“脫離了具體業(yè)務(wù)和場景的模型不但很難放大數(shù)據(jù)的價值、甚至可能帶來毀滅性的災(zāi)難。”晉梅強調(diào)，“在 Capital One 工作這么多年給我的啟示就是，永遠不要在沒梳理清楚‘產(chǎn)品 - 營銷 - 運營’閉環(huán)的業(yè)務(wù)邏輯和關(guān)鍵問題之前，盲目扎入漫無邊際的數(shù)據(jù)海洋；不預(yù)設(shè)問題、說不明白要驗證什么的建模和分析，都是低效甚至無效的。“

所以，商業(yè)的本質(zhì)，歸根結(jié)底還是供給和需求的匹配，是用對的產(chǎn)品或服務(wù)、在對的時間和空間、以對的方式滿足用戶的需求。對于大多數(shù)企業(yè)來說，直接創(chuàng)造價值的不是數(shù)據(jù)本身，而是讓數(shù)據(jù)助力實現(xiàn)供給和需求之間的極致匹配。

換句話說，企業(yè)自身如果沒有好的商業(yè)模式、好的產(chǎn)品和服務(wù)、好的客戶體驗，那么即便是再先進的技術(shù)、再優(yōu)秀的算法模型、再多的數(shù)據(jù)也無法幫助它扭轉(zhuǎn)乾坤——比如風(fēng)靡一時的共享單車，背后也有海量數(shù)據(jù)在驅(qū)動資源配置，但是商業(yè)模式變現(xiàn)慢、服務(wù)管理不完善等問題同樣導(dǎo)致了它最終的失敗。過度高估數(shù)據(jù)價值，指望數(shù)據(jù)創(chuàng)造奇跡，讓本就不符合邏輯的商業(yè)模式翻身，那多半會失望而歸。

3要運用數(shù)據(jù)，先忘掉“數(shù)據(jù)”

“所以，我覺得‘數(shù)據(jù)思維’，歸根結(jié)底是因為有了數(shù)據(jù)加持，從而更有底氣和把握做出正確決策，繼而更高效地解決問題的思維。我們不能拘泥于字面上的、狹義的‘數(shù)據(jù)’這個詞本身。”晉梅強調(diào)，“甚至可以試著先忘掉‘數(shù)據(jù)’，捋一捋業(yè)務(wù)模式、搞清楚要解決的核心問題到底是什么；在此基礎(chǔ)之上，再引入數(shù)據(jù)、考慮數(shù)據(jù)能幫到什么，進而刷新對業(yè)務(wù)模式和核心問題的理解。”

具體來說：第一，理解業(yè)務(wù)、提出問題；第二，拆解成多個子問題；第三，逐個分析和評估；第四，總結(jié)和決策。晉梅表示，這種結(jié)構(gòu)化思維指導(dǎo)下的、解決問題的框架在如今的數(shù)字化背景下非常適用。

“首先，企業(yè)要明確目前業(yè)務(wù)上面臨的核心問題是什么，大家充分探討和論證、要達成共識；然后，是對問題進行拆解，可以根據(jù)業(yè)務(wù)流程、關(guān)鍵要素或者部門職能等維度細分成多個子命題。圍繞每個子命題要敢于提出關(guān)鍵假設(shè)、圈定測試范圍、排好優(yōu)先級；第三步用包含數(shù)據(jù)分析在內(nèi)的手段，對第二步拆解出來的問題和假設(shè)進一步量化、驗證和評估。最后一步，基于前面的分析結(jié)果，總結(jié)和決策。在落地執(zhí)行、業(yè)務(wù)迭代的過程中一定還會碰到新的挑戰(zhàn)、出現(xiàn)新的問題，這時候再從第一步開始、螺旋式推進。”

以銀行的權(quán)益運營為例：

第一步，明確要解決的問題是，通過豐富的權(quán)益持續(xù)滿足客戶的需求，提升客戶體驗、加強客戶的粘性，繼而提升客戶的經(jīng)營價值；

第二步，要做到在對的時間、把對的權(quán)益、以對的兌換積分金額和對的兌換方式去滿足客戶的需求。可以按照“人 - 貨 - 場”的運營模型進行細分拆解，圍繞著每一個維度，做好基礎(chǔ)標簽體系的建設(shè)，梳理交互環(huán)節(jié)，根據(jù)可提升空間和價值明確優(yōu)先級；

第三步，對關(guān)鍵環(huán)節(jié)開展數(shù)據(jù)采集、積累、分析和建模并提煉洞察。比如，通過兌換數(shù)據(jù)，可以把同一個 AUM 層級的客戶按照兌換品類的偏好進一步細分群，也可以評估兌換流程的轉(zhuǎn)化效率、從而定位優(yōu)化兌換體驗的環(huán)節(jié)，還可以根據(jù)權(quán)益單品的兌換熱度調(diào)整選品策略和組合策略；

最后，通過對這些信息的綜合分析，業(yè)務(wù)團隊和運營人員就可以更有據(jù)可依地開展分群運營、渠道優(yōu)化、商品管理和供應(yīng)商管理等工作。

晉梅告訴 InfoQ 記者，很多企業(yè)尤其是技術(shù)人員在推動數(shù)字化的過程中，經(jīng)常把自己局限在第三步，沒有考慮具體問題和具體場景的全貌，只是接受一個籠統(tǒng)的需求、確認下字段的口徑就開始做分析和模型，最后往往不能提供業(yè)務(wù)用得上、切實輔助決策的輸出。

比如，建模同學(xué) M 接到需求說要給 A 產(chǎn)品做信用評分卡，他兢兢業(yè)業(yè)找出來 A 產(chǎn)品的歷史數(shù)據(jù)、認認真真建模和回測，感覺都沒問題了就交付給策略同學(xué) P 使用。沒過多久，策略同學(xué) P 就抱怨 M 的評分卡不好使，時靈時不靈。

后來才發(fā)現(xiàn)，業(yè)務(wù)團隊為了完成增長 KPI，自行調(diào)整了 A 產(chǎn)品的受眾群體，把過去只聚焦在優(yōu)質(zhì)客群的 A 產(chǎn)品推向基數(shù)更大但信用資質(zhì)略差的客群。為此，他們新增了 A 產(chǎn)品的進件合作渠道，在展示坑位、流量費用等方面也都做了調(diào)整。但是，在推進這些嘗試的過程中，他們只使用了過去優(yōu)質(zhì)客群的歷史表現(xiàn)數(shù)據(jù)，自然，M 同學(xué)原來建立的評分卡的有效性就非常有限。

所以，晉梅認為，解決問題的經(jīng)典框架中的每一步如果沒有放在整體邏輯中去考慮，很難有價值可言。上面這個例子的漏洞就出在沒有對問題進行合理的拆分和定位。除此之外，還有的企業(yè)會在第一步明確問題的過程中，就開始出現(xiàn)目標上的偏差。

“比如，有些銀行在做 APP 的時候要拼日活數(shù)據(jù)，為了達標玩命地在 App 里添加功能，儼然一副要和字節(jié)拼內(nèi)容、和騰訊拼社交、和 PDD 拼電商的架勢。且不說銀行 App 在這類比拼中到底有什么優(yōu)勢，就說日活數(shù)據(jù)的提升如何與銀行經(jīng)營指標掛鉤？或者流量真的來了，銀行要用什么產(chǎn)品和服務(wù)去承接去變現(xiàn)？而這些接得住流量需求的產(chǎn)品和服務(wù)目前是什么狀況、有沒有需要優(yōu)化的地方、優(yōu)化的節(jié)奏又是什么？完整的商業(yè)模式、業(yè)務(wù)鏈路和實現(xiàn)節(jié)奏企業(yè)自己是要先想清楚的。否則就是盲目投入，很可能錢花了不少卻總說不清產(chǎn)出在什么地方。”

也就是說，這背后要求企業(yè)對自身業(yè)務(wù)的走勢有清晰認知和合理的規(guī)劃，能夠識別和解決到業(yè)務(wù)的“真問題”而不是“偽需求”。

4每個人都該有“業(yè)務(wù)體感”和“數(shù)據(jù)思維”

那么，在一個企業(yè)當中，究竟誰應(yīng)該具備這種結(jié)構(gòu)性思維和解決問題的能力？在傳統(tǒng)認知中，我們通常認為創(chuàng)造業(yè)務(wù)價值并且在這個過程中負責(zé)解決具體問題的，是沖在前線的業(yè)務(wù)部門。而技術(shù)部門扮演的是執(zhí)行者的角色，只要在幕后負責(zé)接收業(yè)務(wù)需求，然后針對性地做開發(fā)、找技術(shù)、做模型。

但是，時過境遷，如今數(shù)字化轉(zhuǎn)型的背后需要源源不斷的技術(shù)內(nèi)燃力，技術(shù)已經(jīng)成為其中的關(guān)鍵角色，這意味著過去這一套協(xié)作模式無法奏效。

所以，晉梅的答案是——無論是一線的業(yè)務(wù)人員還是中后臺的技術(shù)人員，所有人都應(yīng)該具備上面所說的解決問題的思維和能力——更確切來說，每個人都要有“業(yè)務(wù)體感”和“數(shù)據(jù)思維”。

她講了某區(qū)域銀行的例子：“在診斷這家銀行營銷系統(tǒng)時發(fā)現(xiàn)，他們很多營銷活動的響應(yīng)率居然都能達到 90% 以上。即便是非常牛的互聯(lián)網(wǎng)爆款產(chǎn)品，也很難達到這么高的響應(yīng)。所以，當我們把這些數(shù)據(jù)拉出來看的時候，就發(fā)現(xiàn)了問題。這些高響應(yīng)率活動的營銷方式都是短信，而這個所謂的響應(yīng)率其實是送達用戶手機的比例，除了被攔截的短信，超過 90% 多都能送達。事實上，短信送達后用戶并不一定會點擊參與這些營銷活動，而這一步的點擊率是比短信觸達率更具業(yè)務(wù)價值的指標。更讓我震驚的是，這個數(shù)值高達 90％、以‘響應(yīng)率’自居的指標，在這家銀行的營銷系統(tǒng)里已經(jīng)靜靜躺了幾年了。”

在晉梅看來，這就是缺少“業(yè)務(wù)體感”，進而對數(shù)據(jù)的業(yè)務(wù)意義和價值、對數(shù)據(jù)所反映出來的業(yè)務(wù)漏洞也不敏感的一種表現(xiàn)。很多企業(yè)拼命花錢做項目、上技術(shù)，最后要么沒效果、要么說不清楚效果，就宣告項目失敗，其實背后可能不是技術(shù)水土不服，而是圍繞業(yè)務(wù)閉環(huán)本身該做的思考和論證太過敷衍和草率。

但是，現(xiàn)實情況是，這種兼具“業(yè)務(wù)體感”和“數(shù)據(jù)思維“的人才非常稀缺，他的基本能力要求是既要懂業(yè)務(wù)又要懂技術(shù)，復(fù)合能力疊加，培養(yǎng)難度也加倍。晉梅指出，企業(yè)要解決的當務(wù)之急，需要業(yè)務(wù)人員與技術(shù)人員的“雙向奔赴”。

“一方面，技術(shù)一定要去理解業(yè)務(wù)，明確業(yè)務(wù)目標、流程和痛點，你要清楚自己通過哪些技術(shù)、算法能產(chǎn)生什么樣的影響，帶來什么樣的價值；另一方面，業(yè)務(wù)對技術(shù)的理解，不要只在大數(shù)據(jù)、人工智能這些熱詞表面，比如，當你的業(yè)務(wù)對技術(shù)、對數(shù)據(jù)的依賴越來越重，起碼要知道關(guān)鍵技術(shù)的基礎(chǔ)原理、構(gòu)建邏輯、優(yōu)勢、短板和局限性等。”晉梅指出。

5業(yè)務(wù)技術(shù)雙向奔赴，“說人話”比“造新詞”更重要

很多人認為，技術(shù)與業(yè)務(wù)人員之間的隔閡是天然存在的，由于工作內(nèi)容的差異，雙方關(guān)心的問題并不相同，無法在同一套話語體系下溝通是非常普遍的現(xiàn)象。晉梅表示，這個問題不是沒有解，但也沒有捷徑。

“業(yè)務(wù)、技術(shù)、數(shù)據(jù)等核心部門首先都不要回避這個問題，其次要一起迎接這個挑戰(zhàn)。技術(shù)不要認為業(yè)務(wù)背景的人肯定聽不懂技術(shù)和數(shù)據(jù)，高段位技術(shù)的一個重要能力，就是讓業(yè)務(wù)人員聽懂技術(shù)的價值；同樣，業(yè)務(wù)也不要認為技術(shù)人員弄不明白商業(yè)模式，高段位業(yè)務(wù)一定要具備的重要能力，就是簡單、直接地講清楚業(yè)務(wù)本質(zhì)。”

據(jù)晉梅介紹，Capital One 把這樣的文化觀念通過制度和流程的方式做了固化和沉淀。

比如，在人才招聘過程中，無論是業(yè)務(wù)、數(shù)據(jù)還是技術(shù)崗，面試時都會安排一輪案例分析。主導(dǎo)這一輪的面試官都是 VP 級別的高管、擁有一票否決權(quán)。而在整整一小時、和高管 1V1 的面試中，候選人會被提供一個具體的業(yè)務(wù)問題，圍繞著這個問題會被給到業(yè)務(wù)背景、數(shù)據(jù)報表等信息，但這些信息不是一次性、一股腦給到候選人的（這也符合我們在實際工作中碰到的情況），而是由候選人和 VP 展開多輪互動，詢問、確認、提出假設(shè)、分析解讀、給出建議，然后再被提供更多信息后，進一步分析和優(yōu)化建議。

也就是說，在整個面試過程中，候選人身上沒有“業(yè)務(wù)崗”、“數(shù)據(jù)崗”、“技術(shù)崗”的標簽，而是一個先快速吸收背景知識，然后提出問題、分析問題和解決問題的角色。

再比如，在部門協(xié)作過程中，Capital One 模型團隊在每一次對模型進行調(diào)整時，都會和業(yè)務(wù)充分溝通調(diào)整的原因和方式，調(diào)整前后的對比，新模型的優(yōu)勢、短板和局限性；反之，業(yè)務(wù)團隊每一次做業(yè)務(wù)策略調(diào)整時也會把調(diào)整背景、調(diào)整方向、預(yù)判影響等信息同步給模型團隊。并且，在整個流程中，雙方不是對立的狀態(tài)，也不是各自扛各自的指標，而是一起扛業(yè)務(wù)最終的收益。

此外，Capital One 在培訓(xùn)體系中還有一個比較有意思的做法，是在內(nèi)部培訓(xùn)中設(shè)立了一門叫做“COF Lessons Learned”的課程。這是一門不斷積累案例的培訓(xùn)，積累的都是公司付出過代價、在踐行數(shù)據(jù)驅(qū)動業(yè)務(wù)的道路上實實在在踩過的“坑”。而培訓(xùn)的老師，首選是那些曾親身參與和經(jīng)歷過這些“坑”的同事、尤其是負責(zé)人。案例的內(nèi)容很豐富，包括對這些項目的業(yè)務(wù)背景、入坑復(fù)盤，梳理當初的思路是什么、為什么會出現(xiàn)問題、是哪個點沒有考慮清楚、或者溝通上不夠順暢，最后導(dǎo)致了什么樣的業(yè)務(wù)結(jié)果等等。

并且，為了讓每一位員工清醒認識數(shù)據(jù)中既有真相、也有盲區(qū)，模型會揭示規(guī)律、也會制造錯覺，Capital One 還有另一門叫做“Statistical Pitfalls”的內(nèi)訓(xùn)課，專門講述各類統(tǒng)計模型和數(shù)據(jù)分析在支撐業(yè)務(wù)決策的應(yīng)用過程中，可能存在的局限性和常見的誤區(qū)。

“任何技術(shù)、任何工具，只有對它的優(yōu)勢、短板、適用性、局限性等有客觀的認識，才能把好鋼用在刀刃上、真正發(fā)揮它的價值。而在這個過程中，前臺不應(yīng)該自詡為商業(yè)奇才、中后臺也不應(yīng)該以‘技術(shù)大神’自居，探討問題要以表達清楚、闡述明白為目標，不刻意、不做作。”晉梅強調(diào)。

6總結(jié)

2020 年 4 月，《中共中央國務(wù)院關(guān)于構(gòu)建更加完善的要素市場化配置的體制機制的意見》發(fā)布。這是中央第一份關(guān)于要素市場化配置的文件，首次將“數(shù)據(jù)”與土地、勞動力、資本、技術(shù)等傳統(tǒng)要素并列，明確數(shù)據(jù)是一種新型生產(chǎn)要素。

在這樣的背景下，企業(yè)需要對數(shù)據(jù)有客觀清醒的認知：首先，數(shù)據(jù)作為關(guān)鍵生產(chǎn)要素，的確能夠給企業(yè)帶來競爭力提升；但是，數(shù)據(jù)又不是萬能的，它解決不了根本的業(yè)務(wù)模式問題；另一方面，數(shù)據(jù)驅(qū)動文化的構(gòu)建、數(shù)據(jù)思維的培養(yǎng)并非一朝一夕，即便是像 Capital One 這樣曾經(jīng)被“封神”的公司，它的文化價值觀也是在不斷跌進去、爬出來，再跌進去、爬出來的過程中反復(fù)總結(jié)和打磨出來的。

所以，留給企業(yè)的課題是——在數(shù)字化轉(zhuǎn)型過程中，如何尊重規(guī)律、尊重分析、講究邏輯和依據(jù)——以業(yè)務(wù)為船舵，用數(shù)據(jù)做引擎。