2016 年麦肯锡在报告 《分析的时代》 中提出,人类已经进入数据驱动的世界,数据智能将在未来十年产生 13 万亿美元的经济收益。如今,所有的咨询和研究机构,都将数据驱动作为行业趋势。
随着数据的指数级增长、算力提升和人工智能技术的不断发展,数据驱动替代流程驱动将是势不可挡的趋势。但是,仍然有很多同学对于什么是流程驱动、什么是数据驱动以及二者的区别不是很清楚,本文将针对这几个问题进行深入剖析。
首先我们来看,什么是业务流程。业界对业务流程有多个经典定义:
总的来讲,可以 归纳 为:业务流程(Business Process)是为达到特定的价值目标而由不同的人分别共同完成的一系列活动。活动之间不仅有严格的先后顺序限定,而且活动的内容、方式、责任等也必须有明确的安排和界定,以使不同的活动在不同岗位角色之间进行交接和协作成为可能。
层次性
业务流程是有层次性的,体现在从上至下,从整体到局部,从宏观到微观,从抽象到具体,是一个以逻辑为主体的体系。所以我们在提到流程的时候,会说一级流程、二级流程等。
这样的一个层次结构,非常符合人类的思维逻辑,便于企业业务模型的建立。所以在信息化建设时代,企业做 ERP 之前都会做一个事情,叫 流程再造,通过重组工作任务形成更高效的流程,更好地改善成本、质量和服务。
抽象性
业务流程是从企业业务中分析、抽象、提炼出的关键业务节点的集合。业务流程的建模过程非常依赖于设计流程的人的业务理解能力、业务建模能力,并且每一个业务流程要解决的业务问题不一样的时候,业务流程的设计结果是不一样的。
比如,同样的一个从订单到交货的业务过程,从销售视角,从物流视角,从财务视角,梳理出来的流程节点是不一样。
从某种程度上来讲,业务流程建模的规程体现了不同的视角、角色对于业务的认知和理解,所以我们认为流程本身不是客观的。
以人为本
所有的业务流程都是以人为最核心的驱动者,组织的每一个人都会在业务流程中充当一个角色,通过良好的流程设计,每一个人都会有自己清晰的职责,从而更加明确地指导自己在业务流程中的工作目标和内容边界。
其次,每个人都能够看到这些业务流程,充分理解这些流程设计的意义和目的,所有的业务流程都要以符合员工理解能力的方式展示出来,比如以操作手册、流程文档、图形、规范、制度等。
业务流程不是凭空产生的,它的出现是企业管理体系发展的产物,从人的驱动,到职能驱动再到流程驱动,业务流程在一段时间内代表了企业先进的管理理念。
90 年代,美国麻省理工学院(MIT)的计算机系教授迈克尔·哈默(Michael Hammer)和 CSC 管理顾问公司董事长钱皮(James Champy)在《公司重组—企业革命宣言》一书中提出了流程再造(Business Process Re-engineering) 的概念。
他们指出,两百年来,人们一直遵循亚当·斯密的劳动分工的思想来建立和管理企业,即注重把工作分解为最简单和最基本的步骤,然后根据这些步骤来划分职能,用职能来驱动生产和管理,这种方式已经不适应当前的企业需求,应该把工作任务重新组合到首尾一贯的工作流程中去。
他们给 BPR 下的定义是:“为了大幅度改善成本、质量、服务、速度等现代企业的主要运营基础,必须对工作流程进行根本性的重新思考并彻底改革。”
它的基本思想就是—必须彻底改变传统的工作方式,也就是彻底改变传统的自工业革命以来、按照分工原则把一项完整的工作分成不同部分、由各自相对独立的部门依次进行工作的工作方式,这也就是流程驱动的源头。
相比较起人的驱动(People-Driven)和职能驱动(Function-Driven),流程驱动有着显著的先进性:
端到端价值链
流程驱动的本质是一组人通过分工协作,在完成各自的工作内容后达成一个业务目标。所以,流程本身是一个端到端的价值链,虽然每一个角色的工作是局部的,但是在流程的牵引下,能够达成一个最终的业务目标,产生业务价值。
更好的协作
流程驱动强调的是精细化的设计,让每一个角色能够清晰地知道自己的上游是谁,下游是谁,自己的工作内容是什么,分工界面是什么,交接物是什么,这种情况下,每一个角色不需要掌握全局的细节,而只需要按照流程的设计来操作,完成自己的工作,就能够与其他环节协作。
这样的设计,比起之前的人的驱动和职能驱动,让不同角色之间的协作效率有了大幅的提高,减少了模糊地带,降低了摩擦。
更容易复制
流程驱动的核心是标准化,这也就是为什么十年前我们做 IDP、做 ERP 系统的时候强调先固化后优化的原因。
通过标准化的流程,标准化的作业手段和操作规程,降低对人的能力的依赖,从而能够让工作更加容易被复制,而更容易被复制,带来的收益就是推广和规模化起来更容易。
更高的响应力
在职能驱动的时代,如果业务需求发生了变化,需要点对点的去做全面沟通,如果有五个职能角色的协作任务,沟通的复杂度至少是五次以上。但是如果是流程驱动的形式,在识别到变化点涉及的节点后,可以通过最小的沟通成本,达到更高的响应力。
假设一个最简单的场景,如上图是包含五个节点的协作体系,其中一个节点发生了变化。左边是职能驱动的时代,当 B 节点发生变化的时候,需要至少与五个节点沟通;右边是流程驱动的时代,当 B 节点发生变化的时候,只需要最多与 2 个节点沟通。流程驱动相对职能驱动能提供更高的响应力。
管理更高的复杂度
由于流程是有层次的,所以能够通过层层分解将高复杂度的事情分解成一层层相对简单的流程,最后达到可以被理解和管理的复杂度,通过层层流程分解设计的方法可以管理更高复杂度的问题。而职能驱动的方式是点对点设计,当节点更多、角色岗位更多的时候,复杂度会呈指数级增长。
现在很多先进理念和理论,从 JIT 到精益生产,都是在流程驱动基础上的产物。而信息化、数字化则是构建在业务流程基础上的。可以说,没有业务流程,就没有企业数字化的今天,流程是最早的物理世界与数字化世界沟通的业务语言。
总而言之,流程概念的提出,是现代化企业制度管理的里程碑,流程再造的推行是企业信息化建设的业务基础,我们必须肯定流程驱动在历史角度下的先进性和对于企业管理的巨大作用才能客观的看待未来的趋势。
业务流程的出现,给现代企业的管理注入了新的能力,流程驱动加速了企业的发展,为企业的信息化、数字化打下了基础。
在业务流程的基础上,办公自动化(OA)、物料需求计划(MRP)、企业资源管理系统(ERP)等系统不断涌现,使管理更复杂的流程成为可能,从而不断让业务流程更加细化和专业化,最终形成了流程和数字化的双轮驱动。
这个双轮驱动的结果就是形成了一个数字化的业务世界,它的核心是数据,数据通过软件系统沉淀了所有业务流程的过程和结果数据,是所有业务的数字化存在形式。
在流程为中心的时代,业务流程是核心,所有的业务系统是业务流程的一种软件式存在方式,通过软件系统让传统流程跑的更快、复制的更快、跑的更标准,这是目的。
但是,在无形中,业务流程一边跑,一边沉淀了。
维基百科对数据驱动的定义是这样的:“The adjective data-driven means that progress in an activity is compelled by data, rather than by intuition) or by personal experience”。翻译过来就是,数据驱动指的是流程中的行为是被数据驱动而不是被人的直觉和经验驱动的。
基于这个定义,似乎数据驱动是指用数据驱动流程。Carl Anderson 在《创造数据驱动的组织》一书中,对于数据驱动的定义是“构建工具、能力,最重要的是,依据数据去行为的文化”。
到这里,我们可能还是不是很清楚到底什么是数据驱动,下面来看几个数据驱动的例子。
Netflix 是一家数据驱动的企业,他们的所有业务决策, 从内容制作、客户增长、业务运营、项目管理到资产管理,都是基于数据做决策的。Netflix 的核心决策流程如下图所示:
所有的业务问题和决策都从提出问题和假设开始,然后利用数据做 A/B 测试,最终根据测试的数据结果来做决策。
Netflix 典型的数据驱动场景有如下几个:
数据驱动的产品开发
Netfflix 搜集了用户所有的“事件”数据,然后将这些数据都打上标签,从而了解什么类型、什么区域、什么年龄段的用户对于什么样的内容比较感兴趣,再根据这些数据分析的结果来选择,制作和推广影视内容。
基于数据的产品推荐
Netflix 利用采集的所有数据给用户做画像,从而在特定的时间、特定的设备、特定的地点,给用户推送不同的内容,从而个性化首页展现。
数据驱动的爆款预测模型
在影视行业,产出爆款内容是所有出版发行方的追求。那么如何能够在爆款显露出一丝端倪的时候,就注入合适的资源、流量,从而使其快速发酵,就成为了打造爆款的关键。不像传统的收视率调查方式,Netflix 通过基本资讯、浏览行为、观看行为、喜好追踪、装置使用等数据的综合分析,构建模型来实时捕捉和跟踪预测爆款剧集,从而第一时间匹配对应的推广和营销策略。
数据驱动的资产优化管理
制作大型影视剧时,一些庞大的道具和设备需要在全球各个片场中搬运,如何更好地做好资产的分配、调拨,从而优化资产利用率,更好地匹配剧集的制作和拍摄?
Netflix 利用数据驱动的方式进行模拟建模,从而预测来提升了资产的利用率,降低了拍摄成本。
数据驱动的项目排程
对于一个一年产出几千小时剧集的大型影视制作商来说,如何管理遍布全球的拍摄组,更好地管理拍摄场景,让演员的工作量和表演状态更好地平衡,优化降低成本,对成百上千种道具和资源进行合理的调度和管理,是一个非常复杂的项目群管理问题。
Netflix 通过数据建模,利用模拟、优化、计划等算法来管理这些内容的制作,达到一个最佳的配置和编排管理。
以上都是数据驱动的定义和案例,那么我们回头来看一下,数据驱动和流程驱动的关系。
流程驱动的本质可以用下面这个图来解释。
左边是输入,主要是业务人员的经验和直觉,当然业务人员可能也会借助数据分析和报表工具;中间是流程设计过程,基本以业务人员为主,通过分析、设计、优化等方法,完成整个流程的设计,并且整个过程是可见的、可解释的;最后的输出是业务规则,这些业务规则会应用到线下业务或者业务系统中成为判断和决策的依据。
数据驱动的本质可以用下面这张图来解释:
左边是数据源,主要是业务系统,当然也有人工录入的数据;数据驱动的输入就是数据本身,然后利用数据挖掘、机器学习等技术进行建模,形成数据模型,这个过程是不可见的;最后输出的是业务决策。
从上面两个图,我们可以看出数据驱动和流程驱动的区别:
流程驱动是以人的经验和直觉为输入,而数据驱动则以数据为输入。
流程驱动的开发过程以咨询和人工分析方法为主,而数据驱动的开发过程以数据建模和机器学习为主的数据技术方法(Data-Tech)为主。
流程驱动的过程是可解释、可视化的,而数据驱动的过程大部分是不可见的,尤其以机器学习为代表的过程被行业称为“炼丹术”。
流程驱动由于有人的参与,所以整个过程是非自动化的,而数据驱动是可以全自动化的。
流程驱动的过程,当出现变化的时候,需要重新设计流程,迭代比较慢;数据驱动的过程,当出现变化的时候,数据模型得重新训练,增量学习迭代速度快于流程驱动。
最终,流程驱动输出的是规则体系,然后规则体系被应用到业务做出决策,而数据驱动可以直接输出决策。
我们用一个最简单的定价场景作为例子。传统的定价流程是,多个角色从市场价格采集、收入分析、成本分析、客户体验各方面给出自己的建议,然后大家一起讨论定一个价格。当任何一个条件发生变化的时候,这个流程就要再走一遍,这是流程驱动的定价模型。
而在数据驱动场景下,价格定制的运作过程如下图所示:
模型是基于数据训练出来的,所以价格可以实时获取,不需要人工或者只需要少量人工干预,能够更快响应业务的需求。
流程驱动和数据驱动是两种决策方式,各有各的特点,不同的场景下有不同的选择,在现阶段,不存在绝对的正确或者错误。
当规则足够清晰、业务相对静态且数据条件不够好的情况下,基于流程的规则体系成本更低。
如果业务变化比较快,而且数字化程度较高、数据质量好、数据维度丰富,则尽量采用数据建模、机器学习的数据驱动方式,才能够更快速、实时地响应业务的需求。
最终如何选择,是人的业务经验加数据质量,算法模型的准确性,实现成本的综合因素。
你也「在看」吗?👇