C3S模型指導(dǎo)企業(yè)在面對不同類型的問題時，采用最合適的工具和方法，從而最大化數(shù)據(jù)的利用效率和價值創(chuàng)造。通過運用C3S模型，企業(yè)可以在不同的業(yè)務(wù)場景中明確數(shù)據(jù)應(yīng)用的最佳路徑，避免無效的嘗試和資源浪費，加速實現(xiàn)數(shù)據(jù)驅(qū)動的業(yè)務(wù)增長和創(chuàng)新

如何從數(shù)據(jù)中獲取直接的業(yè)務(wù)價值，筆者在《精益數(shù)據(jù)方法論》中通過實踐，總結(jié)了精益C3S模型，將數(shù)據(jù)產(chǎn)生價值的場景分成四類，幫助企業(yè)的數(shù)據(jù)工作者化繁為簡，高效清晰地梳理出數(shù)據(jù)產(chǎn)品創(chuàng)造價值的通往迦南之路。

從數(shù)據(jù)到價值的七大挑戰(zhàn)

“迦南之地”原指《圣經(jīng)》中上帝應(yīng)許給以色列人的一塊富饒之地，象征著豐饒與希望。然而，由于種種原因，以色列人曾長期未能抵達(dá)這一應(yīng)許之地。在現(xiàn)代，“迦南之地”常被比喻為一片“難以到達(dá)的理想之地”。它代表著人們對美好未來的追求和期望，但因重重困難而難以實現(xiàn)。在大數(shù)據(jù)的世界里，也有一片“難以到達(dá)的迦南之地”——從數(shù)據(jù)到價值的轉(zhuǎn)換。這是因為盡管數(shù)據(jù)分析技術(shù)日益先進(jìn)，但在實際應(yīng)用中，數(shù)據(jù)的最終價值仍然高度依賴于業(yè)務(wù)人員的認(rèn)知、經(jīng)驗和決策能力，導(dǎo)致從數(shù)據(jù)到價值往往存在以下七大挑戰(zhàn)：

挑戰(zhàn)一：數(shù)據(jù)呈現(xiàn)和解讀的局限性

數(shù)據(jù)的應(yīng)用場景大部分是生成報表、駕駛艙等供人閱讀的內(nèi)容。這些工具可以展示復(fù)雜的數(shù)據(jù)圖表、趨勢分析和關(guān)鍵指標(biāo)，幫助業(yè)務(wù)人員了解當(dāng)前的業(yè)務(wù)狀況和市場動態(tài)。然而，這些數(shù)據(jù)呈現(xiàn)的方式本質(zhì)上是靜態(tài)的，讀懂這些數(shù)據(jù)背后隱藏的意義，主要依賴于業(yè)務(wù)人員的解讀能力。

挑戰(zhàn)二：業(yè)務(wù)決策的復(fù)雜性

盡管數(shù)據(jù)可以提供豐富的信息和洞察，但最終的業(yè)務(wù)決策仍需由業(yè)務(wù)人員來完成。這是因為數(shù)據(jù)本身并不能直接指示行動方案，它只是提供了一種參考。業(yè)務(wù)人員必須結(jié)合自身的認(rèn)知、經(jīng)驗和對市場的了解，才能從數(shù)據(jù)中提取出有價值的見解并做出決策。

挑戰(zhàn)三：認(rèn)知和經(jīng)驗的局限性

業(yè)務(wù)人員的認(rèn)知和經(jīng)驗是決策過程中的關(guān)鍵因素。然而，每個人的認(rèn)知和經(jīng)驗都存在局限和偏差。即使面對同樣的數(shù)據(jù)，不同的業(yè)務(wù)人員也有可能得出不同的結(jié)論和采取不同的行動。這種主觀性和不確定性使得數(shù)據(jù)驅(qū)動的決策過程充滿了變數(shù)，無法保證每次都能產(chǎn)生預(yù)期的業(yè)務(wù)價值。

挑戰(zhàn)四：數(shù)據(jù)工作者和業(yè)務(wù)理解的差距

數(shù)據(jù)科學(xué)家和業(yè)務(wù)人員之間的認(rèn)知差距也是一大挑戰(zhàn)。數(shù)據(jù)科學(xué)家擅長數(shù)據(jù)分析和技術(shù)，但可能缺乏對具體業(yè)務(wù)場景的深入理解。而業(yè)務(wù)人員雖然了解業(yè)務(wù)需求，但可能對數(shù)據(jù)分析的技術(shù)細(xì)節(jié)不夠熟悉。這種溝通和理解上的障礙，往往導(dǎo)致數(shù)據(jù)分析結(jié)果難以有效轉(zhuǎn)化為實際業(yè)務(wù)決策。

挑戰(zhàn)五：動態(tài)變化的市場環(huán)境

市場環(huán)境的動態(tài)變化是影響決策效果的重要因素。數(shù)據(jù)分析通?；跉v史數(shù)據(jù)進(jìn)行預(yù)測和建模，但市場環(huán)境和業(yè)務(wù)需求是不斷變化的。過去的數(shù)據(jù)和模型可能并不完全適用于當(dāng)前或未來的情況，這增加了決策的不確定性和風(fēng)險。

挑戰(zhàn)六：資源和時間的限制

數(shù)據(jù)分析和決策過程需要投入大量的時間和資源。業(yè)務(wù)人員在日常工作中，可能沒有足夠的時間去深入分析數(shù)據(jù)并結(jié)合實際情況做出全面的判斷。這種資源和時間的限制，使得數(shù)據(jù)的價值轉(zhuǎn)換過程更加復(fù)雜和困難。

挑戰(zhàn)七：效益評估的困難

即使做出了基于數(shù)據(jù)的業(yè)務(wù)決策，其效果和價值也不是立即顯現(xiàn)的。業(yè)務(wù)決策的效果往往需要經(jīng)過一段時間才能評估，而且還受到其他外部因素的影響。這使得數(shù)據(jù)驅(qū)動決策的效益評估變得困難，增加了不確定性。

應(yīng)對挑戰(zhàn)的四大舉措

面對從數(shù)據(jù)到價值轉(zhuǎn)換過程中遇到的七大挑戰(zhàn)，企業(yè)可以采取以下策略進(jìn)行應(yīng)對，最大限度地提升數(shù)據(jù)驅(qū)動決OjFXVvWizrkDbbfpQuL906WV8eIiINORya+Xgtwi/Ic=策的有效性和效率。

舉措一：將業(yè)務(wù)問題分級分類，匹配不同的數(shù)據(jù)產(chǎn)品

不同業(yè)務(wù)問題的復(fù)雜性和重要性各有迥異，企業(yè)應(yīng)根據(jù)不同的業(yè)務(wù)需求，將問題分級分類，然后匹配相應(yīng)的數(shù)據(jù)產(chǎn)品和解決方案?？梢詮囊韵滤牟介_始做起：第一步，根據(jù)業(yè)務(wù)目標(biāo)和影響范圍，將業(yè)務(wù)問題的優(yōu)先等級分為為高、中、低三類。第二步，將業(yè)務(wù)問題按領(lǐng)域和特性進(jìn)行分類，例如市場營銷、供應(yīng)鏈管理、客戶服務(wù)等。第三步，匹配數(shù)據(jù)產(chǎn)品，為每類業(yè)務(wù)問題選擇最合適的數(shù)據(jù)產(chǎn)品和分析工具。例如，針對市場營銷問題，可以使用客戶細(xì)分和營銷效果分析的數(shù)據(jù)產(chǎn)品；針對供應(yīng)鏈管理問題，可以使用庫存預(yù)測和物流優(yōu)化的數(shù)據(jù)產(chǎn)品。

筆者曾經(jīng)輔導(dǎo)過一家零售企業(yè)，指導(dǎo)其先對業(yè)務(wù)問題進(jìn)行分級分類，選擇使用最合適的庫存優(yōu)化數(shù)據(jù)產(chǎn)品解決高優(yōu)先級的庫存管理問題，同時使用客戶反饋分析工具提升中優(yōu)先級的客戶滿意度，效果十分顯著。

舉措二：將業(yè)務(wù)與數(shù)據(jù)技術(shù)充分融合，加強(qiáng)相互理解

打破數(shù)據(jù)科學(xué)家和業(yè)務(wù)人員之間的溝通壁壘，促進(jìn)雙方充分融合和相互理解。采用精益數(shù)據(jù)編組的形式，組建由數(shù)據(jù)專家、業(yè)務(wù)人員和IT人員組成的跨職能團(tuán)隊，確保每個項目都有多方參與。定期組織數(shù)據(jù)培訓(xùn)和業(yè)務(wù)交流活動，提升數(shù)據(jù)科學(xué)家對業(yè)務(wù)的理解，增強(qiáng)業(yè)務(wù)人員的數(shù)據(jù)素養(yǎng)。設(shè)定共同的項目目標(biāo)和關(guān)鍵績效指標(biāo)（KPI），讓團(tuán)隊成員有一致的努力方向。

筆者所服務(wù)的一家制造業(yè)500強(qiáng)企業(yè)，組建了一支跨職能團(tuán)隊的精益數(shù)據(jù)編組，組內(nèi)的數(shù)據(jù)專家與業(yè)務(wù)人員合作開發(fā)了一個信用風(fēng)險預(yù)測模型。通過定期的培訓(xùn)和交流活動，業(yè)務(wù)人員逐漸掌握了模型的基本原理，并在實際業(yè)務(wù)中有效應(yīng)用預(yù)測結(jié)果。

舉措三：盡可能讓數(shù)據(jù)直接驅(qū)動業(yè)務(wù)動作，減少人為干預(yù)

通過自動化和智能化手段，讓數(shù)據(jù)直接驅(qū)動業(yè)務(wù)動作，減少人為干預(yù)，能有效提升決策的準(zhǔn)確性和及時性。開發(fā)自動化的決策支持系統(tǒng)，根據(jù)數(shù)據(jù)分析結(jié)果自動執(zhí)行業(yè)務(wù)動作。利用實時數(shù)據(jù)流處理技術(shù)，實現(xiàn)數(shù)據(jù)的即時分析和響應(yīng)，減少延遲。引入機(jī)器學(xué)習(xí)和人工智能技術(shù)，提升決策的智能化水平，例如，自動調(diào)整庫存、動態(tài)定價、客戶推薦等，讓系統(tǒng)能夠自我學(xué)習(xí)和優(yōu)化。

筆者服務(wù)的一家電商企業(yè)開發(fā)了動態(tài)定價系統(tǒng)，根據(jù)實時的市場需求和庫存水平，自動調(diào)整商品價格，從而提高銷售效率和利潤率。

舉措四：將價值分解成更容易實現(xiàn)的步驟

精益數(shù)據(jù)方法的核心舉措是快速找到能實現(xiàn)的最小業(yè)務(wù)單元價值，將宏大的業(yè)務(wù)目標(biāo)分解為具體的、可操作的小步驟，逐步實現(xiàn)業(yè)務(wù)價值。這可以分成三步走：第一步，價值拆解，將整體業(yè)務(wù)目標(biāo)分解為多個小目標(biāo)，每個小目標(biāo)對應(yīng)一個具體的行動步驟和數(shù)據(jù)分析任務(wù)。第二步，里程碑管理，設(shè)定項目里程碑和階段性成果，逐步推進(jìn)項目實施，在推進(jìn)過程中及時調(diào)整策略和方法。第三步，敏捷開發(fā)，采用敏捷開發(fā)方法，分階段交付數(shù)據(jù)產(chǎn)品和業(yè)務(wù)改進(jìn)方案，快速迭代和優(yōu)化。

筆者輔導(dǎo)的一家制造企業(yè)希望通過數(shù)據(jù)驅(qū)動的方式提升生產(chǎn)效率。面對這么宏大的目標(biāo)，往往無從開始，于是在精益數(shù)據(jù)方法的指導(dǎo)下，利用精益數(shù)據(jù)價值樹的工具，將宏大的目標(biāo)分解為多個具體步驟：首先，優(yōu)化原材料供應(yīng)鏈；其次，提升生產(chǎn)設(shè)備的維護(hù)和管理；最后，優(yōu)化生產(chǎn)流程。每個步驟都有明確的行動計劃和數(shù)據(jù)支持，從而逐步實現(xiàn)整體目標(biāo)。

上述這些策略不僅有助于企業(yè)提升數(shù)據(jù)驅(qū)動決策的效率和準(zhǔn)確性，還能幫助企業(yè)在復(fù)雜多變的業(yè)務(wù)環(huán)境中找到通向價值實現(xiàn)的最短路徑。

Cynefin框架：解決復(fù)雜問題的思維模型

在現(xiàn)代管理和決策領(lǐng)域，Cynefin框架被廣泛認(rèn)為是一種強(qiáng)有力的工具，能夠幫助人們識別、分析和解決各種復(fù)雜的業(yè)務(wù)和管理問題。學(xué)習(xí)Cynefin框架不僅能夠更好地識別問題、分析問題，還能夠幫助人們在應(yīng)對復(fù)雜性和不確定性時采取適當(dāng)?shù)男袆樱瑥亩行Ы鉀Q問題。

Cynefin框架的起源和意義

Cynefin是一個威爾士語單詞，發(fā)音為[k?-n?v-?n]，字面意思是“棲息地”，但其實際含義更為豐富，強(qiáng)調(diào)理解問題所處環(huán)境和背景的重要性。Cynefin框架是由戴夫斯諾登（Dave Snowden）在1999年提出的，他將問題分為五個領(lǐng)域：簡單的（Simple）、繁雜的（Complicated）、復(fù)雜的（Complex）、混亂的（Chaotic）和無序的（Disorder）。

Cynefin框架的五個領(lǐng)域

Cynefin框架將問題分解成五個領(lǐng)域，如圖1所示：

簡單的（Simple）：對于簡單的問題，存在可預(yù)測和可重復(fù)的因果關(guān)系，屬于“已知的已知”，即我們已經(jīng)知道所有需要知道的事情。這類問題通常都是不言自明的，有一個公認(rèn)的、顯而易見的答案。解決簡單問題的步驟是：感知→分類→應(yīng)對。即先感受和識別問題，然后對問題進(jìn)行分類，再根據(jù)分類來選擇應(yīng)對策略。

例如，一個剛畢業(yè)的大學(xué)生處在職業(yè)發(fā)展的初期，想要積累工作經(jīng)驗。這是相對簡單的，只要遵循一些固定的工作流程，就能產(chǎn)生可預(yù)測的結(jié)果。

繁雜的（Complicated）：對于繁雜的問題，因果關(guān)系并不顯而易見，屬于“已知的未知”，即我們知道有些事情我們不知道。這類問題需要運用專業(yè)知識來分析。解決繁雜問題的步驟是：感知→分析→應(yīng)對。即先收集數(shù)據(jù)和相關(guān)信息，然后運用專業(yè)知識對它們進(jìn)行分析，找出有效的應(yīng)對策略。

例如，隨著大學(xué)畢業(yè)生積累了一定的工作經(jīng)驗，他們會遇到一些繁雜的問題，需要靠專業(yè)知識去解決。例如，一個工程師需要解決某個技術(shù)難題，必須通過數(shù)據(jù)分析和專業(yè)知識來找到最佳解決方案。

復(fù)雜的（Complex）：對于復(fù)雜的問題，因果關(guān)系是不可預(yù)測的，屬于“未知的未知”，即我們不知道有些事情我們不知道。只有在解決問題之后，才能將問題和解決步驟看清楚。解決復(fù)雜問題的步驟是：探索→感知→應(yīng)對。即先進(jìn)行實驗、測試和探索，從而獲得感知和反饋，再根據(jù)反饋來制定和調(diào)整應(yīng)對策略，逐漸找到問題的解決方案。

例如，一名經(jīng)驗豐富的管理者需要設(shè)計一項新的市場策略。這類問題的解決過程充滿不確定性，需要不斷嘗試、評估和調(diào)整策略，才能找到最佳的市場方案。

混亂的（Chaotic）：對于混亂的問題，沒有確定的因果關(guān)系，屬于“不可知的未知”，即存在不能獲知的情況，短期內(nèi)無法識別具體的模式。解決混亂問題的步驟是：行動→感知→應(yīng)對。即先快速選擇一個方案去行動，等形勢穩(wěn)定下來之后，再去分解問題，將問題轉(zhuǎn)化為復(fù)雜問題或者繁雜問題域。

例如，一家企業(yè)在面臨突發(fā)危機(jī)時，需要快速做出決策，例如自然災(zāi)害后的緊急響應(yīng)。這時，立即采取行動是關(guān)鍵，隨后再根據(jù)形勢變化調(diào)整策略。

無序的（Disorder）：當(dāng)問題的情況很不明朗時，我們可以認(rèn)為它是無序的。在這種情況下，解決無序問題的步驟是：先確定問題所在的領(lǐng)域，然后再按照前面介紹的方法來解決。

例如，一個初創(chuàng)公司在成立初期面對市場、技術(shù)和管理上的多重挑戰(zhàn)，這種情況下需要先明確每個問題的性質(zhì)，再采用相應(yīng)的策略進(jìn)行解決。

精益C3S模型：數(shù)據(jù)產(chǎn)生價值的四條路徑

在Cynefin框架的基礎(chǔ)上，精益數(shù)據(jù)價值C3S模型把數(shù)據(jù)分析應(yīng)用于業(yè)務(wù)問題的處理過程中，按照價值創(chuàng)造的路徑，將業(yè)務(wù)問題分成四個象限：復(fù)雜問題挖掘（Complex）、組合數(shù)據(jù)分析（Complicated）、混沌問題定義（Chaos）和清晰問題回答（Simple）。每個象限內(nèi)的業(yè)務(wù)問題類型和分析方法有所不同，通過精益數(shù)據(jù)價值C3S模型，數(shù)據(jù)工作者能夠有章可循，按部就班地實現(xiàn)從數(shù)據(jù)到業(yè)務(wù)價值的轉(zhuǎn)換，如圖2所示：

清晰問題回答（Simple）

有唯一準(zhǔn)確的答案，能夠從現(xiàn)有數(shù)據(jù)中直接查詢到結(jié)果。例如，哪個單品的銷量最好？當(dāng)前的任務(wù)是否完成？采用的數(shù)據(jù)分析方法比較清晰，包括簡單統(tǒng)計分析、報表生成、儀表盤展示等。

單品銷量排名：一家超市希望了解各單品的銷售情況，通過生成銷售報表和儀表盤，就可直接展示每個單品的銷量排名，幫助管理層快速做出決策。

組合問題分析（Complicated）

多個清晰問題的組合，有復(fù)雜規(guī)律的確定性因果關(guān)系。例如，如何提升某個單品的銷量？哪些SKU（最小存貨單位）的銷量最好？采用的數(shù)據(jù)分析方法比較復(fù)雜，包括多變量分析、回歸分析、時間序列分析等。

一家食品公司希望提高某款新產(chǎn)品的銷量，通過分析歷史銷售數(shù)據(jù)、市場推廣活動、季節(jié)性因素等，使用回歸分析找到銷量提升的最佳策略。

復(fù)雜問題挖掘（Complex）

沒有確定性規(guī)律的因果關(guān)系，需要不斷分解和探索的業(yè)務(wù)價值。例如，如何提升收入？如何提升客戶的滿意度？采用的分析方法一般是探索性數(shù)據(jù)分析（EDA）、高級統(tǒng)計分析和機(jī)器學(xué)習(xí)算法來發(fā)現(xiàn)潛在模式和規(guī)律。

一家零售公司希望提升整體收入，需要分析多種因素，如市場趨勢、消費者行為、促銷活動效果等，并使用機(jī)器學(xué)習(xí)模型預(yù)測哪些策略最有效。

混沌問題定義（Chaos）

適合那些問題模糊不清，需要進(jìn)行頂層設(shè)計的系統(tǒng)性問題。例如，戰(zhàn)略方向是什么？采用的數(shù)據(jù)分析方法包括戰(zhàn)略規(guī)劃、頭腦風(fēng)暴、情景分析等。

初創(chuàng)科技公司希望明確未來的發(fā)展戰(zhàn)略，通過市場調(diào)研、競爭對手分析、技術(shù)趨勢預(yù)測，進(jìn)行情景分析和頭腦風(fēng)暴，找出最適合的發(fā)展路徑。

精益C3S模型與DIKW模型的關(guān)系

DIKW 模型

DIKW模型（Data—Information—Knowledge—Wisdom）是信息科學(xué)中的一個經(jīng)典模型，用于描述數(shù)據(jù)、信息、知識和智慧之間的層次關(guān)系。這一模型有助于理解如何從原始數(shù)據(jù)逐步提煉出有價值的信息、知識，最終升華為智慧，如圖3所示：

數(shù)據(jù)（Data）

數(shù)據(jù)是最基礎(chǔ)的層次，指的是從物理世界中記錄的原始事實和數(shù)字。這些數(shù)據(jù)通常是未經(jīng)處理的，沒有經(jīng)過分類、過濾或解釋。數(shù)據(jù)的特點是數(shù)量龐大、形式多樣（如數(shù)字、文本、圖像等）、沒有直接意義。例如，溫度傳感器每秒記錄一次溫度值，這些溫度值就是數(shù)據(jù)。

信息（Information）

信息是經(jīng)過處理和整理后的數(shù)據(jù)。通過分類、過濾和結(jié)構(gòu)化，使數(shù)據(jù)具有特定的意義和上下文。信息的特點是提煉后的數(shù)據(jù)、有規(guī)律和結(jié)構(gòu)、具備一定的意義。例如，將溫度傳感器的原始數(shù)據(jù)按時間順序整理，并計算每日的最高溫度、最低溫度和平均溫度，這些統(tǒng)計結(jié)果就是信息。

知識（Knowledge）

知識是對信息的理解和解釋，基于經(jīng)驗、學(xué)習(xí)和推理形成的一種能力。知識幫助我們理解信息的背景、意義和應(yīng)用。知識的特點是對信息的抽象和總結(jié)、需要經(jīng)驗和專業(yè)知識、有助于決策和行動。例如，根據(jù)溫度信息，氣象學(xué)家能夠理解氣候模式，預(yù)測未來的天氣變化。這種能力就是知識。

智慧（Wisdom）

智慧是知識的升華，能夠基于深刻的洞察和判斷做出最佳決策和行動。智慧不僅依賴于知識，還包括道德和倫理的考慮。智慧的特點是知識的應(yīng)用和運用，包含價值判斷、能夠指導(dǎo)長期戰(zhàn)略和行動。例如，氣象學(xué)家在預(yù)測到極端天氣后，不僅發(fā)出預(yù)警，還提出具體的防災(zāi)減災(zāi)措施，從而保護(hù)人民的生命和財產(chǎn)安全。這種綜合判斷和行動能力就是智慧。

C3S模型是DIKW模型的逆向工程，就是將復(fù)雜的業(yè)務(wù)問題，通過數(shù)據(jù)分析的工具，層層分解成客觀的、清晰的數(shù)據(jù)問題，從而最快從數(shù)據(jù)中獲得業(yè)務(wù)價值。精益數(shù)據(jù)價值C3S模型通過將業(yè)務(wù)問題分成復(fù)雜問題挖掘、組合數(shù)據(jù)分析、混沌問題定義和清晰問題回答四個象限，幫助企業(yè)在數(shù)據(jù)分析過程中有針對性地選擇分析方法和工具，從而更有效地創(chuàng)造業(yè)務(wù)價值。每個象限對應(yīng)的業(yè)務(wù)問題類型和分析方法不同，企業(yè)可以根據(jù)具體需求，選擇最適合的方法進(jìn)行分析和決策，如圖4所示：

對于清晰問題，可以直接采用報表、儀表盤、KPI工具、管理駕駛艙或者通知消息等數(shù)據(jù)工具，讓用戶最直接的獲得確定的答案，從而指導(dǎo)業(yè)務(wù)操作。

對于組合問題，提供統(tǒng)計分析工具、時間序列分析工具等方法，幫助業(yè)務(wù)一層層分解組合問題到簡單清晰問題，從而獲得最佳答案。

對于復(fù)雜問題，則需要借助探索性數(shù)據(jù)分析工具、機(jī)器學(xué)習(xí)模型或者A/B測試工具，來不斷試探，尋找最優(yōu)解的可能性。

而對于混沌問題，則可能第一步并不是從數(shù)據(jù)出發(fā)，而是要從戰(zhàn)略出發(fā)，從場景出發(fā)，尋找到業(yè)務(wù)價值點，然后再分解成復(fù)雜問題、組合問題和清晰問題，最后得出最優(yōu)解。

C3S模型指導(dǎo)企業(yè)在面對不同類型的問題時，采用最合適的工具和方法，從而最大化數(shù)據(jù)的利用效率和價值創(chuàng)造。通過運用C3S模型，企業(yè)可以在不同的業(yè)務(wù)場景中明確數(shù)據(jù)應(yīng)用的最佳路徑，避免無效的嘗試和資源浪費，加速實現(xiàn)數(shù)據(jù)驅(qū)動的業(yè)務(wù)增長和創(chuàng)新。這不僅提升了數(shù)據(jù)分析的效率，還促進(jìn)了企業(yè)整體決策水平的提高，使數(shù)字化轉(zhuǎn)型變得更加科學(xué)和高效。

（作者系中國特色數(shù)字化轉(zhuǎn)型方法論創(chuàng)始人。暢銷書《精益數(shù)據(jù)方法論——數(shù)據(jù)驅(qū)動的數(shù)字化轉(zhuǎn)型》唯一作者，中國計算機(jī)學(xué)會數(shù)字化轉(zhuǎn)型與企業(yè)架構(gòu)SIG主席、數(shù)字產(chǎn)業(yè)創(chuàng)新研究中心副主席、公眾號《凱哥講數(shù)字化》作者，為企業(yè)提供數(shù)字化轉(zhuǎn)型咨詢培訓(xùn)輔導(dǎo)教練服務(wù)。）