帆软MVP专访 | BI佐罗：用数据分析不断拆开商业运作的“黑盒”

大数据产业创新服务媒体

——聚焦数据 · 改变商业

---

近日，2023帆软MVP（Fanruan Most Valuable Professional）获奖名单公布，全球知名零售集团数据分析师、自媒体大咖BI佐罗获此殊荣。

帆软最具价值专家，简称帆软MVP（Fanruan Most Valuable Professional )，是帆软颁发给产品用户专家的一项荣誉认证，以感谢他们为帆软产品的发展所做出的卓越贡献。

帆软MVP计划上线后，收到了非常多优秀数据分析师的报名，来自各行各业，都是深耕在业务中的数据分析从业者，他们用自己的专业知识、技能和热情，帮助广大用户解决问题，推动技术交流，助力行业发展。他们的无私奉献和分享，为帆软产品生态的发展和用户的成长提供了强大的支持！全球知名零售集团数据分析师、自媒体大咖BI佐罗也是其中一员，并且从众多候选人中脱颖而出，获得2023帆软MVP荣誉奖励。

BI佐罗是数据分析的科班出身，毕业后一直从事数据分析相关的工作，从业的十几年间，BI佐罗从最开始的技术岗位做起，后来逐渐偏向企业业务价值本身以及企业的商业模式，正是由于在大公司、大平台的历练和个人持之以恒的积累，使得BI佐罗既懂得数据分析师的成长路径，又深谙企业数字化转型的方向。目前，BI佐罗既是很多数据分析师的教练，又为企业提供数字化转型的咨询服务，在C端和B端同时发力。

C端和B端同时发力是不少人梦寐以求的事业发展方向，但是这对于个人或企业的专业能力要求很高、对实践经验考验非常大。拿数据分析来说，处于不同岗位、位置的人而言，看到的、想到的、考虑的事情完全不一样，基层的数据分析师可能更多的考虑技术实现，高层的管理者考虑的是通过数据分析发现业务短板、战略转型机会……

作为企业数字化转型顾问，BI佐罗如何通过商业数据分析理解商业的本质呢？企业管理者是否应该依赖各类数据分析报表做决策？如何看待ChatGPT等人工智能大模型对这个岗位的冲击呢？带着这些问题，数据猿专访了BI佐罗。

打开商业运作的“黑盒”

说起用商业数据分析理解商业的本质，BI佐罗有自己的一套逻辑，他借用卡耐基梅隆大学在软件工程领域中的软件能力成熟度模型，进而形成了自己的一套考察企业能力成熟度的体系。在这个体系中，他将企业能力的成熟度分为如下五个阶段。

第一个阶段是初始期，初始期一般是企业的最开始的时期，一家公司只要能赚钱、只要能活着，就是企业最开始的形态，这个阶段企业的商业数据开始不断的积累。

第二个阶段是可重复期，在初始期，随着业务的发展，企业会发现有越来越多重复的客户或者重复的交易类型，把这些可重复的客户或者交易管理好、服务好，就是该阶段的重要任务。

第三个阶段是标准期，在积累了越来越多的客户和交易之后，企业开始运用标准化的流程、规范等，使企业的产品、服务、交易过程等到达标准化和确定性。这就是在数字化系统不发达时，很多企业倡导的“凡事有流程、每个环节有标准”。

第四个阶段是可量化期。随着数字化办公系统和信息化的逐渐深入，企业的很多业务数据、运营数据、财务数据，甚至企业的管理，都开始进入了数字化，企业所有的商业运转都进入了可量化的时期。

第五个阶段是持续优化期，这个时期，企业的运营人员可以从大规模的报表中解放出来，业务部门提出需求，运营部门可以直接在数字化平台上自动产生报表，自动化的过程极大提升了原来报表的制作效率，并提出新的业务需求重新循环。

从上述五个阶段来看，通过数据分析理解企业运行的本质主要是在第四阶段之后，当企业的运营和管理开始步入可量化期后，企业管理者就可以根据报表，清晰的看到营收、利润、成本等核心项目的来源以及变化情况。众所周知，这些报表跟数据指标的拆解有很重要的关系，比如营收就可以拆解为客单价、进店关注人数、转化率、复购率等因素相乘，所谓围绕着这些因素，企业管理者和不同的运营部门之间，又可以构建指标，从而促进核心项目的增长，由此，便形成企业的数据指标体系。

当然，现有的报表并非数据分析的终点，而是新的起点。BI佐罗认为，由于企业在不同阶段、不同发展期，其核心的目标和关注点并不完全相同，在不同的战略阶段内，企业会不断订立新的“北极星”指标，对应的数据指标体系也需要不断的升级和改进。

由此可见，商业数据分析师可以通过企业的数据报表，分析当下企业运作和战略的内在逻辑，建立完善的指标体系，将企业运转的情况尽快的展现出来，为企业未来的发展、转型等变革提供方向支持。那商业数据分析师或者企业运营者如何选择数据分析工具呢？帆软的产品又有哪些亮点呢？

帆软的顺势而为

在实际的数据分析过程中，很多企业用的最多的工具可能就是Excel了，国外用微软的excel，国内的产品就是WPS，也有很多数据分析和商业智能的软件工具，比如：微软的Power BI、帆软的FineBI等，都说“工欲善其事，必先利其器”。企业究竟该如何选择这些工具呢？BI佐罗认为，每个工具都有自身的适应环境和场景，并没有绝对的好坏，也没有特别的短板。数据分析师在解决问题时，往往是根据问题和场景的需要做选择，而非根据单一的工具应对所有场景。

在很多人的印象中，总有一种“外来的和尚好念经”的偏见，其实在BI的工具上，帆软的BI产品更了解中国的市场需求，同时在功能上，也会有独特的优势。作为行业的“老兵”，基本市面上的主流工具都用的BI佐罗，在使用FineBI时也有不少功能让他感到亮眼。

首先是个人版与企业版完全一样，不需要重新适应。个人使用的产品与企业版本的产品完全一样，自己沉淀、积累的工具等，可以很快的应用到企业中，降低了使用者的门槛和学习成本。

其次，帆软的FineBI中有很多行业案例、职能案例和功能案例，这些案例可以帮助运营人员参考同行业的例子，也可以看相同功能下的多种花样，这个功能实际上给使用者提供了快速学习和入手的方式，借鉴他人的经验，站在别人的肩膀上发展。

第三是函数，在FineBI中，强大的函数功能使得它成为“最亮的仔”，尤其是动态生成维度的def函数。BI佐罗认为，函数功能的出现，其实是给用户提供了一种可能性，使得他们可以探索高级自助商业智能，这个功能是FineBI的核心特色。

当然，除了上面的三个亮点，帆软产品的亮点还有很多，比如包括地图在内的辅助资源，使得产品在功能细节上非常实用、易用。

当被问到为什么选择申请帆软MVP时，他说了三方面的原因。首先，FineBI是一套有原创思想的国内领先BI产品，能够为该产品的进化和演化做出贡献并帮助更多国人使用自主研发的BI是一件有巨大意义的事情；其次，商业智能工具的使用是极度灵活的，如何更好地利用技术工具的最佳方法的探索可以帮助的更多企业和个人，是有意义和快乐的事；第三，将FineBI的技术能力与社区更多企业个人的实际问题和工作融合，升华出更多创新，也是很有意义和价值的。

因此，他非常愿意在帆软，尤其是FineBI的生态中，做出深度研究和帮助支持更多个人与企业，同时获得个人的成长。在优秀的平台上成就学员、成就客户企业、成就自己，同时也成就了平台本身，或许这就是BI佐罗内心不断前行、积极分享的动力来源。

理解数据、走出数据

在拥有了强大的产品和工具之后，企业管理者对于数据的理解越来越深入，但同时也会越来越依赖数据，一旦对数据分析产生依赖，也容易影响到企业的决策。最近10年，企业的数字化或数智化变革越来越深入，除了互联网企业外，越来越多的传统行业也开始数字化转型，企业在完善了数字化的系统、技术之后，管理者开始体验到数据报表辅助决策带来的重要性，很多管理者甚至对数据产生了依赖，任何决策都要看数据、分析数据，从数据出发定目标，公司的各个部门开始围绕着各自的指标运转，以求数字达到领导的满意。

不得不说，在数字化程度越来越高的企业中，各个部门的运营数据的确为管理者进行企业决策带来不少的便利，增加了决策的科学性，但是BI佐罗也提醒到，企业管理者需要“理解数据，走出数据”。

很多商业数据分析师都会强调数据分析的重要性，在真实的商业场景中，其实BI并非很重要。BI佐罗认为，一家企业的BI系统即使短时间内宕机，它实际上并不会给企业带来直接的损失，或者直接影响企业的业务运转，因此从这个角度看，BI系统本身并没有嵌入到企业经营中，它天生就是辅助管理者做决策。

而且BI系统非常有趣的是，虽然不涉及经营，但企业又不能没有它，因为它可以让企业管理者理解数据，可以更加清晰的让管理者看到企业发展背后的商业链条、各部门的运转情况，从而能从更高的位置俯看企业的经营。当然，BI系统能发挥多大的价值，更多的取决于使用者的水平，如果使用者的商业分析能力强，便可以让BI系统发挥更大的价值。

管理者在通过BI系统理解数据之后，接下来其实需要从数据中“走出来”。BI佐罗认为，企业的生意是被做出来的，不是被分析出来的。举例来说，临近年底，很多企业都会制定明年的目标，有的CEO可能会说根据去年前年数据的趋势，明年的目标应该定一个比较合理的目标，但真正的CEO会直接确定明年的目标，然后带头干，这个目标从BI的角度来看可能无法实现，因为通过BI的分析，这个目标不应该产生，但是企业管理者就是应该打破分析，目标应该是努力做到的。

因此，不难看出，BI系统对企业来说就是一个“副驾驶”，它的好处是可以在行驶过程中提供“导航”，但是它不具有人类本身的商业的洞察力和敏感度，管理者要控制数字，而不是被数字、数据、报表裹挟，商业本身是有风险的，风险越大，收益越大，而人最大的能力和智慧就是在于借助方法和工具驾驭风险、创造机会。

AI时代，数据分析师保住“饭碗”

除了B端企业在近几年的数字化转型过程中遇到不少难题之外，不少数据分析师自今年以来，也开始对岗位未来的发展充满迷茫和担忧。

最近一年，ChatGPT的“爆火”以及其他AIGC大模型的出现，让各行各业的从业者感受到“被取代”的压力。AIGC可以根据数据画图表、做分析、写代码等，效率极高。不少数据分析的从业者可能也会担心自己的工作未来会被取代，但是，BI佐罗认为，AIGC目前仍然是“副驾驶”，很难成为数据分析行业的“主驾驶”。

BI佐罗首先从数据的范畴出发，详细介绍了他的思考。他认为，大数据从广泛的角度可以分为三类：一类是以统计学、数理统计为基础的、具有连续性的科学数据，偏向于科学研究的范畴；第二类是机器的传感器、互联网为代表的产生的海量数据，这类数据更多的是从数据本身出发，分析和挖掘数据的特点，从而进行图像识别、音频识别、机器学习等研究，偏向于大数据的范畴；第三类是介于前两者之间，是重复发生的商业事件产生的数据，比如：一个个的订单数据、用户注册数据、库存数据等，基于这些结构化的数据分析是商业数据分析师的范畴。

从商业数据分析师所处理的数据范畴来看，数据之间的商业逻辑关联性非常强，它对分析者的逻辑思维、商业洞察要求较高，并非只是画图表。而AIGC本身的原理是一个大模型，它是根据文本做后面内容的预测或概率的计算，从而生成相关的内容。从这个底层逻辑看，除非天然存在某些数据可以训练它的逻辑、商业敏感性，否则AIGC很难取代商业数据分析师。目前来看，商业数据分析本身的逻辑链条越来越复杂，所以BI佐罗认为，AIGC很难取代商业数据分析师，但是它可以帮助分析师判断方向、判断逻辑。

换言之，商业数据分析师的核心竞争力并不仅仅是技术，更应该是商业逻辑的分析和洞察，而商业逻辑的洞察并非单纯从报表上观察，更重要的是从实践中不断积累、沉淀、升华，数据分析师只有更贴近业务本身，理解业务的复杂关系，不断的打造核心竞争力，才能不陷入工具，在行业和企业中保持领先；反之，仅仅流于表面的做做图，同环比，则真的存在保住“饭碗”的风险。

无论是数字化转型中的企业还是数据分析师，数据是基础，商业智能是工具，企业和个人真正需要做的是对商业、业务本身的不断深入理解和洞见，并在框架和方法之下选择工具组合，辅以达成商业目的。

文：赢家 / 数据猿
责任编辑：凝视深空 / 数据猿