京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据如何让小微企业成为“永动机”
在哥伦比亚大学和纽约大学的营销学课中,有极大的篇幅都被同一个名字占据:Peter F. Drucker(彼得·德鲁克)。这位被誉为现代管理学之父的营销管理大师,在他逝世十年后的今天,依然影响着华尔街的营销精英们。他著有的《德鲁克论管理》、《二十一世纪的管理挑战》和《德鲁克精华》被当今很多管理大师视为管理学圣经。
在与美国一著名营销策划公司的主管Harold Goetz(哈罗德·戈茨)交流的过程中,他多次向我推荐The Essential Drucker(《德鲁克精华》)一书。戈茨先生认为,如果我们没有时间和精力去仔细阅读德鲁克的著作,《德鲁克精华》会让我们对于他的思想有一个初步的、系统的认识。然后再去寻找自己感兴趣的方面,去阅读德鲁克其他的著作。我对于德鲁克的最初认识,就是源自于《德鲁克精华》一书,而正是这本书,使得我产生了对于如何用大数据将德鲁克的理论落实的兴趣。
《德鲁克精华》总结了德鲁克一生中最为精华、最为重要的观点。在这本浓缩了德鲁克所有精华观点的书中,德鲁克专门拿出一章来讲营利性组织该如何向非营利性组织学习。德鲁克在《非营利组织的管理:原理与实践》一书中提到,如何能够保持员工的积极性,是每一个企业所面临的挑战。上到大型集团,下到小微企业,任何运营超过一段时间、进入公司发展平稳期的企业都会面临着调动和保持老员工积极性的问题。
德鲁克认为解决营利性组织员工积极性问题的关键,就是要让企业和公司向非营利性组织学习。非营利性组织通过对于自身理念的宣传,将其所追求的理想,作为组织共同奋斗的目标灌输给每一个员工。这种对于共同理想的追求将会不断驱使着这些无薪或低薪的员工向组织的目标前进。而这种非营利性组织的理想就相当于公司的企业文化。
那么对于企业来说,企业文化的建设和推广,将是决定其是否能够持续刺激员工积极性的关键所在。
然而,对于小微企业来说,建立起有效的企业文化,在短时间内难以被实现。虽然小微企业的员工数量较少,相对于大型企业来说,员工的积极性比较容易被调动。可是,倘若小微企业也出现了员工积极性的缺乏,对于企业的损害将是巨大的。
小微企业看似处于整个商业社会食物链的最底层,实际上却是组成商业社会的主体部分。根据长尾理论,小微企业对于整个商业社会的影响实际上并不比商业巨头们小。况且所有大型企业的前身都是小微企业。倘若一家小微企业能够将企业文化建立完善,使得员工的积极性得以长时间的保持。那么这家企业具有的潜力是巨大的,前景是绝对光明的。像这样具备了完善的企业文化体系的小微企业,将会迅速地崛起。
在之前的文章中,我谈到了狭义大数据论在现阶段商业社会的三个应用:打破企业内部的障碍、打破行业之间的壁垒、打破顾客对营销的反感。其中大数据对于打破企业内部障碍的指导作用,恰恰能够解决老员工缺乏积极性的问题。
我在参与国内一家营销策划公司的一个项目的时候,遇到过这样一个案例。浙江省一家上市纺织公司找到我们,希望我们给他们解决企业效率低下,收入连年下滑的问题。经过分析后,我们清楚地意识到,这家上市公司最大的问题就是老员工消极怠工,使得整个公司的氛围相当负面。新员工在进入公司后,积极性也迅速地被磨平。在发现了这样的问题以后,我们与公司的负责人进行了沟通。这家公司的负责人,实际上对于这个问题早已明了。但是因为老员工有了一定的资历,而且拥有着相当宝贵的经验,再加上公司在改制时和老员工曾经签订了新合同,导致于公司无法将这些所谓的“毒瘤”清除。这家公司的领导将希望寄托于我们,希望我们能够提供一个清除这些老员工的方法。实际上,在了解德鲁克的思想以后,我们能够清晰地认识到,这家公司的问题其实出现在了企业文化的严重确缺失上。但是由于他们认为,企业文化推行的速度慢、见效周期长,同时当时大数据技术还不成熟,所以这家上市公司并没有接受我们的改造。前不久,我在与营销策划公司CEO的聊天中得知,这家上市公司直到现在依然处于困境当中。
在管理一家上市企业的时候,实际上与管理小微企业没有本质上的区别。甚至管理小微企业比管理上市企业还要困难。那么小微企业应该如何迅速地建立起一个有效的、深刻的企业文化体系呢?
一家企业就如同一个电路板,每个员工就像是电路板上的一个元件。每个电路元件之间如果存在着非常大的电阻,那么这个电路板的运行效率将会非常之低。而狭义大数据的出现,将能够帮助小微企业疏通电路间的电阻,提高企业的效率。
我们将大数据分析推行到企业的所有部门,推行到每一个员工,授予每一个员工对大数据的使用权。所有职能部门在运营的时候,均从大数据的角度出发,通过对大数据的分析来进行决策。每个部门都要对大数据的解读和分析进行共享。
例如一家B2C公司,在获得了顾客及潜在顾客的大数据后,将这组大数据进行共享。管理部门通过对这组大数据的分析,来合理地分配资源,最大化公司资源的价值。管理部门对于大数据的掌握,将打破公司职能部门之间的界限。各个职能部门将得到有机的融合,并且共同参与到公司的决策中来。生产部门通过对这组大数据的分析,来判断什么样的产品能够最迎合顾客的需求,从而确定每一项产品的生产量。营销部门通过分析同一组大数据,来制定最合理的营销方案,针对每一位顾客的需求制定相应的销售计划。财务部门通过分析这组大数据来预判公司的收入,制定公司的财政计划。这种有机的大数据化,能够最大化公司投入的效果,并持续地刺激员工的积极性。
我们要知道,每一个员工对于大数据的解读和分析都将推动整个公司的发展。而对于大数据的理解将是决定员工价值的重要部分。这种模式将会最大化地调动起员工的积极性。同时,根据狭义大数据论,随着大数据的发展,数据量将会不断扩大,直至我们人类无法企及的高度。这样庞大的数据量可以持续地刺激员工去探索,刺激员工去为企业创造价值。
当公司自上而下、自内而外地大数据化之后,企业文化的推广将会一马平川。
甚至可以说,大数据化本身就是一种企业文化。
狭义大数据对于打破企业内部障碍的作用,实际上相当于企业文化的作用。这种员工之间的协作、部门之间的数据共享将会形成一种良好的企业氛围。
在拥有这种良好的企业氛围之后,公司可以再通过大数据分析来确定公司最终能够达到的最理想状态。这种最理想状态将会成为公司架设企业文化的重要依据。
如同一台发动机,公司各个部门、每个员工都是这台发动机中的一个齿轮。齿轮在转动的时候,必然会和其他的齿轮产生摩擦。这种摩擦所做的功,就是我们讲的DWL(无谓损失)。而大数据化和企业文化的有机结合,就如同一个完美的润滑剂,让齿轮与齿轮之间的摩擦减小,甚至完全消失。根据达芬奇提出的理论,一台机器一旦开始运转,如果没有摩擦阻力的作用,是可以永久持续运动的。
也就是说在大数据化与企业文化的共同作用下,小微企业就能够充分调动员工的积极性,打破部门间的障碍。即使无法实现永动的梦想,小微企业也可以得到迅速的发展。
所以说,合理利用大数据,可以让小微企业在低投入的情况下,创造出惊人的财富。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23 很多数据分析师每天都在写 SQL,但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22