好多企业数据烂的一塌糊涂，朱东十年创业求真经

北京殷塞信息技术有限公司创始人，数据学者、专家朱东

企业的当务之急，不是被大模型这一件事紧紧限制住视野，凝固住视线，而是要重新打开对于数据应用场景和价值的全方面认识。

这里面的洞天，远比人们一般认为的要大得多。

在过去十年时间里，朱东带着团队与IBM发生4次、SAP发生4次，累计共发生8次PK。

其中，7次赢。只有一次输给IBM。

那次输的原因是，IBM技术评分落后，于是大幅度降价，价格降到了朱东团队的2/3，于是价格分大涨，最终总分微弱赢过朱东团队。

此外，朱东还干过两个对赌项目，平均一个项目下来帮助用户省掉1000万。

对赌项目，是最难的风险项目。

对赌的方式是不管你用什么数据分析方法，客户要的只是业务成本降低。对赌结束后，如果选定业务的降本金额超过了预定标准，算项目成功，否则算项目不成功。

朱东的整个团队，接近三十人。过去十几年，他说他们专注在不同的行业、领域和深度去做研究与实践，没有大规模铺开摊子扩大规模。做过的客户涉及了25个行业，覆盖了国民经济的第一、第二和第三产业。

“我们成功的基础是综合了全世界所有最顶尖的方法，加上独特的研究内容，最终形成直接落地的结果。”

“到去年为止，把全世界的所有涉及企业数据分析应用的理论进行了汇总，在此基础上，加上我们自己的创新和实践，理论上接近了我们所要的完整体系。”

十几年前，朱东放弃了中航技（ 中国航空技术进出口总公司）的工作，从炙手可热的职位离开，下海创业。一直到两年前，朱东都没有选择接受资本投资。他不允许自己被资本裹挟，在终极性地搞清楚数据为企业带来价值的所有方法前，他为自己选择了一条彻底的、自由的研究探索之路。

朱东在创业过程中，用十几年的时间，几乎一直是用“研究+实践”的方式在做项目。他更像是在不断写研究报告，而不是在做生意。他确实不是做生意，他没有在可复制的商业模型出来后，快速扑行业市场，而是一直拓展新的行业，不断总结那些研究得出的方法在新行业的适用性，以探求自己对于数据的思考框架是否具有普适性。

我对朱东取得的成绩毫不质疑。对此，很多我认识的CIO、企业信息化主管、一些企业VP也非常认可。

但我在某种程度上，仍然保有一丝疑惑。到底他是用了什么方法能够在所有企业的业务领域中应用所有的数据分析方式来为企业带来数据的价值。

“怎么实现数据价值？一个行业做过了，总结出了一些方法，我们就抓紧时间进入到下一个行业去探索。希望在尽可能短的时间内做出一个完整的理论和方法，然后尽快在更多行业中得到检验。”

“迄今，我们已经差不多搞出了企业每一个领域中，能够实现数据价值的所有方法。”

他认为这是IBM和SAP在拿单时，PK不过他们的原因。因为他们已经建立出一个完整的、能够落地的体系。

好多企业数据烂的一塌糊涂

“我这十几年接触一线企业的数据，好多企业的数据烂的一塌糊涂。”

在我所有的访谈对象中，谈到企业数据，朱东的评价犀利、直白。

这与朱东平时在线下交流中的儒雅克制形成强烈反差。

紧接而来的，是他的严谨逻辑。

数据烂是一方面，更重要的是缺乏利用数据发现业务问题的有效方法。

数据只有有效利用时，才能把质量拉动起来，进而在更高的数据质量维度上提高分析效果。

朱东和团队一开始沿着BI出发，走了很远的路。

从这里出发是因为，BI是KPI、报表的数据可视化呈现工具。

对IT人员来讲，领导要什么，就给领导做什么。但实际上好多领导，并不清楚自己需要看什么指标，以及用指标的方式如何将数据和管理结合起来实现最佳的数字化管理，很多上层领导并没有经历过数字化，对于数字化的管理亦没有切身的体验。

细化到行业普遍现状，搞IT的人没有管理的经验；搞管理的人没有数字化应用的经验。

很多人认为，做出数据大屏之后，数据就能给管理提供价值。但朱东提出了一个问题。为什么很多领导看到数据指标后，不一定能加以利用来指导改善自己的业务，发现管理问题？看不到数据的企业领导，以为把数据拿出来，可视化之后，自己就能够看懂企业运行的状况、搞清楚问题所在，但真的一堆数据搞出来，放在那里，实际上管理者不一定能增加自己的洞察力。

去年，在北京遇到一位CIO朋友，朱东用一个他自己做的真实的数据分析系统案例，展示了在数据支持下，管理者能够实现的数据驱动的企业管理场景。那位CIO朋友看完了后说：“这就是我心目中企业数字化实现共产主义（即终极理想）的样子"。

“应该是把系统打开就能发现问题，追问题就能追到原因，再追下去能够找到责任人，再追下去就驱动出对问题的改善措施，再追下去就能知道那些改善措施到昨天为止实施到什么程度了。”朋友进一步描述。

为了通过将管理逻辑和最佳实践嵌在分析系统里，实现快速发现问题。朱东做了两件事。

第一件事是寻找BI对应的全球管理中的最佳实践。

通过管理最佳实践，建立分析系统里的管理逻辑。朱东认为，系统应该是有逻辑的，不应该是一堆指标僵化地躺在屏幕上的。

有价值的分析逻辑要能反映出管理者的管理逻辑。领导者看到真正有价值的指标，是那些能够反映业务之间的关系，并将其中的管理逻辑连接起来的指标。

在这个逻辑里，管理者要关注的要素和指标是通过这个领域的最佳管理实践梳理出来的，而不是随意设立的指标。

根据企业的管理最佳实践研究，朱东做出了一个有36个领域的企业模型，进而演化出一整套包含管理要素和业务活动的模型。这些模型在朱东创业之前是没有人做出来的。

第二件事就是建立通过指标间的关系实现问题发现、原因识别的方法。为此必须将整个指标体系建立结构，构建出指标之间的因果联系，这样才能看到问题，追到原因。这套方法成为了朱东公司的发明专利和独有技术。

在实际的工作场景中，了解企业每一个业务领域的管理最佳实践，识别出指标，用指标建立出结构，就可以在屏幕上看着红灯闪烁的地方，点击就可以把问题找出来、把原因找出来。这就让数据可视化的系统变成了具有问题发现能力、能够帮助管理者和执行者用数据推动他们快速找到问题原因从而实现业务改善的一个智能化系统。

数据顽疾与数据治理

随着大模型和数据分析的深入普及，数据治理成为一个非常火热的关注点。朱东认为这个词在中国的含义是极其混乱的；企业领导所认为的数据治理，和国际上最流行的通用的观点相差十万八千里。

究竟什么才是数据治理的正确含义？怎样从理论上搞清数据治理的逻辑？

朱东的做法是把国际国内业内所有数据管理与应用的理论和实践汇总起来，结合国家最新的数据管理能力成熟度评估模型DCMM（《数据管理能力成熟度评估模型》Data management Capability Maturity Model英文简称:DCMM）来综合考虑数据治理应有的题中之意。

这个动作背后的意义是，既让企业内部数据管理接地气，同时也与国际主流社会的观点相衔接，综合起来形成数据治理的指引。

他也参与了数据治理相关内容标准的制定过程。他认为数据治理是一项综合治理工作，既要有高度又要符合企业实际，还要能为企业带来效益，数据治理达到这些要求才能够行得通。

经过治理的数据，才能成为资产。没有经过治理和被标识化的数据，仅仅是一堆代码，会失去数据刻画业务最本质的意义。

但把数据做成资产还没有结束。数据无处不在，来源于企业经营和生产的方方面面，所有人都是数据的贡献者和使用者。数据的全生命周期的管理，要归纳为四个词，八个字：规划、治理、建设、应用。这四个词囊括了数据在企业中全生命周期的各个阶段。

规划、治理、平台建设和应用每个阶段用的方法都不一样。

朱东的经验是：如果在全生命周期中，我们需要把跟数据相关的事情都办好，我们就需掌握数据有关的所有知识，建立知识体系。只有掌握了知识体系，才能全方位的了解数据的所有事情，才能大概率把事情做好。

这就需要我们把迄今为止国际国内业内，人类关于数据的所有知识全部归纳和综合起来。朱东的团队在2020年完成了这件事，建立起了他们的数据管理与应用知识体系。

这件事情完成后，团队就站在了巨人肩膀上，朱东形容这种感受为——“差不多站在了珠穆朗玛峰的顶峰上”。

了解所有相关知识，在这一基础上再做数据。

“无论是做数据平台建设和应用系统建设；无论是用做数据分析，或用数据驱动业绩改善，了解所有相关的知识，我们就能大概率办正确的事，少犯错误。”

朱东认为这是他们这十几年干的事中最重要的一件事。

这一知识体系，未来可能适合中国企业多少年的发展？

朱东认为至少五到十年是没有问题的。令我惊奇的是，他认为这一波AI技术并不会对这一知识体系产生实质性的影响。

大模型没有改变企业数据应用现状

朱东分享道：“人类迄今为止有四大类分析方法。指标是其中的一类。大模型所在的数据挖掘是另一类，它的特征是通过数据寻找规律建立模型，用模型进行分析预测，大模型和人工智能都在这个领域。同时还有另外两个领域，最优求解和数据探索。这四个领域之中，每个领域的数据分析方法都有不同的应用条件。”

掌握了人类的所有的分析方法以后，数据分析就可以功能力大增，不仅能帮助我们在有数据的情况下做分析，发现问题，同时在没数据的情况下，也能让我们做数据分析，照样发现问题。

有效的数据分析能让业务问题暴露出来，但仅仅暴露问题不等于就能改变业务。用数据推动真正的业绩改善，还需要另外的方法以及另外的工具。朱东又在这个领域里做工作，研究总结如何让数据成为驱动业绩增长的力量。这里面他又搞出了一大套方法和工具，以及案例。

大模型是人工智能中的一个子领域。集中在四到五个主要的方向上，包括图像识别、自然语义的理解，包括人机对话、生物领域的应用等。它最大的优势是人工智能可以深入模仿人脑的思考。在这个基础上，由于算力的提升、学习速度和深度加快，人工智能可以在企业经营过程中的很多通过人来完成的工作上应用，比如代替人的眼睛做质量检验、图像识别等。

这种认知，来自1988年前后，朱东研究人工智能的经历。当时他用Small talk、Prolog，专门的人工智能语言去编程序。

当时的人工智能定义很狭窄，需要使用特定的方法。而今天，神经网络、计算能力使得深度学习相关的人工智能有了很大的发展。

人工智能的热潮也使得本来一些过去不被称为人工智能的方法，今天也被称之为人工智能。比如说今天的“泛人工智能”的提法，把所有以前通过数据总结出规律，形成模型，再利用模型的解决问题的方法都称为人工智能。

从泛人工智能的角度讲，人工智能在整个企业中是无所不在，到处都能应用，远远超过“大模型”的应用范围。

朱东给我举了一个具体的例子。

前一阵北京的一位客户跟朱东说自己公司的销售情况不好，能不能帮他们通过数据分析改善一下销售？

朱东让他把整个公司销售部门职责说明文件给他。他大概梳理了一下，有将近20条工作，用四类数据分析方法一项项看，究竟哪一项工作可以用什么方法及你个数据分析。最后得出的结果是，每一项工作都可以找到特定的数据分析方法来分析改善。

其中有三分之一的工作可以用AI。拿企业模型外推一下，发现在企业经营管理的36个域中，每个领域中的每一项工作都可以找得到相应的数据分析方法。大概率其中将近有三分之一的工作都可以用AI的方法来进行分析改进。

结论是，数据分析应用在企业经营管理的任何领域都能给大家带来价值。

朱东强调，他说的这个结论不仅是研究结果，他可以把上述结论作为向客户的承诺。

不管在企业管理的那个领域，不管是涉及业务的哪项工作，不管有数据还是没数据，只要客户想用数据分析的方法尝试进行业务改善，“我们差不多都能找得到办法让明天比今天更好”，朱东说。

这听起来很梦幻，在没有数据的情况下，怎么可能改善业务？

朱东解释，数据分析的本质是先用数据来呈现和刻画世界，然后用数据间的关系分析世界中运行的规律。呈现世界有很多种方法，拍照片、语言交流都是信息的沉淀、都是刻画世界的方法。数据也是用来折射和刻画现实世界的一种工具。从这个角度理解数据，我们每时每刻都在刻画世界，沉淀信息。找到了刻画世界的方法就等于找到了数据。

我们传统的逻辑是企业要先用软件把数据承载出来进行在线化，然后未来才能分析，才能智能化。

朱东认为企业要先用软件把数据承载出来进行在线化，然后未来才能数字化、智能化。这是人们通过常规得出的结论，但是常规往往并不是真理。

朱东曾经在一家汽车厂做数据分析。当时因为国家治理公路超载，小车不能拉大货，企业就必须增加车辆购买，于是商用汽车需求量就大量增加，车厂订单暴增。

那年12月底，订单猛增，车厂订单已经排到第二年6月份还干不完。但是就在这时汽车生产的流水线频频卡壳，生产效率迅速下降。迅速分析查明原因，让产线流动起来就成为数据分析人员面前的热点问题。

于是，领导要求朱东团队通过数据分析，尽快找到问题的答案，而提供的数据就是车间生产管理人员每天下班后所做的文字生产日记。一天一张纸，一共给出四个月的数据，120张纸。这些数字并不规范，朱东带了一个人花了四天时间，采用数据探索的方法，找出了问题方向，向车厂领导汇报后，又经过一周的现场调研，确定了问题出在供应链管理某一项工作的缺失。数据探索让他们从120张纸片中找到了管理上存在的问题。

建立企业模型

朱东和团队在深入的研究之后，建立了一个包含36个不同领域的企业模型，覆盖了企业的各个方面，如财务、人力资源、供应链等。目标是结合管理最佳实践，通过指标体系和因果关系，帮助管理者识别问题并找到原因。

36个模型组中最基本的模型框架示例‍‍‍‍‍‍‍‍

“我们一开始是在供应链里找到了全球公认的供应链运营参考模型，利用模型中的管理逻辑和最佳实践得出一些经验和成绩。后来我们把这个方法扩展到整个企业的36个领域，覆盖企业人财物产供销所有领域。让每一个领域，都可以帮助管理者智能地发现问题，找到原因，用数据驱动业绩改善。”

“第二个阶段，我们从指标分析的方法扩展到了人类的所有分析方法。”朱东告诉我。

当我们掌握了人类的所有分析方法后，我们发现数据分析就变成了功能极其强大的武器。可以帮助我们在有数据的情况下做分析、发现问题，可以没数据的情况下做数据分析，还可以在烂数据的情况下作数据分析。

“我说的是没数据的情况下做数据分析。你想象的出来吗？”朱东反问我。

在没有IT系统，没有ERP，没有数据库表的情况下做数据分析，更可以在海量数据情况下进行数据分析。

这都是由于建立了企业模型、并且综合掌握了所有的分析手段之后，才能够做到的。

过去，管理是科学和艺术的综合。需要人的创造性，很多模糊地带需要经验。如果你把36个领域全部穷尽和结构化，就会把管理学变成一门可以结构化的科学。这在管理学上是一个创新的思路，做到这一步是以研究所有业务活动和透彻地了解管理的全部要素为前提的。

朱东的初心是，要把这个世界解构。把企业管理变成一个体系化的、结构化的东西。用这个框架来指导数据分析。

如何概括这件事的精髓？

朱东称其为“企业模型”。用结构化和量化的方法去精确计量和刻画完整的企业业务与管理活动。

开始于供应链领域的洞察，也与此相关。

一开始他们做的项目是在制造业中，后来在做项目的过程中，挖掘出了一个通用供应链模型SCOR（Supply-Chain Operations Reference model，供应链运营参考模型）。这是全球供应链领域的公认模型，在全世界任何行业都通用。那一年，国际供应链理事会在中国区有一个分之机构，中国区年会邀请朱东，分享用SCOR的方法进行大数据分析。

在交流中，朱东也了解到美国军方也在用这一套SCOR体系。军队也有供应链，也要在作战条件下进行物资保障。这让朱东更自信于建立通用的企业模型以适合于企业方方面面的管理提升。

没有完善的理论，就无法支撑深入的数据分析应用。

理论和方法的缺乏，导致很多企业没有把数据利用好，甚至不仅仅是没有利用好，是远远没有利用好。

“企业由于无知或者方法不正确，付出的成本远远多了去了。”朱东前几天去过一个企业，他们在两年之内花了7000万，找了第三方软件公司建设了一个大数据平台。

7000万元花出去，其实什么都没有看见，没有见到效果。

找对这条路，关键是转变思想观念、找到正确的方法。

如果不知道正确的方法，找不对人，数据的故事就永远无法见到美好的结果。

除了企业模型，朱东和他的团队还研究总结了一系列的应用数据产生价值的方法。所有的这些模型和方法，都在国家知识产权局做了著作权登记，所有的方法和内容都受到保护。“我们的分析方法也申请了发明专利并获得授权，受到了国家专利法保护，这可以更好的避免侵权。”

也是为什么能发现问题的智能系统朱东团队能做，IBM 和 SAP 不能做的原因。

“这也是过去十几年，我们把企业的所有领域，一二三产业的几十个行业都做了一遍，让理论模型完整，与世界上最流行的理论结合起来，不着急商业化的原因。”

怎么样能做出通用的理论与方法，适用于千差万别的企业？

这个问题，是很多人向朱东提出的疑惑。

确实，世界上的企业千差万别，怎么可能用一套理论描述所有企业的管理？

朱东认为很重要的一点是去“干”。他“干过”了25个行业，这些行业在他的眼睛里好像长得一样。

为什么长得一样？

“我们在中航技搞ERP时去选型，当时挑选的是世界上最好的软件，包括IBM、SAP、微软“，朱东回忆起很有意思的一个细节，当时接待他们的微软亚洲区总裁，后来摇身一变成为一个亚洲篮球协会的负责人。

为什么做微软总裁的他能够跨行业搞篮球？朱东认为因为不管他做什么企业，本质上都是收入减去成本和费用，最终等于利润。在微软，收入是由一张张光盘构成的。在篮球协会，则是由一场场赛事和周边产品、销售构成的。

比如说一个酱油厂和一个拖拉机厂，生产的产品完全不一样，但都是由不同的收入减去成本和费用最后产生利润的商业逻辑构成。只要抓住这个规律，所有企业、所有行业都是相通的。SCOR供应链在世界上能够让任何企业使用，全世界企业的财务报表都长得差不多，世界上为什么有MBA，为什么会有职业经理人，就是因为管理存在通用性使然。

朱东要做的是把管理的通用性部分总结出来，能够横跨各个行业。

“商业坪效”和“资产周转”，本质上是一个东西，只是名字不一样而已。

“我们研究的不是某个行业，而是所有行业。”朱东非常有野心。

“一旦接触了很多行业就会意识到，这是通用的。你找到规律就能通用，找不到规律就觉得不通用。无非就是通用的规律在不同的企业变成了不同的样子，用指标把他们解构出来，详细的铺陈出来。”

我很好奇朱东的研究方法，这必须要学会不同领域的管理规律和方法，比如学习财务，就要了解注册会计师的规则。如何与财政部配合，总会计师如何记账，不同科目代表的内容。你要进入到这个领域之中变成这个领域的专业人员，直到把36个领域全部研究完。

“我其实是把企业管理的所有领域研究了一遍，不光光是我们看到的领域。企业管理的所有领域，不断反复迭代，最后沉淀下来36个领域 “，因为学习量和知识量太大，朱东搞了十几年。

这是一场“研发式”创业。他是创业者、是老师、是学生。做好一个案例，反过来证明自己的认知，然后再去打破认知的天花板，逐渐构建出对业务、管理和数据应用的理解。

“在市场上，任何一个搞数据的人，目前都不可能涉及到这么大的范围。在36个领域中，每一个领域都探索出管理实践的最佳水平，这并不是一件容易的事情。调研的过程中，每一个领域，都要和工厂的副总裁以上级别领导讨论对话，从而深入到每个细分领域，以期每个领域达到全球最佳实践水平。实际上，任何一个人覆盖36个领域都需要付出极大的努力，这是非常宽的知识面。”他描述了自己在这个过程中的心态。

现在，第一个供应链领域的案例所用的SCOR模型已经更新到14版。回忆基于第11版的SCOR手册学习时，当时1000页英文原版，是一点点啃下来，融会贯通到模型之中的。

如果提到朱东的解决方案，与其他对手有什么不同之处？

朱东认为他们解决方案的特点是：完全从企业经营运营管理的实际效果出发，从管理的本质和业务的本质出发，去建立我们的模型，然后再与先进的信息技术和数据技术结合起来。在此基础上发现结合后体系还不完整，还有很多窟窿，再把窟窿补上。

在这些特点之外，会延伸出新的方法。

利用这些方法能够解决业务中经常出现的问题，尽可能让业务不再出问题。让效率低的问题提升效率，让管理者得到智能的帮助，并不是仅仅看数据。

这些案例并不复杂，实际情况中大道至简。

做数据规划，把企业所有的数据识别出来。把业务和数据绑定起来，结合起来分析问题。根据企业的经营现状和管理要求，找到未来可以提升之处。

规划、治理、建设、应用。在数据使用的全生命周期之中，做好数据规划和数据治理，做好数据平台建设，最后是建设好数据分析的应用系统。用数据推动业绩改善。

这是数据全生命周期的意义，也是朱东认为最重要的八个字。

“还有很多企业数字化建设中充满顽疾，比如上马数据中台。无论是数据中台还是数仓平台一体化，本质是一个工具平台。在平台建设中，有一个非常致命的命题——数据平台陷阱。这个问题业界很少有人讲过，一些关键的地方，如果做不好，就会把平台变成垃圾堆。”

朱东举这个例子，他认为只有让数据平台能够成活，才能发挥出数据的价值。做不到的话，平台就会成为一个垃圾堆，就会掉入数据平台陷阱。

要利用前面所研究出来的各种成果，如企业模型等，“构建标准化和可重用的数据构件，才能从根本上解决数据平台的顽症——数据平台陷阱”，朱东说。理解传统数仓数据平台建设的IT规则和数据规则，不断研究、不断解决新出现的问题，才能让数据为企业带来价值。

写这篇文章时，我约朱东老师的时间，他极其利落有速的回复我，在当天赶到上海之后，他有一个半小时的时间，聊一个小时的采访不打紧。

今年他已过60岁了。十几年前他从企业高位辞职，以我当时的阅历无法理解。

我们共同的好友耿峰说，朱东是一个让他钦佩的人，因为十几年的坚持，不为赚钱。

朱东对于To B行业和中国大数据领域的意义，“大数据专家”这个词语不能概括。

认识朱东老师十几年，如沐春风。

我们原来在谈云计算时，都在谈企业数据上云，会促进软件高速迭代，最终能够让中国企业把数据利用起来，提升经营。

对于朱东创业案例的研究，让我意识到，不能唯工具论。

理论开创性的探索，如何把管理从含糊的艺术，变成完全结构化的东西。这些事情以前没有人做过。

如何去思考这场创业极致的天花板？在当下的经济形式之中，客户是否还有增量的空间？

朱东的答案让我有一点意外，他认为并不是只有客户增长，我们自己的业务才能增长。而是无论客户处在任何情况下，无论增长还是下滑、衰落，我们都可以对客户有所帮助。

“任何领域，任何时候，都可以找到数据分析方法提升管理能力，让下滑变得没有那么快，让下滑减速，让增长更快。”

我想朱东的创业实践路径是少有的，如果不亲眼所见，我们也很难一下子理解。

但是，我佩服朱东。他敢于对赌，这是对交付结果的自信，并出于真正为客户拿到结果。

十年前，朱东老师创业，我刚刚入行。他为公司取名“insight”。

我记得，朱东老师与其他数字化领域的从业者不一样的气质，十几年未变。

他非常儒雅，但是说的话却十足有力，并语出惊人，确如洞察到本质。

十年前，他说：“绝大多数企业连excel都没有用好，何谈做数据管理。”

要有真本事、解决真问题，不要粉饰。

“和人脸上擦了点粉一样。你长得漂亮，不漂亮，跟这粉没啥关系。”

今天，他说：“我们要找到通用的方法，解决所有的问题“，

“净土一门，至简至易，三根普被，利钝全收。”

如是，万物皆为一物。

“所以要十几年一门心思的搞！”他说。

朱东的眼神里一直有一种虔诚。

---

         B Impact/TO B新势力         

宇婷

To B行业独立博主、品牌人

读者交流：

微信扫码关注该文公众号作者