WXRedian | 线性资本 | MCtalk·CEO对话观远数据：商业智能与组织效率的一鱼两吃，数据如何提供指引？

技术和工具本质上都是要解决业务的问题

阮良：非常欢迎苏总来到我们网易。因为我们都是做To B的业务，所以我们有非常多可以交流的话题，而且我们也有类似的产品。我一直从事互联网行业，自认为对数字非常敏感。无论是经营数据还是产品数据，或是财务数据。我知道观远数据是一家做商业智能做得很好的公司。所以非常希望能够和苏总更多地探讨数据相关的话题，例如我们在商业智能、商业数据或者如何使用数据上的一些观点，以及如何做好商业智能产品等问题。这其中应该会有很多很有意思的故事，请苏总先分享。

苏春园：好的，很感谢阮总有这个机会一起来探讨To B和SaaS。我们观远数据是专注商业智能的公司，成立于2016年，已经创立八年。创立至今合作了很多先进企业，其中包括很多外资品牌，像联合利华、百威、麦当劳，以及更多本土的领军企业，比如安踏、招商银行、元气森林等。外企以前不怎么用国内的BI产品，但我们的合作越来越深，最主要的原因是这些Global企业在中国的业务越来越本土化。

阮良：这令我想起网易数智的一家客户，肯德基的母公司，百胜中国。百胜中国正是因为在国内本土化做得特别好，因此独立成为一家新的上市公司。在中国市场，肯德基甚至超过麦当劳，这是与国外市场的差异化。

苏春园：确实，很多外企业务在中国和国外的经营方式也越来越不一样，例如对电商消费者的感知、全渠道建设等方面，这些都需要实时的数据来支撑决策。因此，很多外企用户非常看重数据决策的“敏捷性”，尤其特别看重移动端BI的体验和赋能，因为这让他们能够随时随地去做分析决策。我们提供的移动BI能够天然跟微信、飞书、钉钉、企业内部OA各种系统无缝打通，企业的决策者、一线的业务人员，都能在一个一个的具体业务场景中，通过移动端看数据做决策。

进一步延展，我们能发现，技术与工具的价值是根植在业务层面的，本质上都是要解决业务的问题。就像过往几年我们跟这些行业巨头的合作，我们不仅是跟他们的IT部门合作去建设一个平台，更是深入到了他们的业务单元，比如营销团队、供应链团队、运营团队、财务团队等，去满足不同业务团队多样化的决策需求，帮助他们通过数据分析去洞察业务问题、解决业务问题，找到业务发展的机会。我们的理念是很简单的一句话：“让业务用起来”。

阮良：关于这一点，我深有感触。因为我们也有大数据的产品。当然，我们可能更多的是数据中台类产品。就跟苏总你们的观远类似，我们经常接触的一定是客户的IT团队。最后采购是IT团队采购，但是光接触IT团队远远不够。因为IT团队也要服务于业务，或者说最终产生的价值一定是在业务环节和业务团队上。

以数据驱动敏捷经营，降低企业决策成本

苏春园：借此机会，我想分享一下零售消费行业的情况，这个行业是近年来我们深耕的重点行业之一。近些年，零售消费行业经历了一场场互联网化变革，包括此前风靡的新零售，以及现在的国货崛起、新国潮风尚，显示了社会经济形态与消费者偏好趋向的迭代更新。

其中最大的变化是，过去多年里电商的兴起，让人们的生活方式与购物习惯发生了翻天覆地的变化，大家都开始习惯了线上电商购物，商家和消费者之间有了越来越多的数据连接。对商家的业务经营来说，数据也变得越来越重要。在这样的大环境下，我们服务了众多零售消费行业的客户，协助他们构建起高效的数据分析体系。这个行业，是典型的“业务即数据，数据即业务”。

以我们合作了五年的安踏为例，我们协助构建了安踏自己的“生意参谋”，不像电商生意参谋，更多只看线上电商业务，而是涵盖线上线下、直销与其他销售渠道、直播等等，都能在统一的平台上呈现，助力安踏用数据驱动敏捷经营。

阮良：从苏总您的角度来说，安踏在用观远BI产品的时候，是用于哪些具体的场景？或者说哪些功能点您认为是对他们最有价值？

苏春园：安踏与我们服务的斯凯奇、麦当劳、蜜雪冰城等一些企业，有很共性的地方，都属于今天的“万店连锁”品牌，拥有大量的门店等神经末梢。对企业经营者来说，在当前的时代背景下，他们都面对着一项核心议题：如何让决策层能够穿透数据，洞察业务问题。

传统上决策层可能都是看一份份的汇报PPT，来了解业绩的好坏、变化的原因。或者去线下巡店，可能从VP到中基层都是大量亲自到各个区域去巡检，以此来评估一线运营存在的问题或者机会。但前几年的疫情改变了这种方式，不能亲自去巡店的时候怎么办？

安踏在这个时期数字化应用呈现了爆发式增长，他们通过数据来进行“空中巡检”，通过数据来洞察不同区域、不同店型、各种新品的业绩表现、畅销品的库存等等。过去可能要通过每个月的汇报才能发现的问题，现在每周、每天都能通过数据被及时发现、及时反馈。疫情过后，这种方式也固化成为安踏日常敏捷经营的一部分。

阮良：那真的挺好的，第一是效率提升了。第二就是节省了大量的成本，这个成本从经济学的角度，称之为机会成本，对吧？节省下来的时间，可以做更多去分析的事情，或者决策研究的事情。

苏春园：对。这也是我们去年开始在提的一个概念，也是行业在形成的一个最大共识，叫“敏捷经营”。在现在这种复杂的经济环境里，企业想盈利想增长其实是越来越难的。盈利和增长里有一个关键的方面是成本控制，那什么成本才是最大的成本？本质上是决策的成本。敏捷经营的核心就在这里，谁能够在决策的时效性和颗粒度上取得突破，实现更敏捷的决策，谁就能更快地发现问题、解决问题，实现增长。

阮良：这是一个巨大的杠杆。我去年写过一篇文章，里面有个观点也是想谈谈关于敏捷，当我们用了AI之后，很多业务环节变得非常敏捷。这还会带来一个好处：不仅仅是效率提升，即使决策错了，或者执行错了，但因为敏捷，错误的代价也变小了。

大家都在感叹这个世界变得特别快，我们在面临各种各样的不确定性。因此，面对这么多的不确定性，我认为敏捷是必须的。无论是多大规模的企业，一定要拥抱这种变化，以及敏捷地去适应这种变化。所以又想到去年大模型出来之后，或者说新的AI时代到来之后，我们觉察到在很多AI的赋能之下，敏捷这件事情变得更具有可行性，当然前提是组织得积极拥抱这种观念。

“让能够听到炮火的人能做决策”

阮良：我有一件印象非常深的事。我们有一个非常好的干部，他曾经告诉我：他当年在做普通程序员的时候，工作非常努力，也很聪明。但在那个时候，由于他并不善于表达，以及可能跟他主管的关系没有那么近，所以他每次绩效评定时，拿到的绩效都只是中等偏上。但他自认为不止于此，于是他就跟他当时的主管沟通，他需要怎么做才能够在下季度或者下半年拿到优秀绩效。然而，他的主管也没法给他一个很明确的回答。

很多时候，这其实没有错。通常员工和主管走得近一点，关系好一些，大概率绩效会好一些，前提是工作表现的确不错，对吧？虽是事实，但造成客观上的不公平，即便他的确是一位很优秀的员工。因此，我们去年做了一项改革：我们把工程师的工作做有效度量。我们并非根据虚拟的代码数量来做度量，而是根据发给员工的任务来度量。举个例子，比如做BI产品，可能今天工作是做前端的某个功能，或者其他需求。我们会根据经验，评判这个需求大概需要消耗这个级别的工程师的多少时间，时间天数是多少，有效代码量是多少。基于此，我们再用积分制对工程师的工作成果实现有效度量。

苏春园：是，我们其实像研发、市场，客户成功，很多团队他都有比较好的数据使用的习惯。

阮良：例如说研发团队，一线的研发团队其实很适合做这样的事情，以及交付团队等等。

苏春园：对，因为交付团队要承担非常多职责，例如需求沟通、系统部署、实施交付、培训上线等各种类型的工作。在这种背景下，将他们的工作尽量量化成为具体的标准作业，能够很大程度的找到最佳实践，提升团队效能。

华为创始人任正非曾讲过一句话，是“让能够听到炮火的人能做决策”。大家都赞同这句话，但真正的难点，在我看来，是怎样让听到炮火的人有能力去做决策？而数据就是让一线人员能够主动参与决策的最重要的赋能方式。

很多时候问题的症结不在于一线员工没有数据驱动的意愿，而是他们是否具备相应的决策能力和所匹配的数据。当我们赋能一线业务人员分析决策所需要的数据和分析能力之后，明显的激发出了他们的主观能动性，让他们能够自信地用数据来提升他们的工作效率。

比如像你刚才举的例子，我们用传统方式进行研发团队管理的时候，就只能长周期看结果，没有办法获得及时的效果反馈，但是有了数据基础之后，就可以去量化任务难度，制定合理的工作计划，让前线的研发人员能够在数据驱动下以更高效率完成工作。

阮良：确实如此。原本一个比较优秀的员工，如果得不到公平的对待，大概率会离开公司。而我们这样改革之后，不仅会给到员工公正的绩效和待遇，很多优秀人才也会陆续被发现。

我们有一个很年轻的小伙子，连续几个月都拿到了积分冠军。如果给他打标签的话是这样，一年轻；二身体健康，他健身，身体素质很好；三他非常的聪明。为什么我会说他非常聪明？他写的代码量并非是最高的，工作时长也不是最多，但他积分最高。因为他非常擅长使用工具，用各种AI工具给自己提升效率。因此在相同时间内，他最终获得的积分比别人多，产出更加高效。

数据为管理者

打开更多视角，抬高战略维度

阮良：还有一个话题也非常想和苏总交流。从苏总您的角度来看，您平常肯定会去看自己公司的各种数据。看数据的时候，您最关注哪些维度的数据？为什么？

苏春园：核心还是围绕在增长与盈利的平衡，这是我们这几年战略的核心目标。然后这条主链路再往下，我就看它里面的关键的过程指标，这是我们今年的认知的一个迭代。之前我们公司也比较以最终的数据成果为导向，信奉“大力出奇迹”，但是在新的市场环境之下，单纯的成果导向已经行不通了，在保证适度的增长的同时，还得谨防亏损陷阱，因此目光就也要特别的关注到过程指标。

咱们做To B的本身就是有一种长周期的性质，就决定了我们在追求年度目标的最终成果的时候，也要沿着这个主链路，关注例如一个季度、一个月到一周这种短周期里的过程指标。

对于我们来说最重要的一类过程指标是“ICP”，即理想客户画像，指契合我们核心竞争力和优势市场定位的理想客户群体。在现在这种市场环境下，我们想要实现盈利和增长的战略目标，最重要的战术不是“广撒网”，而是“精准出击”。为此，我们内部精心筛选出了10个左右的ICP阵地客群，力求在这些优势客群里实现精耕细作。

举例来说，假设我今年有10000条潜在商机，我们就会更倾向于其中2000个源自我们ICP领域的高质量线索，这样从过程指标来说成单效率最高。然后还要更进一步，确保前线团队每周的过程指标，都能不断努力去收获这些来自ICP高价值阵地客群的商机。

这些举措的背后其实是我们在过去的一些苦涩教训，但也是内部不断迭代进化的过程，所以其实反过来说也是一件好事，可以给大家分享一下。

在更早一个季度的时候，我们有个团队的业绩很不理想。当时如果不做数据分析，直观的结论是商机数量不够。但真正拆解数据进行分析之后才发现，尽管商机看似缩水，但其实是在ICP优势阵地的商机数量其实是没有缩减的，真正造成业绩表现不佳的症结其实是在转化漏斗里存在的一些问题，以及我们在转化阶段的报价策略上。

因为今年其实整体大环境不是很好，会存在一些价格战，但在价格方面我们内部存在一些临界点，到了某个折扣红线的时候我们内部就会本能地放弃某些潜在客户。这其实是正常的，这个团队他其实遵循了我们内部的政策，在一定的折扣界限上，前线团队是有权自主决定进退的。

阮良：组织有规则在先，需要首先保证毛利。这就是数据在战略维度的决策指引。

苏春园：是，去年我们定下这个政策的时候它是对的，那今年因为盈利是我们很重要的战略目标，毛利自然也是决策里的一个关键参数。但当我们一层一层穿透数据，发现这个问题之后，或者说我自己作为一号位去看现在这些真实的数据之后，就更会了解到现在的业务是处在什么状态，哪些环节有问题，去对应的施策解决问题。

数据分析的过程促使我们不断微调策略。以刚才讲的价格策略为例，会被拉进价格战里很多时候可能是因为我们的价值主张还不够犀利，所以面对价格战的诱惑，我们另辟蹊径，对于潜力巨大的商机，我们会让内部最好的解决方案专家、经验丰富的交付团队负责人，公司高层等与对方进行有效的交流，强化价值合作。通过这个转变摆脱单纯依靠价格竞争的局限，通过专业实力和个性化服务赢得客户的青睐。

这一系列行动的核心，依然是对增长和盈利的追求，最终的目标是明确的，但在决策的过程里，我们需要不断的进行取舍，通过识别并优化过程性的指标，让决策的周期不断缩短。比如我们每周去识别重点商机，在商机迈入关键转折点的时候，集结所有可用资源形成合力，一起尽最大努力去保障能够最大限度的把握每一个商机。

阮良：我自己关注数据的时候，经常有和苏总类似的感悟。最近，我在设想尝试做一些改革动作，可以跟苏总您分享。例如，我们服务一个客户，会分各种阶段，商机阶段、销售阶段、售前阶段，签了合同之后的实施交付阶段，最后是客户成功阶段。我们分开看每个阶段可能付出的代价，比如说交付付出多少人天，然后核算成本。

从管理会计学的角度来说，有一种方法叫作业成本法。我们以前最通用的评判一类客户或者一类行业，或者一类流程的效率，通常是使用财务会计的方法：我花了多少时间，花了多少钱，综合计算这个客户的毛利是多少。

但是从管理会计学的角度来说，可以不是完全从财务会计的角度计算多少钱，多少时间。而是评判服务一个客户的过程中，我们一共做了多少个关键动作，动作跟流程肯定是对应的。

比如说，在实施交付阶段，可能里面有几个关键动作。第一是我给你部署，第二是我给你预训练知识库，然后是一些数据治理关键的动作。这些动作给他定义一个标准，标准是我们在这家公司做这个动作，每一次的成本是多少？然后再通过这些作业套用到这一类客户上，可以算出这一类客户真正的管理会计学层面上的毛利，或者说效率是多少。最后去跟其他类别的客户做差异分析，就会发现真正的优势客户、优势场景。因为从财务会计上看，A客户是盈利的，B客户不盈利，但是从管理会计的角度上看，存在B的效率更高的可能。

做标准化与可配置化

“两条腿走路”的好产品

阮良：在业务发展到一定阶段时，我们标准化产品是基于满足大部分客户需求的逻辑。迫于所谓的增长压力，或者需要打造标杆效应，我们也会去做一定的妥协，去和一些大客户做部分特殊的定制化，这种情况在所难免。

我们会去严格控制一定的定制化比例。但这仍然是一个长久令人困扰的问题。一线要攻坚大客户，大客户们想在标准化产品上做功能定制，这些定制功能可能其他大部分客户用不上。最终，是否要配合大客户的需求就成为一个涉及取舍的问题。对于这个问题，苏总您怎么看？

苏春园：我觉得我们的路径有点不一样。我们是0到1的创业公司，我们是非常坚定地要做标准化产品。为什么作为创业公司我们要选择标准化产品呢？其实跟我们团队基因和认知有关。第一，我们核心的创始团队过去很多年就是做标准化产品的，见证了从概念孕育到市场认可的全过程，所以我们坚信这条路是可行的。我们之前创建的产品，服务了三分之一的世界五百强，但用的是一个标准化的产品。第二，在商业化的角度上，虽然短期内或许有难度，但从长期看，我们坚信标准化产品的巨大潜力。好的BI产品，本质上是对最佳决策实践的不断提炼和抽象，具有普适价值和明确的长期商业前景。

在做标准化产品的过程中，我们其实也不断有很多取舍。总结来说我觉得做好产品有两个关键点，第一点是我们不断在坚持根本，做到产品标准化，第二点是未来几年我们会持续增强的，叫可配置化、可组装化。

可配置化是我们从过去很多年累积的经验里找到的方向。比如BI要连接各种各样的新型数据源，很多可能是以前没有的，我们在这些年的实践里不断从领先客户需求里沉淀，提炼出一套行之有效的可配置方案，不论是不同数据源的对接，还是同一数据库下多元化的配置选项，例如数据访问频率的自定义设置，我们通过设计多层次的配置选项，来满足不同行业与应用场景的独特需求。

以银行业为例，银行业客户对于系统性能和可靠性的要求是特别高的，考虑到高层管理者日常决策对及时数据呈现的依赖，就一定需要稳固的信息壁垒，有效隔绝基层操作对关键数据流的可用性影响。这个过程涉及复杂的引擎调度与资源隔离策略，但我们将它做成了直观易懂的可配置项，来满足客户的需求。

这几年我们对可配置化非常坚定，这里面其实意味着短期内的大量投入，但也让我们的产品变成了一个更有生机更强大的产品。以我们合作的某世界五百强商业银行举例，它内部有超过6万人在活跃使用观远BI平台，这是国内最大的一个BI项目之一。在这么庞大的用户基数面前，关于是否要采用定制化服务也有过激烈辩论。但好在我们跟客户对BI的理解非常一致，客户对BI的应用也很专业，我们一致认定要坚持标准化产品的主线，过度定制化的产品是没有生命力的，不仅难以复制推广，还会削弱产品本身的内在活力与市场吸引力。

阮良：非常同意。如果是走定制化分支的话，我们跟很多大客户交流，客户自身其实也会有这种意识：如果用我们定制的特殊版本，可能会出现使用故障，出现各种问题甚至问题非常严重，以及更新的时候，又无法及时更新。

有幸在九月这个时间点，邀请观远数据的苏总来到我们网易交流。今天我们探讨了非常多的话题，跟数据相关的、跟管理相关的、跟研发相关、跟销售相关的，包括最后跟产品客制化相关的。我个人受益匪浅，受到了很多启发。我相信这是一次非常美好的思想碰撞。

苏春园：我也非常感谢阮总的邀请和分享。同是To B企业的创业者，我们都希望让整个中国SaaS市场、整个中国企业服务市场能够变得更好，让这个世界变得更好。

关于线性资本

线性资本 Linear Capital 是一家聚焦“前沿科技+产业”方向投资的早期投资机构，即以数据智能、数字新基建、新一代机器人技术及传统领域的新技术变革（如生物医疗、材料、能源等）为代表的前沿科技，应用于各个垂直产业大幅提升产业效率，赋能其解决痛点问题，完成产业升级，通过产业价值的大幅度提升实现商业价值的超额回报。目前总共管理十支基金，管理总规模约20亿美元。

我们投资阶段以天使至A轮领投为主，每个项目投资金额从100到1000万美元（或等值人民币）不等。

目前已在早期投资了地平线、酷家乐、神策、特赞、Rokid、观远数据、思灵机器人等超过120个创业团队。线性已投资项目估值合计约200亿美元。

短期内，线性资本正在努力成为最好的「数据智能科技基金 Data Intelligence Technology Fund」，并在长期内逐步打造成最有影响力的「应用性前沿科技基金 Frontier Technology Application Fund」。

MCtalk·CEO对话观远数据：商业智能与组织效率的一鱼两吃，数据如何提供指引？｜线性被投企业