飞轮运行的规律

原点定律：数据驱动的起点与演化

企业启动飞轮效应的起点是哪里？客户、产品、合作伙伴、盈利模式，数据驱动在其中扮演了重要的角色。受制于行业和企业自身的独特性，不同企业在数据驱动转型的过程中表现各异，数据分析在四个轮子中发挥作用的侧重也有所不同。数据驱动原点的选择规则是：首先对企业进行价值链分析，找到价值链中的优势环节，然后以此为业务展开；在现有数据基础上设计数据采集结构，在积累数据的过程中逐步尝试业务的数据化，核心要点是结合行业特点、业务特征提炼数据化指标，基础数据库和分析模型的构建应具有迭代更新、智能优化的能力；最后用数据驱动的决策逐步代替组织层级决策，提高业务运行效率，进而提升企业在该业务的竞争力。

企业实现单个模块的数据驱动后，还需要考虑不同模块之间的演化路径。从企业服务对象来看，如果是面向大众消费的企业，如快消品行业，数据驱动的起点通常是客户模块。“得刚需者得天下”，起点从刚需出发，为了给客户提供超预期的产品和服务，就需要打通、带动产品模块的数据驱动，产品研发和生产又会带动合作伙伴的数据驱动，而盈利模式根据三个模块的动态关系而调整，最终演化成为全驱动的飞轮模型。

如果是提供工业类产品的企业，客户数量较少，数据驱动的起点通常是产品模块或合作伙伴模块，然后再演化到客户模块和盈利模式模块。香港利丰集团主要做全球的采购和物流业务，在穷国的工厂和富国的卖家之间，扮演着牵线搭桥的角色。希尔斯、梅西百货、彭尼百货、科尔士等美国典型商场中，有近三分之一零售商委托利丰替他们寻找廉价工人，讨价还价，并负责物流事务。利丰的数据驱动原点是供应链中的合作伙伴。

阻力定律：注意飞轮运转的阻碍因素

企业运转数据飞轮的过程中会面临诸多阻力，包括组织结构阻力、数据采集阻力、模块协调阻力等。组织结构阻力源于数据驱动决策会改变原有组织中的部分决策权，威胁到部分中层管理者或员工的企业地位，因此会产生一定的抵触和障碍。一般而言，企业规模越大、组织层级越多，人员结构阻力会越大，往往需要一把手的推动。数据采集阻力主要是指企业在从无到有的数据化进程中，需要做很多铺垫性的基础工作，数据采集不仅需要花费一定成本，而且还要承担是否对企业有用的风险，一次性的数据采集并不复杂，但是持续的数据采集和更新却并非易事。与此同时，不同模块之间的信息流、物流、资金流的传递不及时，也可能给企业数据飞轮带来阻力。例如，如果产品和客户价值都在发生改变，那么盈利模式也一定要做相应的调整，否则就会成为企业快速运转的阻力。

加速定律：数据驱动加速度=（企业动力−企业阻力）/非数据化业务规模

企业数据飞轮效应的加速度与企业动力、阻力、数据基础密切相关，按照上述公式，企业动力包含三个方面：一是企业及行业的市场需求和推动力；二是企业节约成本、提升效率、提升客户体验的动力；三是一把手的重视程度和推动力。企业阻力包含组织结构阻力、数据采集阻力、模块协调阻力等方面。数据驱动的加速度与动力和阻力之差成正比，与企业原有非数据化规模成反比，也就是说，企业数据基础越好、数据质量越高、分析能力越强，数据驱动加速度越大。根据此公式可知，随着数据化阶段的深入，数据飞轮的加速效应会越来越明显。

惯性定律：实现企业的自动巡航

柯林斯的研究成果表明，从优秀到卓越公司的转变是一个积累的过程，是一个循序渐进的过程，从优秀到卓越的飞跃绝对不是一蹴而就的。卓越的公司不是靠一次决定性的行动、一个伟大的计划、一个好运气或灵光一闪来造就的。相反，转变的过程好像无休无止地推着巨轮朝一个方向前进，累积的动能愈来愈大，终于在转折点有所突破，一跃而过。从优秀公司向卓越公司的转变是一个累积的过程、循序渐进的过程，一个行动接着一个行动，一个决策接着一个决策，飞轮一圈接着一圈地转动。

为了使静止的飞轮转动起来，实现企业数据转型和变革，一开始必须花很大的力气来消除摩擦和阻力，当数据飞轮转动得越来越快，达到某一临界点后，飞轮的重力和冲力会成为推动力的一部分。这时，无须再费更大的力气，飞轮依旧会快速转动，而且不容易受到外界环境的影响。以往的企业管理中经常存在文化驱动的惯性，表现为某企业会偏好晋升某类型的员工、淘汰掉一些不符合价值观的员工。数据驱动的企业应该注重培养数据意识和惯性。发挥飞轮效用必须要脚踏实地地做好基础工作，打好根基，为以后的发展提供有效的保障。不管用什么方法，都必须让飞轮主受力方向与希望它转动的方向一致才可以达到转动的目的。飞轮效应的形成通常是由前期领袖的力量来启动数据飞轮，中期靠强有力的执行团队开拓和发展，后期靠优秀的制度约束扫清阻力和障碍，企业进入数据驱动的自动巡航状态。

企业实现自动巡航必须在各个阶段、环节设置数据探头，用来感知企业内外部数据变化。数据探头实时探知内部摩擦力、外部阻力、同行压力三个力的作用及程度，并进行适时调整，保证企业健康稳定、可持续增长。