數據，就是可描述的事實

數字化的三個基本特征：聯接、數據、智能。第二項要素就是數據，關于數據這個定義就太五花八門了。我終于找到了一個我覺得可以接受，或者我也認為大家作為管理者、作為非IT的人員，可以接受的定義。這個定義非常簡單，數據就是可描述的事實。

這樣去定義數據，跟我們管理中，“用數據說話”、“我要的是數據”，這個定義稍微有不一樣的。從技術上來講，就是計算機或者電腦，它可以描述，它可以識别，或者它認為可以用的這種事實的描述，那我們就可以認為這就是數據。因為如果你不可以描述的或者不用到的那些，我們想即使有關系，而事實上我們也關系不上，或者我們也用不上，比如說現在對人的心理的不可描述性，當然當有了視頻技術，可以抓取一些行為要素而形成的一些心理數據，那麼我們說他就是可以描述了。

所以計算機，可描述、可識别、可接受、可應用，一些事實的描述，我們就認為他就是數據，同樣的道理，從管理的角度來講，我們可以描述、可識别的、可接受的，而且可以應用的，這些事實，我們也可以把它描述為數據，他不僅僅是數量或者數字。

大數據&小數據

數據的另外一個相關定義，就是大數據和小數據。這些關于數據的定義，在網絡上，在各個領域的定義，是千奇百怪的，關于大數據，我覺得采用IT界或者IT的語言，他們最能夠接受的，最常用、最通俗的。

數據有兩類，結構化的數據和非結構化的數據，而非結構化數據和結構化的數據加起來就叫大數據。那麼什麼又是結構化呢？我們在管理上也有，比如說結構化面試、結構化設計，或者結構化的什麼，這個概念跟我們管理上的結構化也稍微有不一樣。舉個例子，我們隻要有系統，比如說HR系統、ERP系統、CRM系統、oa系統等，隻要在這些系統内存在的，在跑的這些數據我們把它稱為結構化數據。而對一些在文本，比如說word文檔、PPT文檔、視頻、照片啊，這些可能計算機還需要通過另外的處理也可以解讀，我們把他叫做半結構化的數據。其他的，我們統稱為非結構化的數據。

其實在一個組織裡，結構化數據是占少數的，非結構化數據是更多的，業界也有一個相對應的通常說法，就是在一個公司裡，即使上了再多的系統，結構化數據最多隻占30%-40%，甚至更少，而大量的是我們現在還不可以描述的，不可以琢磨的那些數據。

我其實更想用管理的思維去解釋這種數據的結構化。舉個例子，比如KPI。KPI怎麼去定義，這個KPI的算法、計算方法，（“算法”這個概念又跟IT的概念又有很大的沖突），通過怎麼樣方式采集這些數據的，那麼這種如果在統一的一個數據流（KPI的定義公式）裡，我們就可以認為他是結構化的數據了。再比如說，生産工人的工資計算，他需要定時報工，加工量、加工品質等，每個月固定日期來結算，這樣的一種做法及流程，以及相關的表單，那麼在這些過程和表單上走的這些數據，我們也可以認為是被結構化的數據，當然這種情況在IT裡面它就屬于半結構化。對于業界那些所謂說大數據，是否真的是大數據呢，或者說雲計算，其實截止現在還很少用到，而對于一個組織管理來講，這種被結構化了的數據，小數據能夠充分地利用就已經非常不錯了。

數字化的關鍵，是在于你是否會用數據來去管理和決策，所以為了用數據進行管理，數據化的管理，在前端必須把它變成數據，叫業務的數據化，當你有了數據以後，你再對這些數據的應用，輔助決策，或自動化的決策，反作用于業務，這叫數據的業務化。數字化三個基本特征中，最典型的特征是數據，聯接和智能都是圍繞着數據來建構的。

工作流&數據流

我們講數據化管理，首先要把它放在一個流動的動态過程中。組織的每個任務都是按照時間順序即一定的流程（我們叫程序和方法），包括用什麼人，用什麼設備，在什麼時間，做完什麼事，我們稱之為一個工作流。這樣看來，工作流，每一個工作流，他都自帶着數據流，人、财、物、事、時、數等，而管理的意義就在于在流動的工作和流動的數據裡面怎麼去運用和使用。這裡需要注意的地方，就是一定是在工作流裡面産生流動的數據或實時的數據，然後用實時的數據的分析，再返回到工作流上。當然，我們所定義的實時，是有顆粒度的。

這個工作流，我們普遍的理解就是業務流，而不僅僅是HR的工作流，很多做HR咨詢項目，或者HR的改善，往往會把他們隻是定義為HR部門的管控模式，HR部門的工作流程，這個太局限，太狹小了，我們首先要抓住業務的流程、業務的數據，然後再在這些業務的工作流，實時提取及關注關于人的數據。當有了數據和數據的流動，接下來就如何進行數據分析，這個過程中借助一些技術的手段，那就是智能。

（本文節選自DHR星球計劃培訓文稿，待續）

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!