如果企业对商业分析、数字化规划已久，那么不妨就按预定计划入手。但如果企业尚无清晰的思路该怎么办？这时从一个具体要实现的目标或待解决的问题入手会比较自然。商业分析本身就是通过实践逐渐丰富完善起来的，不同的问题会有不同的解决方法。梳理一下当前的问题，从商业分析的某些思路中得到解决问题的灵感，何乐而不“用”呢？如同上一篇《为什么企业需要商业分析中》所列举的那样，如果企业销售异常，或者想对客户做一番深入的洞察，不妨就开展一个商业分析项目吧。
那如果企业并没有这样的问题，但是想寻找一种提升业务效率的方法，有没有这方面的对策？我的建议是可以考虑从营销自动化、销售管理这样的事务入手。因为通常这两件事都与企业的效益直接相关，最容易看到投资回报。
营销自动化和销售管理都不是新事物，它们属于舶来品。早期的邮件群发、后来的微信自动群发等都属于营销自动化的范畴。但这些产品臭名昭著，像微信自动群发工具甚至被官方封杀，因为它们强势干扰用户的使用环境，带来了糟糕的体验。现在的营销自动化基于客户细分等概念已经有了明显的改进。通常，这是基于“标签”的一系列工作，目的是为了保证将尽量准确的内容投放到需要它的人上。然后设置一段工作流。当用户的行为触发到某个预设的营销活动时，就向用户推送相关的营销方案。这种营销自动化产品往往结合了CDP（Customer Data Platform，客户数据平台）、CMS（Content Management System，内容管理系统），RPA（Robotic Process Automation，机器自动化流程）等方案，以实现准确投放、内容管理、自动化执行等数个目的。
销售管理系统是类似的。从该类软件的鼻祖Salesforce，到现在国内外的多款面向销售过程管理的SaaS系统，大都提供了像客户关系管理、销售过程管理、线索管理等功能。它们大都来源于早期的CRM，有的集成了社交媒体，从而演化成SCRM（Social CRM），有的基于销售漏斗模型，对销售过程中不同阶段的线索进行汇总和评估，试图交给销售人员一个实时的高意向采购客户清单。
然而理念虽激动人心，传统行业企业实际选择产品时依然困难重重。根本的原因在于当前商业分析技术的应用，都必须要结合具体的业务背景，进行定制化的设计和操作，才可能达到令人满意的预期。试图以通用软件的形式，“一揽子”解决各企业的问题，几乎不现实。比如说，一个营销自动化系统，通常会宣称可以利用AI智能决策技术（比如聚类），对客户数据进行精准筛选，在多个营销场景能够将客户群和企业的产品服务有效地匹配起来，最终提升营销活动的ROI。它说的是真的，但不全真。AI是一个宽泛的概念，对采购系统的企业来说没有任何参考价值。聚类这个词也一样。实际上聚类是一类技术的总称，不同的聚类方案对不同的问题有效，并不是可以应对任何细分问题。因此，类似的所有软件广告都在以偏概全——它可能确实解决了某个行业某个企业的某个问题，但未必同样适用于你。
所以企业采购前，其实需要对供应商宣传的每个功能点，做一个深入细致的咨询和了解，仔细评估其功能的技术特点和适用范围。但现实尴尬的情况是由于传统行业企业在相关技术方面缺乏足够的储备，因此很难自己做出真正的评估，甚至连需要关心什么问题都不知道。
从局部开始，从小规模开始
商业分析是个漫长的过程，没必要一口吃个胖子，实际上也做不到。此外当商业分析逐渐进入到深水区时，企业组织结构的摩擦效应逐渐显现。所以除非企业破釜沉舟，且准备已久，否则建议还是循序渐进更为稳妥。从一个具体的业务事项，或者一个新业务、新团队开始。一旦做出成绩，全公司都会为之振奋，当人心士气都鼓舞高涨时，决策者就更容易推行下一步计划。
数字化转型通常被认为是“一把手工程”，是说需要企业核心决策层强势支持才能顺利推行下去。但我也见过企业一把手想推动，却实际上没有推动的情况。严谨地讲，光一把手有动力是不够的，还需要把企业各层都尽量调动起来。因此循序渐进，步步为营就成了现实的解决之道。应该让决策者和管理者们知道，商业分析的深入实施，会给企业带来根本上的变化。它绝不是一个普通的工具，所以必须要考虑到所有利益相关者的影响。这与数据固有的特点有关。当公司制定了清晰的战略目标和执行路线，并为之设计了一套与时俱进的指标体系时，公司的决策风格实际上正在向透明化转变。当企业培养了整个公司上下自助式分析的工作习惯时，自然而然会逐渐把决策的权力配置到相应的各层员工身上。内部业务流程自然将随之变化。过去企业管理的各种理念，会因商业分析的落地实施而逐步实现。当然，这也给管理者、决策者的能力提出了更高的要求。
剩下的问题相对简单一点。
一个是关于专业人才。这个问题令不少企业纠结许久。数据产业方兴未艾，在传统行业领域，依然是探索落地为主（底层数据系统方面，互联网行业以分布式大规模数据存储、传输和处理为主，和传统行业的数据需求不是一个方向，无法直接利用；运营方面，互联网行业普遍的运营方法也并不契合传统行业的特点，因为互联网行业的产品和传统行业的产品完全不是一类东西）。坦白说人才是偏少的。而真正要实施商业分析，实际上需要的是既懂业务，又懂数据的双料人才。这种更是凤毛麟角。所以企业试图从市场寻找所谓的合适人才，我个人认为是错误的思考方向。因为很难找，找到了也难以留住。
那么企业该怎么做？我的建议是，企业不妨紧靠自己的优势，即业务领域知识。很多人可能认为既然要谈数字化，要谈商业分析，那么技术无疑是最重要的，是成败的决定因素。但很多先行者通过实践总结出来的经验教训是，业务远远比数据技术更重要。这条金律已经成为数据行业的共识。也就是说，如果非要从业务和数据技术中二选一的话，那还是选择紧抓业务。技术永远是为业务服务的，而不是反过来。
企业可以从自己的业务骨干中挑选一些，逐渐培养他们掌握必要的数据技术，这对企业来说往往更有价值。那么技术从哪里来呢？一个办法是招聘，一个办法就是向外部专家、服务商咨询。有的企业担心如果人才没有纳入麾下，是否就意味着公司没有真的掌握相关技术。这个想法其实有些多虑。因为即使是企业招聘了相关人才，就目前来看，也与项目结果是否成功相关性不大。回顾看一看第一篇《什么是商业分析》里，埃森哲的国内调查数据，就是鲜活的例证。从结果倒推，从要解决的具体问题着手更有意义。
另一个问题是关于采购软件，这也是一个大问题。这里的软件指的是日常工作中需要用到的数据处理、分析软件，像BI，分析工具等，以及更基础（也更隐蔽）的数据收集、存储系统。一般来说，数据处理、分析工具是必要的。因为没有这些工具，一系列工作就无法开展。但应该要先摸清企业的真实需求，然后选购。
比如企业想搭建一套指标体系，往往BI系统是必要的。而且由于需要把指标传递到每位员工身上，因此需要考虑BI的数据权限和采购账号数量。需要哪些功能模块给哪些员工使用也是要考虑的重要问题。有的BI只提供了报表、仪表板功能，有的还提供了一些维度分析，甚至数据挖掘的模块。不同权限和功能模块价格不同，采购数量也受限于企业预算。采购前需要做一个合理的估计，想一想是否真的需要把这些功能都集成在一个产品里？如果不必非得如此，那就不用花冤枉钱。
有的企业可能也在想是否有一个既功能全面（甚至强大），又使用起来门槛足够低的产品。实话实说，没有。很多产品（包括业界声名斐然的优秀产品）号称自己多么简单，那是针对特定技术专家而言的。对于真正的用户来说，都多少有些门槛，有的还很高。
一款我非常喜欢的知名产品，就号称任何时刻，任何地方，任何人可以进行数据处理。这是一个典型的自助式分析产品。从某种角度说，它的确如所宣传的那样，已将应用数据的门槛大大降低，体验也很棒。但是必须也得承认，真正应用时，大多数人仍无法掌握它，以至于围绕该产品已经形成了庞大的培训市场——这正是这家供应商的目的所在，构建一个生态。但对企业来说，真正的问题是怎样用好它。所以企业采购前要弄清楚购买的软件都包含哪些功能，以免付完钱后发现内部员工依然难以使用。现在的产品多少有些趋同，所以如果不是必要，可以分散地采购多种产品——每款产品只买自己需要的那部分模块就可以了，尤其是分析软件和BI。
另一个很重要但企业容易遗忘的是数据收集和存储系统。比如前面提到的营销自动化系统，通常，想要让一个营销自动化系统充分发挥价值，需要企业采集自有客户的行为数据，并且要把这些行为数据，和企业的业务系统，如销售订单管理系统连接起来。这个俗称“数据打通”。数据收集需要埋点，数据存储也需要一套数据库/数据仓库。相关方案既有开源框架也有商业系统，不过很多商业系统也是基于某些开源框架开发的。对传统行业企业来说，自己开发不是优先选择，因为开发风险非常高。因此选择商业系统更理性。如同前面提到的那样，埋点采集和数据库/数据仓库系统也各有技术特点，并不是普适的。因此仔细沟通需求，并设计技术细节十分必要。
在今天，数据存储方案几乎都是云方案。对企业来说，好处是成本低、预算可控、使用方便。有人担心数据不安全，在大多数情况下，这个担心有些杞人忧天。事实上云方案目前比其它本地化方案更安全，特别敏感的数据可以考虑私有化部署。不过对大多数企业来说没有必要。由于这一部分涉及技术较多且有一定深度，企业最好咨询外部专家或服务商，以选择合适的解决方案，避免被软件供应商的销售人员蒙得晕头转向。当然对于外部专家、服务商也需要多方比较。一旦忽略这一步，可能会导致未来某天发现之前的所有工作都白做了。因此务必要谨慎重视。宁可慢一点，不要操之过急。从某种角度说，商业分析很接地气。哪怕只有Excel（不包括WPS或其它电子表格产品，因为它们不包含一套真正实用的Power Pivot加载项），也可以有方案先做起来。因此没有理由仓促上阵。
人才和采购软件系统两方面失败的情况我都见过。有的企业计划实施商业分析，还没有真正确认清楚究竟该做些什么，就立即招兵买马。由于此时企业尚未弄清自己的真实诉求，也无法分辨什么样的人才是企业需要的，因此招来的新员工实际上都不能有效工作。造成的结果就是，人力成本率先显著提升，但项目实际上停滞了。还有的企业在数个软件供应商之间犹豫，因为缺乏好的顾问向导，最终稀里糊涂地采购了一些软件。买到手才逐渐发现，大部分功能其实都用不上或不会用，软件对业务提升也没有什么帮助，最终只好闲置。
上面两种类型都是常见且典型的情况——企业尚未从商业分析中看到回报，成本倒先显著提升了。解决的办法，目前最现实的就是咨询外部专家或服务商。企业看似额外支出了一部分，但是这个钱花得值。表面看企业好像进展慢一些，但欲速不达，慢的事实上后来反而快。服务商最好兼顾分析方案和系统开发，因为这样可以保持从方案到实现，再到实施的连贯性和一致性，降低风险。好的服务商，既可以兼顾到预算的投资回报，又能考虑到未来方案扩展的兼容性。
一旦加上数据这个驱动力，企业就开始向未来全速挺进。随着对数据的运用越来越成熟，企业的竞争力将越来越强大。从开始的陌生、战战兢兢，逐渐到熟练、游刃有余。试想一下，从决策层到基层员工，如果人人都能运用商业分析进行工作，企业活力会是多么生机勃勃。从这一点说，数据是博爱的，它给每个了解它、掌握它、运用它的企业和个人赋予能量。我用三篇文章，向大家分享了商业分析的价值和功用，正是希望从企业到个人，都能重视并使用这一强大工具。开始行动起来，相信你不会失望的。