数据驱动下的管理报告（二）：不同场景下，企业如何科学决策？
承接上文：数据驱动下的管理报告（一）：管理一小步，企业效率一大步？
上期元年与大家探讨了管理报告与数据驱动的关系、数据驱动在管报中的部分典型应用场景，本期接着深入讨论数据驱动理念指导下的管理报告是如何支持中轻度决策。
做管理报告的传统思路更多是面向高层，但结合当今的管理要求和技术发展水平来看，管理报告不止面向高层，还会面对企业的各级管理者，大到集团的决策者，中间到各个产业板块、职能部门，下到现场的工作人员。例如一线的销售人员。管理报告会帮助销售经理判断客户状态，监控客户流失预警，会有一系列的场景，覆盖各个层级。
管理决策一般有三层，预测投资等重度决策，监控预警、对标分析等中度、轻度决策。重度决策其实是世界难题，更多的是管理艺术的体现，当然可以为重度决策提供更多的AI算法、预测模型等支持，但是想进化到自动化决策支持还是会有非常大的难度。非原生大数据企业要想提升数据价值，更多的需要在中轻度决策上发力。
元年认为，构建数据驱动的场景化机制，这样的管理报告才能够切实帮助企业、帮助管理者解决问题。元年将这样的管理报告一共分为五层， 下文进行详细说明。
第一层：
第一层呈现，要你看见。这一层相对简单，很多的BI项目也基本上就是做到这一层，但不是说BI项目大多都能把这一层做好。这一层是最基础的一层，更高阶的应用也都需要数据基础。这一层简单的可以用ETL工具实现，更进一步可以用数据治理、数据中台的工具实现。数据治理需要对业务深入理解，清晰这样做是为了解决什么管理问题，能解决到什么程度，如何迭代完善。
第二层：
第二层预警，助你分辨。一般的BI厂商工具也能提供预警类规则，但是没有业务梳理的能力，需要一整套完善的结构化的能帮助客户全面梳理基于数据和管理要求提炼管理预警规则的能力。除了业务侧，技术上也需要更进一步，比如数智卡片。数智卡片既能对问题进行预警，还能快速把关联的业务场景信息通过数智卡片进行调入。
数智卡片
举个例子，在应收账款的数智卡片上，应收账款占销售收入的比例已经大幅逼近公司在应收账款管理上的红线，结合AI工具里的“最大影响因素”算法，在关联卡片上可以清楚的快速的看到是某个大客户的问题，这样就比用BI实现相对固定的分析报表，更容易呈现问题。
第三层：
第三层，帮你抉择。基于数据对人做出行动建议，比如商品选择、抖音推荐等，在很多数据原生企业都得到了比较广泛和深入的应用，非数据原生企业特别是管理报告侧的应用，这一领域的应用还在不断深入探索的阶段，核心是聚焦在指标到问题到行动这个点上，这个点应该是未来发力的主要方向。
抛砖引玉，某款成熟期产品的销售增速下降，首先通过指标可以定位到问题，下降1个月且下降幅度高于3%低于5%，推送代办任务给该产品的销售负责人，同时在代办任务中推荐“管理行动”，比如“开展产品销售一线销售经理协同会”、“产品销售线索为转商机还有**条，产品销售协调区域销售进行转化”。
连续下降3个月或者下降幅度高于5%，推送代办任务给该产品线的销售负责人，同时在代办任务中推荐“管理行动”，比如“产品销售策略讨论会”、“产品市场策略讨论会”、“查阅产品竞争力分析报告”。
简单类比就是，抖音推荐的是感兴趣的视频，数据驱动下的管报推荐的是“管理动作”。
有些不同声音会说，作为企业内部人员都很熟悉了不用推荐。虽然企业人员很熟悉工作方法，但是经常会在遇到具体问题的时候思维更聚焦在一个点，而忽略很多其他的方向。因此，在上述条件下，我们更为结构化的推荐就会发挥作用，给管理者指引。另外，在企业人员流动比率较高的情况下，对于新人，这个管理行动的推荐就更有必要了，这也就是给员工赋能，会让员工的目标会更清晰，同时还能记录员工是否按照公司的标准流程动作执行，进而分析是否有流程优化的必要或者要加大对流程的培训。
第四层：
第四层，替你决断。这一层应用的就非常深入，业务侧目前还有一些应用，比如车险的下一年费率。管理报告侧，目前来看直接的应用不多，管报更多是基于数据分析的应用，对于直接控制业务类的行为需要非常慎重。目前主要是在风控类的管理报告应用中会有一些探索，比如同一个有关联交易可能的打款账户，一个月内三次以上大幅的交易产生，系统自动控制该账户不能交易，直接推送审批流程，必须审批后该账户才可正常往来。类似的应用都还在不断的探索中，需要大家共同来挖掘。
第五层：
第五层，融会贯通。这一层基本是数字化转型的终极目标，相当于企业所有的管理活动都有一个数字孪生，自动化生产车间实现了，矿山机械的自动化也在实现中，未来会有越来越多的管理自动化的实现。当然，管理是一门艺术，很难全面的用数据、用规则去量化，但我们仍然孜孜以求的去努力，让管理者们更多的聚焦在管理艺术的应用、升级，作为B端软件产品+解决方案的供应商，元年将持续不懈的向着未来的全面数字化管理的远景而努力。
