軟銀 CEO 孫正義：“誰統治了數據，就統治了世界。”
2016 年麥肯錫在報告 《分析的時代》 中提出，人類已經進入數據驅動的世界，數據智能將在未來十年產生 13 萬億美元的經濟收益。如今，所有的咨詢和研究機構，都將數據驅動作為行業趨勢。
隨著數據的指數級增長、算力提升和人工智能技術的不斷發展，數據驅動替代流程驅動將是勢不可擋的趨勢。但是，仍然有很多同學對于什么是流程驅動、什么是數據驅動以及二者的區別不是很清楚，本文將針對這幾個問題進行深入剖析。
過去時：流程驅動
業務流程的定義
首先我們來看，什么是業務流程。業界對業務流程有多個經典定義：
- 邁克爾·哈默（Michael Hammer）與詹姆斯·錢皮（James A．Champy）對業務流程的經典定義：定義某一組活動為一個業務流程，這組活動有一個或多個輸入，輸出一個或多個結果，這些結果對客戶來說是一種增值。簡言之，業務流程是企業中一系列創造價值的活動的組合。
- T·H·達文波特：業務流程是一系列結構化的可測量的活動集合，并為特定的市場或特定的顧客產生特定的輸出。
- A·L·斯切爾：業務流程是在特定時間產生特定輸出的一系列客戶、供應商關系。
- H·J·約瀚遜：業務流程是把輸入轉化為輸出的一系列相關活動的結合，它增加輸入的價值并創造出對接受者更為有效的輸出。
- ISO9000：業務流程是一組將輸入轉化為輸出的相互關聯或相互作用的活動。
總的來講，可以 歸納 為：業務流程（Business Process）是為達到特定的價值目標而由不同的人分別共同完成的一系列活動。活動之間不僅有嚴格的先后順序限定，而且活動的內容、方式、責任等也必須有明確的安排和界定，以使不同的活動在不同崗位角色之間進行交接和協作成為可能。
流程驅動的特征
層次性
業務流程是有層次性的，體現在從上至下，從整體到局部，從宏觀到微觀，從抽象到具體，是一個以邏輯為主體的體系。所以我們在提到流程的時候，會說一級流程、二級流程等。
這樣的一個層次結構，非常符合人類的思維邏輯，便于企業業務模型的建立。所以在信息化建設時代，企業做 ERP 之前都會做一個事情，叫 流程再造，通過重組工作任務形成更高效的流程，更好地改善成本、質量和服務。
抽象性
業務流程是從企業業務中分析、抽象、提煉出的關鍵業務節點的集合。業務流程的建模過程非常依賴于設計流程的人的業務理解能力、業務建模能力，并且每一個業務流程要解決的業務問題不一樣的時候，業務流程的設計結果是不一樣的。
比如，同樣的一個從訂單到交貨的業務過程，從銷售視角，從物流視角，從財務視角，梳理出來的流程節點是不一樣。
從某種程度上來講，業務流程建模的規程體現了不同的視角、角色對于業務的認知和理解，所以我們認為流程本身不是客觀的。
以人為本
所有的業務流程都是以人為最核心的驅動者，組織的每一個人都會在業務流程中充當一個角色，通過良好的流程設計，每一個人都會有自己清晰的職責，從而更加明確地指導自己在業務流程中的工作目標和內容邊界。
其次，每個人都能夠看到這些業務流程，充分理解這些流程設計的意義和目的，所有的業務流程都要以符合員工理解能力的方式展示出來，比如以操作手冊、流程文檔、圖形、規范、制度等。
業務流程不是憑空產生的，它的出現是企業管理體系發展的產物，從人的驅動，到職能驅動再到流程驅動，業務流程在一段時間內代表了企業先進的管理理念。
流程驅動的先進性
90 年代，美國麻省理工學院（MIT）的計算機系教授邁克爾·哈默（Michael Hammer）和 CSC 管理顧問公司董事長錢皮（James Champy）在《公司重組—企業革命宣言》一書中提出了流程再造（Business Process Re-engineering） 的概念。
他們指出，兩百年來，人們一直遵循亞當·斯密的勞動分工的思想來建立和管理企業，即注重把工作分解為最簡單和最基本的步驟，然后根據這些步驟來劃分職能，用職能來驅動生產和管理，這種方式已經不適應當前的企業需求，應該把工作任務重新組合到首尾一貫的工作流程中去。
他們給 BPR 下的定義是：“為了大幅度改善成本、質量、服務、速度等現代企業的主要運營基礎，必須對工作流程進行根本性的重新思考并徹底改革。”
它的基本思想就是—必須徹底改變傳統的工作方式，也就是徹底改變傳統的自工業革命以來、按照分工原則把一項完整的工作分成不同部分、由各自相對獨立的部門依次進行工作的工作方式，這也就是流程驅動的源頭。
相比較起人的驅動（People-Driven）和職能驅動（Function-Driven），流程驅動有著顯著的先進性：
端到端價值鏈
流程驅動的本質是一組人通過分工協作，在完成各自的工作內容后達成一個業務目標。所以，流程本身是一個端到端的價值鏈，雖然每一個角色的工作是局部的，但是在流程的牽引下，能夠達成一個最終的業務目標，產生業務價值。
更好的協作
流程驅動強調的是精細化的設計，讓每一個角色能夠清晰地知道自己的上游是誰，下游是誰，自己的工作內容是什么，分工界面是什么，交接物是什么，這種情況下，每一個角色不需要掌握全局的細節，而只需要按照流程的設計來操作，完成自己的工作，就能夠與其他環節協作。
這樣的設計，比起之前的人的驅動和職能驅動，讓不同角色之間的協作效率有了大幅的提高，減少了模糊地帶，降低了摩擦。
更容易復制
流程驅動的核心是標準化，這也就是為什么十年前我們做 IDP、做 ERP 系統的時候強調先固化后優化的原因。
通過標準化的流程，標準化的作業手段和操作規程，降低對人的能力的依賴，從而能夠讓工作更加容易被復制，而更容易被復制，帶來的收益就是推廣和規模化起來更容易。
更高的響應力
在職能驅動的時代，如果業務需求發生了變化，需要點對點的去做全面溝通，如果有五個職能角色的協作任務，溝通的復雜度至少是五次以上。但是如果是流程驅動的形式，在識別到變化點涉及的節點后，可以通過最小的溝通成本，達到更高的響應力。
假設一個最簡單的場景，如上圖是包含五個節點的協作體系，其中一個節點發生了變化。左邊是職能驅動的時代，當 B 節點發生變化的時候，需要至少與五個節點溝通；右邊是流程驅動的時代，當 B 節點發生變化的時候，只需要最多與 2 個節點溝通。流程驅動相對職能驅動能提供更高的響應力。
管理更高的復雜度
由于流程是有層次的，所以能夠通過層層分解將高復雜度的事情分解成一層層相對簡單的流程，最后達到可以被理解和管理的復雜度，通過層層流程分解設計的方法可以管理更高復雜度的問題。而職能驅動的方式是點對點設計，當節點更多、角色崗位更多的時候，復雜度會呈指數級增長。
現在很多先進理念和理論，從 JIT 到精益生產，都是在流程驅動基礎上的產物。而信息化、數字化則是構建在業務流程基礎上的。可以說，沒有業務流程，就沒有企業數字化的今天，流程是最早的物理世界與數字化世界溝通的業務語言。
總而言之，流程概念的提出，是現代化企業制度管理的里程碑，流程再造的推行是企業信息化建設的業務基礎，我們必須肯定流程驅動在歷史角度下的先進性和對于企業管理的巨大作用才能客觀的看待未來的趨勢。
現在時和將來時：數據驅動
從業務流程到業務數據
業務流程的出現，給現代企業的管理注入了新的能力，流程驅動加速了企業的發展，為企業的信息化、數字化打下了基礎。
在業務流程的基礎上，辦公自動化（OA）、物料需求計劃（MRP）、企業資源管理系統（ERP）等系統不斷涌現，使管理更復雜的流程成為可能，從而不斷讓業務流程更加細化和專業化，最終形成了流程和數字化的雙輪驅動。
這個雙輪驅動的結果就是形成了一個數字化的業務世界，它的核心是數據，數據通過軟件系統沉淀了所有業務流程的過程和結果數據，是所有業務的數字化存在形式。
在流程為中心的時代，業務流程是核心，所有的業務系統是業務流程的一種軟件式存在方式，通過軟件系統讓傳統流程跑的更快、復制的更快、跑的更標準，這是目的。
但是，在無形中，業務流程一邊跑，一邊沉淀了。
數據驅動的定義
維基百科對數據驅動的定義是這樣的：“The adjective data-driven means that progress in an activity is compelled by data, rather than by intuition) or by personal experience”。翻譯過來就是，數據驅動指的是流程中的行為是被數據驅動而不是被人的直覺和經驗驅動的。
基于這個定義，似乎數據驅動是指用數據驅動流程。Carl Anderson 在《創造數據驅動的組織》一書中，對于數據驅動的定義是“構建工具、能力，最重要的是，依據數據去行為的文化”。
到這里，我們可能還是不是很清楚到底什么是數據驅動，下面來看幾個數據驅動的例子。
Netflix 數據驅動案例解讀
Netflix 是一家數據驅動的企業，他們的所有業務決策， 從內容制作、客戶增長、業務運營、項目管理到資產管理，都是基于數據做決策的。Netflix 的核心決策流程如下圖所示：
所有的業務問題和決策都從提出問題和假設開始，然后利用數據做 A/B 測試，最終根據測試的數據結果來做決策。
Netflix 典型的數據驅動場景有如下幾個：
數據驅動的產品開發
Netfflix 搜集了用戶所有的“事件”數據，然后將這些數據都打上標簽，從而了解什么類型、什么區域、什么年齡段的用戶對于什么樣的內容比較感興趣，再根據這些數據分析的結果來選擇，制作和推廣影視內容。
基于數據的產品推薦
Netflix 利用采集的所有數據給用戶做畫像，從而在特定的時間、特定的設備、特定的地點，給用戶推送不同的內容，從而個性化首頁展現。
數據驅動的爆款預測模型
在影視行業，產出爆款內容是所有出版發行方的追求。那么如何能夠在爆款顯露出一絲端倪的時候，就注入合適的資源、流量，從而使其快速發酵，就成為了打造爆款的關鍵。不像傳統的收視率調查方式，Netflix 通過基本資訊、瀏覽行為、觀看行為、喜好追蹤、裝置使用等數據的綜合分析，構建模型來實時捕捉和跟蹤預測爆款劇集，從而第一時間匹配對應的推廣和營銷策略。
數據驅動的資產優化管理
制作大型影視劇時，一些龐大的道具和設備需要在全球各個片場中搬運，如何更好地做好資產的分配、調撥，從而優化資產利用率，更好地匹配劇集的制作和拍攝？
Netflix 利用數據驅動的方式進行模擬建模，從而預測來提升了資產的利用率，降低了拍攝成本。
數據驅動的項目排程
對于一個一年產出幾千小時劇集的大型影視制作商來說，如何管理遍布全球的拍攝組，更好地管理拍攝場景，讓演員的工作量和表演狀態更好地平衡，優化降低成本，對成百上千種道具和資源進行合理的調度和管理，是一個非常復雜的項目群管理問題。
Netflix 通過數據建模，利用模擬、優化、計劃等算法來管理這些內容的制作，達到一個最佳的配置和編排管理。
以上都是數據驅動的定義和案例，那么我們回頭來看一下，數據驅動和流程驅動的關系。
流程驅動和數據驅動的區別
流程驅動的本質可以用下面這個圖來解釋。
左邊是輸入，主要是業務人員的經驗和直覺，當然業務人員可能也會借助數據分析和報表工具；中間是流程設計過程，基本以業務人員為主，通過分析、設計、優化等方法，完成整個流程的設計，并且整個過程是可見的、可解釋的；最后的輸出是業務規則，這些業務規則會應用到線下業務或者業務系統中成為判斷和決策的依據。
數據驅動的本質可以用下面這張圖來解釋：
左邊是數據源，主要是業務系統，當然也有人工錄入的數據；數據驅動的輸入就是數據本身，然后利用數據挖掘、機器學習等技術進行建模，形成數據模型，這個過程是不可見的；最后輸出的是業務決策。
從上面兩個圖，我們可以看出數據驅動和流程驅動的區別：
- 流程驅動是以人的經驗和直覺為輸入，而數據驅動則以數據為輸入。
- 流程驅動的開發過程以咨詢和人工分析方法為主，而數據驅動的開發過程以數據建模和機器學習為主的數據技術方法（Data-Tech）為主。
- 流程驅動的過程是可解釋、可視化的，而數據驅動的過程大部分是不可見的，尤其以機器學習為代表的過程被行業稱為“煉丹術”。
- 流程驅動由于有人的參與，所以整個過程是非自動化的，而數據驅動是可以全自動化的。
- 流程驅動的過程，當出現變化的時候，需要重新設計流程，迭代比較慢；數據驅動的過程，當出現變化的時候，數據模型得重新訓練，增量學習迭代速度快于流程驅動。
- 最終，流程驅動輸出的是規則體系，然后規則體系被應用到業務做出決策，而數據驅動可以直接輸出決策。
我們用一個最簡單的定價場景作為例子。傳統的定價流程是，多個角色從市場價格采集、收入分析、成本分析、客戶體驗各方面給出自己的建議，然后大家一起討論定一個價格。當任何一個條件發生變化的時候，這個流程就要再走一遍，這是流程驅動的定價模型。
而在數據驅動場景下，價格定制的運作過程如下圖所示：
模型是基于數據訓練出來的，所以價格可以實時獲取，不需要人工或者只需要少量人工干預，能夠更快響應業務的需求。
總 結
流程驅動和數據驅動是兩種決策方式，各有各的特點，不同的場景下有不同的選擇，在現階段，不存在絕對的正確或者錯誤。
當規則足夠清晰、業務相對靜態且數據條件不夠好的情況下，基于流程的規則體系成本更低。
如果業務變化比較快，而且數字化程度較高、數據質量好、數據維度豐富，則盡量采用數據建模、機器學習的數據驅動方式，才能夠更快速、實時地響應業務的需求。
最終如何選擇，是人的業務經驗加數據質量，算法模型的準確性，實現成本的綜合因素。
作者 ： 史凱 精益數據創新體系創始者，數據驅動的數字化轉型的倡導者，15年以上企業信息化，數字化轉型實踐者，數字化轉型架構師。
