e-SupplyChain
制造业 · 供应链 · 持续改善
今天是本专题的最后一篇文章。前面两篇文章用两个真实案例分享了企业如何使用数据来帮助自己做决策。今天分享的内容仍然是关于数据和决策的。
1
听不听数据的？
今天的分享从世界著名的玩具供应商乐高公司一个故事开始。
誉满全球的玩具公司乐高，在2003年的时候，曾经陷入困境，销售额急剧下降，面临多项债务违约，几乎快要破产了。于是乐高公司就花大价钱再做市场调研、找品牌顾问，想藉此找到正确的市场方向。
说“再做市场调研”，是因为从20世纪90年代起，乐高就一直在收集市场信息，做大数据分析。所有的市场大数据分析，都得出同样的结论，就是未来人们会对乐高积木越来越没兴趣，因为成长于信息时代的一代，他们的兴趣都被电脑占据了，他们需要“即时满足”，他们没有耐心和兴趣再玩乐高。
因此，乐高不仅开始做大块积木——因为这样玩起来省时间啊，还很早就开始开发核心产品——积木以外的产品，比如主题公园、视频产品、图书杂志等等，但是销售情况并没有好转。一直到2003年发生了极其严重的危机。
就在乐高一筹莫展之际，在2004年一次乐高品牌顾问所做用户调研的过程中，有了令人惊异的收获。
他们碰到的乐高迷中，有个11岁的德国男孩，向他们自豪地举起一双非常破旧的运动鞋，原因是这个男孩因为酷爱滑板运动，把鞋穿成了这个样子。男孩告诉他们这是他的战利品，他的杰作。
乐高团队突然意识到，孩子们想要在同龄人中找到存在感，最好的办法就是具备一种高超的技能。只要一项技能值得炫耀，就不怕花时间。那么，为什么不让“会搭出极其复杂精美的积木”成为一种值得自豪的技能呢？
后来乐高完全改变了原来根据大数据分析得出的努力方向，回过头来继续集中精力做积木，而且把积木做得更精致、更小块、更有挑战难度、玩起来更费时间。其后所有的营销也都朝这个方向配合。
在那之后，情况有了奇迹般的改变。10年后，乐高超越美泰（就是那个卖“芭比娃娃”的），成为全世界最大的玩具商。
我们可以想见，乐高那样的公司，请来做大数据分析的人，必定是这个行业中的顶尖高手。他们的分析和结论，也应该是足够专业的。但是整个过程却如此出人意料。
从这个故事中，我们可以学习到的，不是大数据分析没用，而是数据始终只是帮助你做决定的助手之一，要不要它帮忙、要它怎么帮忙，一定是人决定的。
我们遇到问题的时候，既不能一味依赖数据忽视人的作用，也不罔顾数据发出的声音，而是因时因地地合理取舍。要做的这一点，就需要进一步了解一些关于数据的知识。
2
大小不同
读者们一定注意到了，在我们前面两篇文章中使用的那些数据和本期文章的案例中用到的似乎有些不同。没错，前面两篇文章的数据，比如库存信息、准时交货率等等，属于“小数据”，而今天的案例中乐高公司做市场调研收集的数据，属于“大数据”。这两类数据的使用方法是有着明显不同的。
那么，什么数据是“小数据”，什么是“大数据”？
在学术界，这两种数据的定义有很多种，都有各自的道理。但我们认为其中最简单易懂，也最能帮助我们更好掌握数据使用方法的定义是这样的：
小数据是对个体的描述，
大数据是对群体的描述。
这里的“个体”不一定是指一个人，可以是一个企业、一个家庭......等等。而“群体”是指具备某种特征的全部个体的集合。在这个定义中，数据的“大”和“小”并不是由数据量的多少决定的，而是由数据描述的对象决定的。
虽然我们这个专题主要讨论的是小数据的用法。但如果我们把小数据的用法和大数据的对比起来观察，会更容易理解他们各自的特点，以便在遇到问题时选择最合适的数据工具。
1、因果关系和相关关系
小数据主要分析重点是事物或现象之间的因果关系。通常我们需要在问题呈现出来之后，通过对小数据的分析，找到引起问题的原因或主要影响因素，以及原因的原因，一直追到根本原因（Root Cause），然后去解决问题或得出结论。也就是说，内部运作机制在小数据分析中非常重要。
大数据主要分析重点是事物或现象之间的相关性。通过识别有用的关联物来帮助我们分析一个现象，而不用通过揭示其内部的运作机制。
2、专业知识和数学知识
小数据的利用对专业知识的依赖是很大的。在本专题第一篇文章《》中，如果没有顾问提出的“操作空间损失”、“蜂窝损失”等专业知识的支持，是很难快速找到价值分析的方向和重点的，当然就更谈不上合理选用数据去辅助分析了。在第二篇文章《》中，如果没有对于工作流程的准确理解，对各种异常状况的全面总结，后面的量化分析简直就无从谈起。
大数据分析不太依赖数据产生的那个领域的专业知识。比如要用大数据分析某类病人出院后再次入院的情况和可能的降低再次入院的方法，对专业的医学知识的依赖并不大，更多依赖的可能是统计学知识。
3、数据分析和数据挖掘
如果把数据传递信息比作人在说话，那么大数据传递的信息就像是一些人在嘈杂的市场中用外语各自交谈着的内容，我们要知道他们说的话对我们有什么用，不仅需要有个外语翻译，还需要剔除市场里的杂音，以及谈话中和我们的关注点无关的部分。而小数据传递的信息，就像一个同事在安静的办公室里特意对你说的话，是清晰易懂的。
所以开发小数据的价值，主要使用的是数据分析的方法。即以约定好的模型或规则来解释数据的含义，以呈现问题或得出结论。数据分析需要的资源比较少，而且在企业内就能获得，这两种资源就是准确的数据和行业专家。当然，企业外部的专业顾问也是“行业专家”的重要来源。
开发大数据的价值，则主要使用的是数据挖掘的方法，即从无序的数据中找到规律并验证其准确性的过程。这种价值开发过程更复杂，也需要更多的资源。一般都会需要三种角色：数据的拥有者、数据开发技术的拥有者和数据价值的挖掘者。很少有企业能独立拥有这三种资源，多数情况都得借助外部资源。
了解了不同种类数据的特点，就能帮助我们在运用企业内部数据时，采用更为有效的方式，提升数据应用的效率。
3
总结和思考
今天的文章分享了使用数据时一个重要的原则：数据只是帮助你做决定的助手之一，要不要它帮忙、要它怎么帮忙，一定是人决定的。另外，还通过小数据和大数据应用时的对比，分享了这两种不同的数据在价值开发过程中的特点：
1、小数据更侧重分析因果关系，大数据更侧重相关关系；
2、小数据开发更依赖专业知识，大数据更依赖数学知识；
3、小数据的开发更多用数据分析的方法，大数据则更多使用数据挖掘。
本专题通过两个小数据的案例和一个大数据的案例，分享了使用数据来支持决策时的一些要点，以及不同的数据在价值开发过程中的不同。希望能对读者有所帮助。
欢迎大家留言提问、分享想法，也欢迎合作转载，公众号中回复“合作”即可查看合作转载的相关安排。
本文将收录到公众号的《供应·链》栏目中，这个栏目与你与你分享供应链改善需要的专业知识。
▉ 读者点播内容预告
“在不得不加严供应规格又不能提高采购价格的情况下，如何化解供应商的不配合、保证供应质量？”
回复这个读者提问的推文会安排在5月28日发布。各位读者请知悉。
延伸阅读：
延伸阅读：
责任编辑：
