睿治

智能数据治理平台

睿治作为国内功能最全的数据治理产品之一,入选IDC企业数据治理实施部署指南。同时,在IDC发布的《中国数据治理市场份额,2022》报告中,蝉联数据治理解决方案市场份额第一。

《管理驾驶舱》建设5大坑点和避坑指南

时间:2023-09-02来源:萌能量女王浏览数:261

纵览各行各业的数字化项目,不约而同,都会包含非常非常重要一个建设模块——管理驾驶舱。有的称之为高管驾驶舱、决策看板、决策系统、经营大屏、经营罗盘……不管名称是什么,其本质是,希望通过构建一个面向“核心决策人员”的可视化看板,为其提供全面、精准、及时的数据支持和决策辅助,帮助企业更好地把握市场机遇、提升运营效率、规避管理风险。

《管理驾驶舱》的价值是显而易见的。它是企业数字化转型成果,在管理层这个细分用户群体需求中,给出最直接的响应和支撑


想想看,建了一堆业务系统,决策层领导会登进去点点点吗?升级了办公自动化,能解决决策用户的核心难点痛点吗?建了一堆数据中台数据平台,决策层领导会真正理解建设思路和每一个库表结构吗?完全不可能。但哪个领导不希望这样的数字化支撑呢?——随时随地都能打开手机,看到核心经营进展呢;一览无余、简单快速get最关心的数据的结果、甚至得到预警预测;不用担心数据的准确性和透明度呢;数据帮助快速发现问题、做出决策指导和判断,而不是盲打拍脑袋。

《管理驾驶舱》,本质是古老的“决策支持”领域知识在大数据时代的企业应用延伸;也是充分融合了管理科学、信息科学,以数据产品形落地的具体提体现;更是企业数字化建设的重要价值出口。综上,《管理驾驶舱》值得我们每一个数字化从业者高度重视


然而,管理驾驶舱的建设,又是非常艰难的。管理驾驶舱建设烂尾、建成后使用率不高、决策支撑目标实现难、运维成本极大等情况比比皆是。本文结合笔者多个《管理驾驶舱》建设经验,介绍几个常见的几个坑点和避免方法,抛砖引玉。


01坑点一:用户调研不深入,需求模糊。

如果对用户需求不了解,就会导致管理驾驶舱的内容设计、功能设计,不符合用户习惯,导致整体跑偏,浪费资源和时间。事实上,大部分这类项目的用户细分和场景调研开展都是比较困难的、做到位的并不多。

用户上,公司总裁、SVP,一级部门负责人、分支机构负责人,都叫管理者,但他们的内容需求相差很大;同为公司决策层,日常看数习惯也千差万别;更难得是,这类用户位高权重,难以触达,想做详细调研的机会非常珍贵。

场景上,都叫管理驾驶舱,有的是希望在经营分析会上,通过看板来实现检视分析;有的是希望在办公室,挂一个屏幕,每天进办公室就能看轮播跳动的经营数字;有的是希望,领导通过手机端,早晨起来、出差路上、任何碎片时间都能看到想看的信息……


避免方法:无论多难,在建设管理驾驶舱前期,一定要扎实调研。有三板斧可以借鉴。

一是用户细分,一定要搞清楚服务的是哪一类用户,他们的管辖范围是什么?和上下级管理者的思路的异同点是什么。这里建议“向上看一级”,就是如果给分支机构管理层做驾驶舱,就一定也要把他的领导——区域管理层的人员、想法考虑进去。而是推销试沟通。二是想尽一切办法,触达最终用户,了解用户需求和场景,带着各种demo、案例、最佳实践去“汇报+启发+推销式调研”,切忌出现“空对空”和决策层领导聊:您想要啥?看啥指标?给说说。三是全面梳理。从学会通过领导常看的经营报告、领导的秘书访谈中寻找管理层的关注重点。


02坑点二:指标设计缺乏体系,逻辑混乱

经常有管理驾驶舱上线后,被批评:逻辑不清晰、看不到我想看到、胡子眉毛一把抓、花里胡哨重点不突出……这些都是指向,驾驶舱的设计者就逻辑不清晰、也是缺乏战略思考视角的。

管理驾驶舱的逻辑结构要求是极高的,绝不能是指标和各类报表的堆砌。一是体系性。管理层的逻辑思维性都是很强的,他们会从“总分”视角看待问题,希望层层深入;二是战略性。指标体系设计需有战略视角,有宏观有微观,要有大局观和整体视角。三是重点性。指标过多、过杂、过细,反而对管理者是干扰,所以要找出最核心的内容。


避免方法:项目的解决方案设计人员,要有管理思维和战略思维——这对于数字化从业者通常是很难做到的,但也要想尽一切办法提升这方面能力。一是指标概念、指标遴选要和领导层反复沟通确认;二是呈现逻辑要和领导的决策思路想吻合。三是利用一些思维模型,如MECE,BSC等作为牵引。


03坑点三:数据质量不高

管理驾驶舱本质是个数据产品。数据产品,数据产品,核心是数据。如果数据不全、不准,直接影响决策的准确性和可靠性,数据质量是此类产品的“命门”。

然而,这个显而易见的环节,也是这类项目最后烂尾的最大深坑,没有之一。干过这类项目的人都知道,领导可能很难理解,看起来简简单单的3-5个指标,怎么就这么难算出来呢?可越是汇总的数据,越就好比站塔顶上的佛珠,要想立起来,地基和各层塔身必须都建好。但这又恰恰是个大工程。试问,有多少公司的“决策驾驶舱”,是靠人工汇总excel,糊到bi后端数据库呈现出来的呢?有多少是无法实现穿透下钻,就是因为数据不准所以还得靠手工调整呢?


避免方法:一是管理预期,从案例出发让决策者明白数据现状和牵扯到的工作量;二是分期建设,先搭框架,再一个板块一个板块的上线,比如先看到某个业务板块的成熟数据、先做一些外部数据,切忌“憋大招”;三是分做好标注说明,对于业务含义还有争议的部分,一定要做好标记和说明,这也是反推数据治理落地的绝佳方式,领导要看的指标,数据治理团队优先治理,动力也强。四是高度重视运维。但凡数据上线,就得全心全意保障数据不出错,出错几次,这个产品就前功尽弃了。


04坑点四:视觉设计不合理

管理驾驶舱的视觉设计是用户体验的重要部分,如果视觉设计不好,就会影响用户的使用体验。

避免方法:在建设管理驾驶舱时,需要选择符合用户审美和用户体验的视觉设计风格和交互方式,注重色彩、字体、图标等细节要商务化。例如,有的管理者数据敏感度高,就是喜欢清爽的表格样式,那就尽可能用表;但有的管理者,喜欢从图中发现重点,那就多放一些图,高亮重点;但总之,要把移动端的落地放在第一优先级,移动端布局考虑字体要大、操作要简单等特点。


05坑点五:数据安全考虑不周

管理驾驶舱涉一定会企业的商业机密和核心数据,如果安全性不高,就会导致数据泄露和企业安全风险。不管是数据测试、demo展示等任何阶段,都要注意数据的安全处理,不要放过任何细节,让决策层对你的职业素养产生质疑。

避免方法:在建设管理驾驶舱时,必须同步考虑建立完善的安全管理制度和安全技术防护体系、权限设计等,有清晰的方案、做汇报并落地,一开始就让管理者吃个定心丸。

总之,《管理驾驶舱》建设是一项非常复杂、破局挑战的工程。需要注重用户需求、逻辑结构、数据质量、视觉设计、数据安全等方面的问题,这些都做到,才能为企业提供全面、精准、及时的数据支持和决策辅助。这类产品落地了,是大功劳;烂尾失败了,是各有各的原因。

(部分内容来源网络,如有侵权请联系删除)
立即申请数据分析/数据治理产品免费试用 我要试用
customer

在线咨询