2019年，数据中台元年。
2020年，数智化转型的浪潮席卷全国。
证道，作为一名行业专家，深切感受到了数据中台的需求已经扑面而来。
奇点云内部流传着一则逸闻，人员最最最最紧缺又适逢需求井喷的时候，在某项目上，证道既任项目总监做风险管控、进程管理，又与客户对接架构、数据时效性、安全策略等技术问题，带售前专家与客户对解决方案，还不忘负责推进业务创新。
客户开他玩笑：「怎么老是你？」
他答道：「不想当厨子的裁缝不是好司机。」
他具备十年以上大型数据仓库/中台项目管理经验，精通主流数据库和数据中台架构设计，有丰富的数据智能赋能企业经验。
在奇点云，证道扛起大时尚行业数据化赋能企业的项目交付大旗，并通过沉淀行业头部经验，提炼行业通用的产品与解决方案，包括智能人效、智能铺补货、行业商品分析系统等。
说起他的花名，证道认为，「道」是自己觉得有价值的、要去遵循的实现理想的轨迹，放在他的职业生涯，则是一种能改变企业乃至行业的方法。一开始，他想「求道」，后来发现这个「道」是「求」不来的，而要自己在过程中领悟、在实践中证明，即「证道」。
所以锦哥在「证道」的路上，伐木劈柴，摘果充饥，什么都做，把自己炼成了一颗不可多得的多面体。
他的同事说他在技术领域一专多能，哪怕来了新技术，也能快速熟悉基本思想和应用场景；
他的团队说最佩服他的领导力，能够很准确地给部门内部的同学定位，并根据每个人的职业规划安排工作，人尽其才，在把握项目进度的同时留给每个人发挥自己创造力的空间；
他的客户伙伴（数据团队负责人）则说，他在需求调研、项目管理、问题处理上都很老练，总能很快发现业务痛点，提出具有针对性的见解。他在企业的分享通俗易懂又风趣生动，让客户内部都不得不赞。
也许你还在更多人口中听过他的金牌传说，在全国各地项目上见过他的忙碌身影，唯独在公司，不太能碰得上他。一个周六的午间，小奇终于捕获了证道，来为我们说道说道「不懂技术的行业专家不是好项目总监」究竟是怎样炼成的，这位深耕泛零售多年的专家对行业又如何解读。
Q：在奇点云，你负责大时尚行业数智化转型的项目交付，并要通过沉淀行业头部经验，提炼出行业通用的产品与解决方案。你觉得作为行业专家，必备的特质是什么？
Q：「多个视角看问题」，是一个大家都懂、说起来简单、做起来却很难的道理。你觉得你是如何实现的？
A：不同的人可能有不同的实现路径。对于我个人来说，一定程度上是工作积累使然。我曾经在乙方（亚信联创）为客户提供数据库服务；也在甲方（中国移动手机阅读基地）负责过数据库的架构、性能优化和数据库运维团队的管理；又在甲方（快鱼服饰）担任过数据中心的负责人，先后参加了公司业务中台和数据中台的建设，其中在数据中台项目任项目经理和架构师，在业务中台项目担任数据架构师。快鱼的数据中台上线后，我根据公司的业务情况，创新性地引导了3个智能应用的落地（智能人效、店货匹配、对用户的个性化推荐）。现在，又来到了乙方（奇点云）。
Q：兼具甲乙双方的工作经历，让你对行业的认知和判断产生了比较大的影响？
A：没错，如果没有在甲方公司工作过一定年份并参加过甲方公司的一些中高层会议，其实很难理解甲方真正的诉求、利益点、思考模式、内部组织和协同的方式等等。你可能只能看到甲方的需求，但不知道为什么会产生这样的需求，它内部的原因、背后的逻辑，它到底要解决什么问题，未来要往什么方向发展，哪些需求是有价值的，哪些需求是不合理的，可能都比较难看清楚。
反之亦然，如果一直都在甲方工作，只知道企业内部是怎么运作的，但具体如何落地、怎么组建团队去解决问题，就会要求有很强的专业能力，才能沉淀出行业通用的解决方案，解决行业的一系列问题。
Q：那从过来人的角度看，在服务企业的过程中，有哪些维度是需要我们去注意的？
A：用数据中台或者数据智能赋能企业，它不是纯技术或纯业务的问题，所以我们一定不会只关注技术怎么实现，业务怎么对接。它是一整套方法论，我在这里只举例一些角度供参考，还会有更多维度是在实践中要考虑的：
3. 用什么技术去实现，这些技术能否落地，例如采用大量过于超前的人工智能设想，可能落地不了；
4. 有没有数据可用，能不能闭环，这也会影响到算法有没有「原材料」；
5. 运营能否闭环，后续持续的运营和迭代能不能保证，有没有充足的人力去跟进这个项目的可持续运行；
6. 利益能否闭环，是不是大家共赢（而非损人利己）的模式，企业数智化转型涉及到多个部门，发起方能否和其他各个部门建立良好的合作关系，能否从公司一盘棋的角度考虑问题，能否做大蛋糕、实现共赢；
7. 延续上一个角度，推动数智化转型，组织上是否会或已有了很多阻力，为何产生、应该如何克服；
8. 从客户方和服务商方，分别有多少资源可以投入做这件事，资源是撬动杠杆的支点，如果没有资源，就会心有余而力不足；
9. 数智化转型是个大课题，要考虑好从哪个角度切入，不要一开始去切特别费力不讨好的点，而是找到很小的切入点，建立简单可复制的模式。这就像鲁珀特之泪，它的头部非常坚硬，8吨重击都不碎，而如果在其纤细的尾巴上稍微施加一些压力，则整颗玻璃都会瞬间爆裂粉碎——这就是我们的切入点。
所以总的来说，我觉得「多个视角看问题」是数智化转型服务商为客户提供好服务的必经之路。
Q：刚才聊到了你「看问题」的方式，那你在作为项目总监管理项目时，「做事情」的方式是怎么样的？
A：作为项目总监，或项目经理，需要关注的简单来说有三个：①客户的需求，这是项目的指明灯；②项目的进度和风险，这是在稳健地落地项目；③资源协调，这是保证项目进度的基础。有地图、有物资，加上我们脚踏实地向前走，就能和客户一起找到终点的宝藏（数智化转型带来的降本增效）。
A：我在项目上每天第一件事，就是看项目的计划表，确认今天有哪些工作，要拿到什么结果，本周有哪些工作，要拿到什么结果。然后看整个项目组成员，工作有没有都确认到人，执行上有没有遇到困难。比方说你要做开发，但可能昨天才得知需求确认方（客户）本周出差了，原计划2-3天后要确认的内容，这周就确认不了了。那我们马上就要执行应急的策略，去切割工作，切出哪些工作是可以提前做的（例如数据清洗、网络等基础性的工作），哪些是要等客户来确认才能推进的。
类似这样的场景，每天都会出现很多个，在项目上，「变化」才是常态，项目经理要及时去解决问题。因为零售行业的人效产品是我负责做的，所以我在团队管理上自己就会注重人效，讲究及时敏捷地应对变化、解决问题。
Q：所以在你看来，项目经理不可或缺的能力是「拥抱变化」吗？
A：是面对很多无法预料的变化，能够「想方设法」去达成目标。
A：我觉得项目经理的目标就是让项目保质保量保时地完成，那么如何保质保量保时？提前准备并使用各种管理手段去达成目标，也就是「想方设法」。设置缓冲策略也好，做好风险checklist也好，我们要预备各种各样的预案，当一个事情到了什么阶段，就要提早做出风险应对策略。
比方说，刚才说的建立「多级缓冲策略」，每天判断项目进度、会不会有较大的资源缺口，及时启动协调资源来应对问题：
第一级，临时任务，加个班就能搞定，也就是用可控的时间来缓冲；
第二级，有的紧急任务工作量比较大，项目内加班搞不定，就需要做部门内部资源的协调。要做到这一点，你的大团队平时就要磨合得比较好，有相同的工作流程、相同的文档规范、命名和编码风格，这样在阅读不同项目的文档时，才能很快进入角色，不会有很多违和感；
第四级，整体出现需求井喷，则启动临时资源或招聘来解决资源不足的问题。
Q：其实每个项目，不管是数据中台项目也好，还是其他toB项目也好，多少都会遇到临时的不可控因素。你觉得为什么在数据中台项目执行过程中，变化是特别多的，也是特别需要项目经理注意的？
A：因为数据中台不像是做土木工程，（土木工程）前面把蓝图定了，按部就班地采购材料、安排人工、完全按照图纸去搭建就可以。数据中台的建设过程，或者说推进企业数智化转型的过程，则有更多「共同创新」的行为因素，而共创的过程必然伴随着更多无法被蓝图提前覆盖的不确定性。
当然在前期，我们会基于调研和大数据咨询，深入了解并判断客户的需求，尽可能准确地描绘出符合客户长远需求的「蓝图」，但同时，客户的想法可能会随着时间的变化、项目的推进乃至业务情况的变化产生变化。在变化的过程中，客户对自己需求的理解、我们对客户需求的理解更加深入，双方观点与方案的碰撞会带来业务乃至行业的创新。
打个比方，客户会为我们输入业务思路，譬如当前业务是怎么流转的，它的业务痛点所在，痛的根本原因在哪里；我们则要看到痛点背后症结点所在，评估症结点产生的原因，通过技术、数据智能化的手段去规避或解决。我们给出我们的解决方案，客户则要来「挑战」我们的方案，像红蓝军互相攻防，最终打磨出最强的兵器。而这个「最强兵器」，经过我们的沉淀、提炼、产品化，会形成能够解决行业常见痛点的产品或解决方案，赋能更多的企业。
Q：我们常说的帮助企业解决数据问题，从「存、通、用，到赋能」，它分为四个阶段，你刚才提到的「与客户共创来解决业务痛点」，是着重在「赋能」环节吗？
A：是的，大部分泛零售企业其实目前仍处于信息化的中后期和数据化的初期——信息化一定程度上解决存的问题，数据化则解决通、用、赋能的问题。比方说，很多企业都还没有建立数据仓库；有一部分企业有数据仓库，但没有数据中台；有小一部分企业上了数据中台，但只解决了数据存和通（打通数据）的问题，哪怕把数据用起来了，也是比较基础的功能，例如报表、看板、可视化大屏等常规BI手段，还没有进一步用数据智能去赋能业务。
存、通、用的过程当然是实现数据赋能的前提，非常重要，我们也为很多企业提供了这三个环节的服务。但我们更希望能进一步帮助企业用数据智能赋能业务：用数据化的管理思想，去对原有的业务系统进行重组，使之更符合企业经营的需求，并借助智能化的手段，实现企业经营的提效。
就像行在说的，我们不仅要为客户提供土壤（数据平台），还要帮客户种下苹果树（数据智能应用），收获果实（降本增效）。
Q：关于你和团队提出的解决方案，曾经为客户解决了哪些业务痛点，实现了哪些方面的赋能？
A：很多企业大部分业务问题背后的痛点在于，过于依赖人工，而没有实际的数据依据，比如商品补货、人员排班、商品企划等。
「很多决策就是拍脑袋。」我们为一家国内羽绒制品领军企业做智能铺补货时，这家企业的总裁这样概括，我觉得很精辟。因为没有那么多可看可用的数据，所以只能依赖经验丰富的人，谁的经验更丰富，「拍脑袋」决策的准确程度就更高一些。
而我们解决痛点，首先就是转「拍脑袋」为「以数据为依据」进行决策。通过数据中台，用算法代替经验公式，把业务和经验优势提炼为智能应用，则不仅不再受到执行人的能力水平、经验、人员稳定性等问题影响，还能大大解放人力，提升效率，建立竞争壁垒，沉淀为企业自己的资产。
A：比方说我们为国内一家大型服饰企业搭建的智能人效系统。
有许多线下门店的零售企业往往都有类似的痛点，譬如用人成本高、排班排岗合理性难以度量、人员流动性大等问题，怎么排班才能确保不影响销售业绩的同时尽可能减少人力闲置？如何量化人效管理从而支撑企业规模化发展？
借助智能人效系统，原计划在9个月时间里帮助企业节约1千万成本，实际上在4个月的时间里就完成了全年的目标，帮助这家企业精简了1720人，相当于一年节省了8600万的人力成本，超额完成172%。同时，员工工作效率与组织协作效率也得到提高。
A：人效还有一个很直接的例子，把经验沉淀为企业资产，去赋能更多员工：「超级店长」。
零售业一线员工离职率高，员工能力差异大，培养成本又很高，容易跟不上规模扩张的速度。我们2019年帮助一家大型鲜果企业建设数据中台，其中部署的「超级店长」就重点解决了这个问题。
这家企业当时全国有2000多家门店，而且门店还在持续扩张中。而几千位店长中，当时只有不到100人能称得上绝对顶尖的、符合创始人高标准的超级店长。如何快速提升一线店长的专业能力和管理水平、跑赢扩张的节奏，这是核心问题。
于是我们就和客户共创出了「店长的一天」行为模型……
Q：这个故事我听过。你们团队的同学给我提供线报，客户的创始人每天早上7点、晚上10点，雷打不动准时给团队开会，然后你在旁边租了一个小房子，每天跑去听「两会」。
A：哈哈其实这就是了解业务的一种途径。我们和总部运营团队聊，和信息部门聊，和督导聊，和店长、店员聊，在一家又一家的门店里转悠，前前后后做了20天的业务调研，最后和客户的信息化团队共创出了「店长的一天」行为模型，基于这个模型去完成「高水平重复」。
「超级店长」智能应用可以实时展现门店经营数据，帮助店长直观了解门店经营情况；沉淀了优秀店长的运营管理经验，结合实际提出简洁易懂的指导意见。
因为水果是一门要抢「鲜」的行当，先机的「先」，对他们来说也就是新鲜的「鲜」。所以我们基于数据中台，把「超级店长」的数据更新速度提升至分钟级。在确保报表不会变成「爆表」的前提下，综合成本的考虑，「超级店长」前端显示的数据每过5分钟就会根据后台实际情况产生变化。店长可以准实时地看到店内各项经营指标的情况。「超级店长」的指导建议也会根据情况实时变化，实现高效率的「高水平重复」。
Q：我比较好奇，「超级店长」的用户，也就是店长，是怎么评价这个应用的？
A：好几位店长和我们团队的同学反馈，拿着手机去盘货、看店，比平常捧着电脑到处操作要方便得多，应用里很多建议是极具参考性的。当然「超级店长」的用户其实不仅是店长，对于企业整体来说，他们培养了店长用数据的想法，先把意识建立起来，还能自上而下、准确实时地看到企业经营的整体情况。
Q：所以其实真正的数据赋能不会只在企业核心部分，或比较擅长和数据打交道的运营人员，而是要直抵一线的。像「超级店长」这样，是一线店长真正可用的大数据。
浙江有一家时尚鞋服企业，他们原来并不清楚市场上哪些品类商品卖得比较好，只有比较主观、大体上的感受，没有数据依据。比方说，有一个风格的女鞋款式，他们研究了很久，一直都卖得不好。客户以为是自己设计得不好，一直去调整设计，但基于我们后来上线的行业商品分析系统，数据发现「其实并不是他们的锅」，这个风格、这个款式在整个行业都卖得不好，消费者在这段时间内不喜欢这样的款式。而另一款（中性马丁靴）当时就卖得很好，行业商品分析系统发现其实整个行业的这个风格都卖得很好，客户就快速加大了投入，研究了更多款型的中性马丁靴，收到了很好的消费者反馈。
这个行业商品分析系统对行业数据和企业内部数据做了拉通分析，帮助企业（尤其是具备快反能力的企业）找到正确的发力方向，例如商品品类、爆款元素、价格、客户评价等，从而对自己的商品企划、定价甚至具体到页面的一个小细节作出调整。
受到疫情的影响，今年大部分企业包括国际知名鞋服运动品牌，业绩都还没有完全恢复，最多同比去年持平，而这家企业比竞争对手恢复得更快，5月同比还增加了30%的营业额。这是我们觉得很高兴也很自豪的。
Q：这么多案例听下来，我发现我们用数据智能赋能的解决方案，都是从痛点出发，要去解决业务问题，而且是在行业内可复用的。
A：对，抓住业务痛点才有发展机会，历史的痛点（解决好了）就是新的业绩增长点。
Q：未来，你认为大时尚行业会因数据智能产生什么变化呢？
A：我们依旧从「人、货、渠」这三个经典维度来看有数据智能助力的大时尚行业：
1）人：人群画像会更清晰，对消费者的意见反馈收集更及时准确，从而更好地修正商品企划，设计消费者更喜欢的商品，从而更好地满足消费者的需求，并更精准地触达消费者。
2）货：不夸张的说，零售最关心的问题就是库存的问题，库存少了就缺货影响业绩，库存多了就积压增加成本。未来商品运营和供应链会在数据智能的赋能下更加高效，例如实现库存共享、智能铺补货等，让企业对货的管理更精细、更智能，从让更小的库存获得更大的收益，同时规避库存缺损或积压的风险。
3）渠：旗下有很多连锁门店的大时尚企业，他们的门店费用最高的就是人力成本和租金成本。借助智能人效、智能选址、超级店长等数据智能应用，可以实现非常明显的降本增效成果。
在未来，有远见、有变革魄力的企业，会更愿意投入数智化转型，这种类型的企业会大幅度地提高企业经营效率，享受到数据智能带来的质的改变。四个字总结，如虎添翼。
在奇点云的《大数据咨询方法论白皮书》里，关于企业的数据发展阶段的总结我很认同：2009年至今，阿里巴巴已围绕数据链条建立了丰富的数据生态——通过低成本的业务在线化「连接」企业和客户，再通过数据在线化「看见」业绩和顾客，然后建立数据「使用」能力来预测未来，最后用数据智能「赋能」业务转型成服务公司或平台公司。连接-看见-使用-赋能四个阶段，让阿里巴巴成功跨越数据指数级增长的奇点，构建数据智能未来。
大时尚行业其实也是类似的成长路径，可以对照企业现阶段的情况去找到下一步的方向，只不过传统企业在数据技术、数据人才、实践经验方面可能天然相对弱势一些，而我们可以帮助他们跨越奇点，这就是我们存在的意义。
2019年，在老合作伙伴行在、公主的盛情邀请下，证道欣然应约，加入奇点云，延续他「用数据智能赋能企业实现价值」之道。
从乙方到甲方，又从甲方到乙方，以积淀的行业经验、专业的产品实践服务更多亟待数智化转型的客户，对于信奉「通过成就他人来成就自己」的证道而言，正是最好的安排。
他说，有理想的人会互相吸引。「就像黑夜里的茫茫草原，每个人心里有一团火，哪怕我们之间站得很远，大家也都能看见对方。创业就是我们有共同的目标，共同努力去做有价值的事。」
