先看一组数据。
带思管理 2019—2026 年的 47 个深度项目中，已上线 BI/数据看板的企业有 17 家，但其中仅 5 家在 18 个月后真正将数据用于日常经营决策。建设率 74%（35/47），真正进入决策的 11%（5/47）。 中间的 63 个百分点，就是"数据可见"与"数据驱动"之间的鸿沟。
三个层次：数据在决策中的角色
数据驱动的成熟度不是一条直线，而是三个有着本质区别的阶段。用一个关键指标区分："数据在决策中的角色是什么？"
第一层：数据可见——"看得到，但不用"
典型标志：经营例会不再靠各部门手工拼表，管理层打开驾驶舱就能看到当天或前一天的关键指标。
项目库数据：47 个项目中，35 家（74%）已实现某种形式的"数据可见"，但其中 28 家仍然停留在这一层。他们的驾驶舱每天打开率不足 30%，管理层看数据的主要场景是"开会时投屏"。
数据可见的特征是"数据是汇报材料"：指标被展示，但不改变决策。库存周报显示某项物料连续三周超安全库存，但在没有触发"红线"之前，没有人采取行动。数据在墙上，不在判断里。
第二层：数据可用——"用数据回答问题，但靠人做决定"
典型标志：数据分析能够回答具体的业务问题。数据从"汇报材料"变成"决策依据"。
项目库数据：47 个项目中 5 家（11%）进入这一层。它们共同的特征是：先有业务问题，后有数据建设。 不是"先建平台再找用途"，是"业务部门带着问题来，IT 部门带着数据去"。
第三层：数据驱动——"系统建议，人做例外处理"
典型标志：补货、定价、排产等高频决策由模型自动给出建议，人只负责例外处理与规则校准。
项目库数据：47 个项目中仅 2 家（4%）在部分场景中达到了这一层。值得注意的是，这两家都不是"技术最强"的企业，而是决策频率最高、决策规则最清晰的企业。
这三层之间不是线性的技术升级关系，是决策权的逐步转移关系。 每往上一层，组织的决策习惯、岗位职责和管理者的角色都需要重构——这正是大多数企业卡在第一层到第二层过渡的根本原因：他们试图用"买工具"的方式完成"改习惯"的转型。
为什么卡住？三个被反复验证的误区
误区一：追求"大而全"，试图一步到位
项目库中的真实案例：某年营收约 8 亿的装备制造企业，2023 年启动"全域数据平台"项目，预算约 600 万，目标是打通 ERP、MES、CRM、SRM 四套系统的全部数据，建设统一的数据中台。项目持续 14 个月后，因"数据质量争议"和"业务部门不使用"而基本停滞。最终真正被使用的功能，只有最初三个月搭建的一个生产日报看板。
全域数据平台的最大风险不是技术难度，是"价值验证周期"被拉得太长。 数据驱动文化的第一笔投资，必须在 90 天内产生可感知的业务价值，否则文化的种子在发芽前就死了。
误区二：把数据驱动当成 IT 部门的事
项目库中的对比数据：在 17 个已上线数据看板/BI 的项目中，统计了"业务负责人是否担任数据场景第一责任人"与"18 个月后数据使用率"的关系：
| 数据场景第一责任人 | 项目数 | 18 个月后主动使用率≥50%的比例 |
|---|---|---|
| 业务负责人 | 7 | 71%（5/7） |
| IT 负责人 | 10 | 20%（2/10） |
IT 部门主导的数据项目，天然倾向于"平台思维"。业务部门主导的数据项目，天然倾向于"场景思维"。两种思维没有对错，但数据驱动文化的建立需要"场景先行，平台随后"。
误区三：只盯结果指标，不看过程指标
结果指标是滞后指标——当它们出现问题时，最佳干预窗口已经过去。过程指标是先行指标——它们的变化通常比结果指标提前 2—6 周显现。
我们在制造业项目中反复观察到的一个模式：某工序的一次合格率连续三周下滑，如果只盯月度客诉率，管理层要等到第 6—8 周才会发现并干预；如果同步监控过程指标，第 2 周就能看到异常。 4—6 周的提前量，往往就是"小问题"与"质量事故"之间的距离。
90 天跑通第一个数据场景
前 30 天：数据盘点与场景锁定
目标：找到"最值得做"的第一个数据场景。
- 列出 5—8 个高价值决策场景：邀请业务负责人提出"我每周至少要做 3 次、但目前完全靠拍脑袋的决策"。不是"重要但不频繁"的决策（如年度战略），是高频且规则相对清晰的日常决策。
- 对每个候选场景做"数据可得性评估"：关键数据存不存在？数据质量是否可用？获取数据需要打通哪些系统/部门？
- 场景优先级排序：在"决策频率 × 业务价值 × 数据可得性"三个维度上打分。
交付物：一份《数据场景卡》。
中间 30 天：最小可用看板
关键原则：不是"搭建一个看板"，是"让一个数据流跑起来"。
- 定义 3—5 个核心指标：不超过 5 个。
- 确认数据来源与更新频率：手动采集优先（Excel 导入也可以），自动化放在第二步。
- 用最简单的方式呈现：能 Excel 透视图解决，就不上 BI 平台。
- 确定"看板使用仪式"：什么时候看？谁来看？看完之后做什么？
交付物：一个被业务负责人连续使用 5 个工作日以上的看板。
最后 30 天：让数据进入决策
- 选定一个可隔离的业务动作：如"安全库存的调整"。
- 设定对比基线：记录采用数据决策前的 6—8 周内，这个业务动作的结果指标。
- 执行 4 周的数据决策试验。
- 对比试验前后数据：写成一份一页的复盘报告。
关键提醒：如果 4 周的试验没有产生可见改善，不要匆忙归因于"数据没用"。 更可能的原因是：选择了错误的数据指标、数据质量不足、或改善需要更长时间才能显现。
90 天之后：三个信号判断文化是否长出来了
信号一：新的数据需求来自业务部门，而非 IT 部门。 当业务负责人开始主动提出"我需要这个数据来做 XX 决策"时，说明数据已经成为业务语言的一部分。
信号二：会议中出现了"数据反驳"。 管理者在会议中说"经验告诉我应该这样做"时，有人敢于用数据提出不同意见，且不会被视为"挑衅"。
信号三：例外处理有记录。 在数据驱动的决策中，人基于经验推翻数据建议是正常的。但成熟的组织会记录每一次"否决数据"的决策。
结语
数据提供的是概率与趋势，商业判断仍需结合行业经验与客户洞察。成熟的组织，是让数据与经验互为校验：数据修正经验的偏差，经验解释数据背后的因果。
数据驱动文化真正的成熟标志，不是"所有人都听数据的"，是"所有人都知道数据什么时候该听、什么时候该质疑"。
对于管理层而言，推进数据驱动还要做好预期管理：第一个场景见效通常需要一到两个季度，期间必然经历数据口径争议、部门配合摩擦与短期投入产出倒挂。坚持过这段爬坡期，数据才会从成本项变成资产项——不是数据变了，是使用数据的人变了。
常见问题
问：中小企业没有数据团队，怎么开始？ 答：数据团队不是必需。第一个数据场景完全可以用 Excel + 一个人半天/周的时间跑通。
问：怎么说服业务部门用数据决策？ 答：不要说服，先做示范。选一个业务部门真正痛的场景，用 90 天做出一份"数据决策 vs 经验决策"的对比报告。
问：数据口径争议怎么办？ 答：先定"最小可用字典"。不要试图一次性解决所有口径问题，在第一个场景中只解决必须打通的字段。
数据口径：本文样本来自带思管理 2019—2026 年的 47 个深度项目（制造类 27、非制造类 20）；"35 家数据可见""17 家上线 BI""5 家进入决策"为该 47 个项目中的分层子样本；案例数据经客户授权脱敏处理。
带思管理 · 累计服务 500+ 企业客户，其中 47 个为可深度复盘的长期项目；96% 的新业务来自老客户续约与转介绍，客户转介绍率 91%。相关阅读：某上市制造集团 12 基地效率提升项目。