下载掌阅APP，畅读海量书库
立即打开
通常搜集到的数据需要按照一定的需求、规则进一步进行归纳和整理，以便于使用者阅读和分析。在归纳整理数据时，应尽可能保持数据的原初性，避免做主观上的改动。这种归类清晰、真实有效的数据能够快速指引人们发现问题。
数据要能够带来价值
有效的数据是解决问题的依据。华为的项目经理戏称，客户不会为了华为项目人员制作的精美胶片（PPT）就心甘情愿地支付高额的服务费用，他们需要的是能够解决企业问题的方案。麦肯锡公司的顾问艾森·拉塞尔说：“要聪明地工作，而不是辛苦地工作。很多数据都与你的研究问题相关，很多分析可以展开，但要能够带来价值。”
2015年9月初，C运营商针对现网的增值业务公开招标。作为软件行销人员的赵越（化名），组织了一次深度的华为方案技术澄清会议。会议中地区部受邀专家讲到容灾方案时，与IPCC项目的方案类似。A客户的规划部门主管大声说：“You are a liar！”（你是一个骗子！）
客户突然发怒让赵越摸不着头脑。回去之后，赵越在第一时间与IPCC交付项目组对标，对数据资料进行分析。他发现，在IPCC项目售前阶段，A客户认为华为承诺了某些容灾特性，但在实际交付时却没有发现这一特性，因而才出现了刚才那一幕。
赵越立刻组织机关专家和项目组共同分析相关数据资料。通过集体研读售前SOC文档，发现这不过是客户理解上的偏差。合同承诺了该特性中的部分功能，但并未承诺全部满足。这虽然可以证明己方没有过错，但赵越认为这样做并不够。
当客户提出要求时，不能回答是或否，而要在现有的数据上提出能够解决客户痛点的见地。A客户对特性的需求是希望在容灾方面得到完全的安全保障。依据合同，华为无须完全满足客户的要求，但也不应该放弃满足客户需求。于是项目团队主管与客户专家就客户数据进行了深入交流，并与后方平台对标后，结合项目实际成本，采用搭建临时数据库的方式，解决了客户的诉求。面对华为提供的售前文档和该解决方案，A客户表示理解和认同。项目组不仅平息了客户的愤怒，还帮助客户解决了问题。
在后续的IPCC项目交付和方案拓展阶段，A客户成了华为解决方案有力的支持者。
可靠的数据是解决问题的关键，但若不能产生价值，就是无用的数据。华为轮值首席执行官徐直军说：“要构建公司统一的逻辑层数据底座，提供准确、可信、一致的数据，支撑公司数字化运营，全面挖掘并实现数据的价值，开放数据的能力。数据要按照对象管理，每个数据必须定义唯一的数据源和数据责任人，数据要同源共享，通过数据服务方式向外提供，以保证跨流程、跨系统的信息一致。”
找出关联度最高的数据
我们在深度解析数据的过程中，会发现很多数据或事实都与假设有内在的关联。这就要求我们必须学会辨别，找出其中关联度最高的数据和事实进行分析。华为公司《关于数据管理的决议》指出：“数据的质量要从两个方面抓，一方面围绕变革体系和全球流程责任人（GPO）管理体系抓好数据的架构、标准及集成和数据的同源管理，另一方面围绕代表处与子产品开发团队（SPDT）两类经营单元抓一线作战团队产生数据的源头质量。各GPO承担数据质量管理的总体责任，建立并实施有效的管理机制，保障本领域的各项数据持续处于高质量水平。谁创建（录入）数据，谁对数据质量负责。代表处与SPDT及其所属的一线各作战团队是各项数据产生的主要源头，需要对产生的数据质量负责。”华为人在这方面的做法值得我们借鉴和学习。
2009年，印度X集团与华为签订了一份价值1.56亿美元的购买合同。项目交付后，有1.28亿美元的余款没有付清。2012年7月，公司法务部和印度代表处成立了项目组，准备针对1亿多美元的合同款进行诉讼。
X集团在印度经营多年，在政界、商界、司法领域具有很强的影响力。进行了多次诉讼仲裁之后，项目组没有取得任何成果。项目组组长米建思很郁闷。在一次和同事聊天时，他听到一句英文：“leave no stone unturned.”这句英文把米建思带回到儿时捉蝎子的场景：山上的蝎子都藏在石头下面，要找到蝎子就要把山上的每块石头都翻过来，因为很多时候蝎子就藏在不经意错过的小石块下面。于是米建思开始反思：在这个案件中是不是把每块石头都翻过了呢？是不是错过了案件的某些细节？是不是思路还不够宽阔？
那段时间，项目组每天关注印度的电视新闻、报纸，通过各种渠道搜集关于X集团的动态。不久，果然有了发现，X集团不仅从事电信业，还涉足油气田的交易。通过新闻，项目组了解到印度石油和印度石化计划在莫桑比克购买价值24.5亿美元的油气田，种种迹象表明这个油气田可能属于X集团。
这一发现让项目组有了方向，接下来只要证明油气田是X集团的就可以了。若X集团拒不还钱，法庭就可以判定“X集团不还清欠款就不能进行油气田交易”的禁止令，就能够扭转诉讼的不利局面。
顺着这个思路，项目组开始搜集证据，但在印度搜集到的信息都是二手的、零散的，完全没有法律效应。于是他们深入莫桑比克亲自去“翻石头”。2013年5月，米建思来到莫桑比克，华为当地办事处安排专人专车陪他拜访与油气田交易有关的各方。一圈拜访下来，与交易相关的线索、与X集团的关联和证据越来越多。为了找到更多的证据，几个月后米建思再次来到莫桑比克。经过两次的调查，项目组对油气田的位置、市价、具体买家、交易手续、进展程度、与X集团的关联性等都了如指掌，形成了完整的证据链。
在法院第一次开庭时，项目组亮出了在莫桑比克搜集到的资料，这令对方立刻紧张起来，而法官也看到了清晰的证据，并开出了对X集团油气田交易的禁止令。X集团感受到压力，在随后的庭审中，X集团提出上诉，认为油气田交易的公司是X集团在毛里求斯和维京岛注册的子公司，且交易行为发生在印度境外，用美元交易，因此印度法庭没有管辖权。面对X集团的这些反击，项目组早有准备。米建思在莫桑比克时，就将油气田背后各种错综复杂的关系脉络摸得一清二楚，并把所有的证据制作成一张简洁生动的关系图。在法庭上，律师把这张图呈现给法官，并说明了这些公司的关系。油气田的持有公司是一个几百美元注册的公司，根本不可能操作一项价值24.5亿美元的交易，这只能说明莫桑比克的公司是一家“影子”公司，它的背后是X集团。最终法官判决X集团在7日内向华为公司出具见索即付银行保函。
看似没有联系的信息，经过归纳整理后，一幅信息全图就呈现在人们面前。若我们只沉溺于数据分析之中，而不懂得时时关联数据，那么数据分析的过程就好比“用海水煮盐”，永远不会有指向性和结果。我们应该利用各种数据分析工具，及时检测数据分析过程，避免劳而无功的情况发生。
用“二八法则”指导数据筛选
应该如何合理筛选数据呢？华为人认为，在对已有数据进行深度分析之前，首先要将和所要解决的问题无关联的数据及时剔除，只保留能够证实或者证伪自己假设的数据，然后归纳、总结这些数据所反映出的问题。做到这一点首先要聪明地分析数据。
艾森·拉塞尔形象地将数据分析的过程比喻为“用海水煮盐”。在刚进入麦肯锡公司时，他曾经花费了大量的时间为客户整理其竞争对手的数据资料，在整理过程中他发现，尽管自己已经得出了一些结论，但从相关的数据中仍然可以继续得出一些对主要问题影响不大的结论，于是他计划加班分析这些海量数据。当他把加班绘制出的图表和得出的结论交给上司看后，上司说：“拉塞尔，客户很欣赏你认真勤奋的工作态度，但是浪费时间在这些关联性不大的数据上就像在海水中提取盐，尽管你费了很大的力气但只能提取一点点盐。”
华为人在这方面，利用“二八法则”指导数据的筛选工作。“二八法则”是商业管理中的一大重要法则，即80%的分析成果来源于20%的数据样本。意大利经济学家帕累托研究发现：80%的财富掌握在20%的人手中，而余下的80%的人只占有20%的财富。慢慢地，这种“关键的少数和次要的多数”的理论被广泛应用在社会学和经济学中，被称为帕累托法则。我们可借此原理合理地筛选数据。帕累托法则如图2-2所示。
图2-2 帕累托法则
数据分析过程中掌握了“二八法则”，可以极大地提高深度分析数据的效率和成果。用好“二八法则”，可以大大减轻数据分析的工作量，分析重点也会十分明了。
此外，华为人会将每个阶段搜集到的数据绘制成一张图表。在工作结束前将自己当天分析数据的结论写下来，也将未有结论的问题写出来，这样做不仅有助于推动思考，还可以避免因思维混乱而导致返工。
最后，华为人会尽量避免寻找事实去支撑自己的假设。数据分析的过程是一个不断验证真伪的过程。当有充分的事实和数据证明假设是错误的，那么就改变自己的假设，重新找准方向，而非推翻已有的合理数据。