书接上回，前文概要
在系统内的人，无法跳出系统看到全局，一定需要有庞加莱般天才的想法才能举一反三，坐井以观天之全貌。数据之网，多维检验就好比庞加莱环游地球的绳子让你在低维感知高维的美妙。然而数据的本质是什么，数据之网的关键又在哪里？
数据和历史，低维和高维
胡适曾经说过，历史是个任人打扮的小姑娘。数据也一样。单一或者低维的数据流根本就无法形成结构化的商业洞见，只会被先入为主或者别有用心的数据采集者打扮成其所需要的模样来形成希望植入你脑海中的观点，这时的数据不是推波助澜就是为虎作伥。举个简单的例子，假设你有一维的市场参与者信息，比如在某消费品市场一共有10000个参与者，对于这组一维数据，在向你的客户或者老板倡议时，你既可以解释成因为市场参与者众多，是我们进入市场整合的机会。也可以解释成，因为市场参与者众多，这个市场已经是红海市场，不应该进入这个市场。同样一组数据可以形成完全相反的商业洞见。在此你必须增加其他维度的数据来增加说服力，比如增加另一个维度的数据：市场集中度，也就是10000个参与者各自的市场份额，我们假设Top10的参与者占到了整个市场80%以上的份额。虽然有两个维度，也可以形成完全相反的洞见。比如，因为参与者众多而且集中在Top10的玩家，所以不应该进入这个市场，因为已经渐渐形成寡头垄断，剩者为王的态势，后进者的成本将会非常得高。相反的洞见是，因为参与者众多而且集中在Top10的玩家，所以应该进入这个市场，因为还未完全形成寡头垄断，而且这些Top10的玩家都是在一年之中靠资本加速形成的份额扩张，现在的时点正是市场整合的拐点，此刻的资本注入将充分享受之前的整合带来的成本下降，同时进一步享受下一步寡头垄断带来的超额利润。
亲爱的读者，你看看，到这一步，如果要继续形成有价值的洞见的话，至少要增加好多个维度的数据，比如利润率，市场份额扩张速度，整合成本下降比例，进入成本，淘汰比率，未来整体市场增长率等等。以我之前的项目和数据分析经验，要说明一个问题，形成有价值的洞见，至少要有一个10维以上的数据之网。要知道根据上世纪90年代提出的M理论（多种超弦理论的综合），宇宙是也只不过是十一维的，由震动的平面构成的，只不过有七维空间是我们感受不到但是的的确确存在着的。回到大家熟悉的供应链话题，大家都知道，单一的每月库存金额数据做分析是毫无意义的，即使加上预测，订单，单价等数据，产生出来的商业洞见也是异常单薄。
数据也是Business Partner
现在的跨国企业，职能分工里经常出现的一个词是 Business Partner，比如 HR BP, Finance BP，数据也应该是 BP的。现代企业的运营需要更多从消费者和商业的角度来理解和操作每个运营指标。操作的基础是理解，理解的目标是理解本质。本质是为企业创造价值和利润。比如库存，传统的精益生产把它当做浪费（经典的七种浪费之一），说一定要清除，但是库存对于有些行业，在有些时段那就是待价而沽的期货和战略资源。否则国家就没有必要储备那么多大米，原油，黄金，美元了。那么到底是如何来判定一个数据，一个指标到底是累赘还是珍宝，其实只有结合业务趋势的相关性数量分析才能判定库存到底是什么，到底是资产还是负债？同样现金也是一样，一直说现金为王，但是在一个新的颠覆性行业层出不穷的世界，现金在手上就是保守，缺乏投资能力和战略眼光的代名词，意味着该企业创新冲动不足，风险承受能力差，应对环境能力弱。想象一下你20年前持有30万现金到现在不买房的场景吧，别说你这20年来资产负债率低，现金流动性高，这一切在宏观分析面前都是你无能的表现，一切的一切都变成最大的风险压在你头上。然后在另外一个场景，情况又大不一样了，现在大部分的外资企业还在推崇 Profitable Growth，但是亚马逊的贝索斯认为，财务报表上的数字利润不是公司的核心能力，一个公司的核心能力是自由现金流，你有多少钱能够支付到对未来的投资上去，这才是决定公司价值的最核心指标。
– 未完待续 –