数据驱动运用数据的即时性和变化快的特点，通过算法、模型等及时调整，以满足不确定性的快速变更及迭代。因此，数据驱动的前提是：第一，要有正确的数据，如果没有数据或者数据不正确，就会是建在沙地上的建筑或造成南辕北辙;第二，要针对不确定的情况使用数据驱动，对于确定的流程还是要使用流程驱动;第三，要有算法或模型来代替流程执行，这就需要对算法或模型进行不断的完善或迭代，以更好的满足决策需要。这可以看出，数据驱动可以在决策、降本、提升效率、增加销量等需要快速决策的事项方面发挥重要的作用。

数据作为企业的战略资产越来越受到重视，从最初的数据协助业务协同，转化为数据驱动业务，数据驱动运营，乃至数据驱动人工智能和智能场景应用。因此，我们说数据驱动是数字化转型的主线。充分发挥数据价值是数据驱动的目的，数字化时代数据价值的利用和发挥将影响企业数字化转型过程和形成数字化背景下企业的核心竞争力。

理解数据驱动有两大框架性问题：WHAT，即数据驱动是什么?HOW，即数据驱动怎样发生?

数据驱动的三大洞察

数据和模型是数据驱动的基本前提，数据价值的利用和发挥是数据驱动的目标。辨析和明确数据驱动内核要解决的主要问题，就是数据驱动在企业决策和行动中到底扮演什么角色，数据驱动的作用方式、作用过程和应用场景。因此，我们将从对这几个问题的分析和解决入手，对数据驱动展开三大洞察，为回答“数据驱动是什么”的问题做铺垫。

1.数据驱动是动力而不是助力

很多人容易将数据驱动与“以数据为中心进行决策”混为一谈，但我们认为这两者存在本质差别。“以数据为中心进行决策”顾名思义就是用数据来支持决策。通过对数据的整理、抽取，将数据转化为可读的知识，形成分析结果，决策者根据分析结果考虑并决定决策结果，最终决策由人做出。以数据为中心进行决策，人为决策的本质未变，决策者作为个人的局限性无法避免;难以应对复杂多变的数字化时代高频次动态决策的需求;同时，仍旧打不破企业业务流程环节多、决策链条长、信息不对称等传统决策模式下存在的问题;也没有完全体现当下自动化智能化的发展趋势，在这种定位下，数据驱动所带来的效率和价值都会大打折扣。

以一个简单的例子作为说明：假设有A和B两家订票网站，A公司将从网站采集到的数据进行分析，通过数据分析结果认为五一是出行高峰，于是决定抬高价格，并手动从后台调整了五一前后的机票价格和酒店价格，这就是以“数据为中心进行决策”。B公司通过自动化手段实时采集、分析相关信息，总结规律，形成智能模型，当用户进行搜索时，后台自动根据模型规则，对价格进行调整，这是数据驱动。在A公司中数据和系统处于被动地位，人机属于简单互动，数据更多的是呈现客观事实或根据分析需要简单加工，在B公司的人机交互过程中，数据实际上形成了一个“自助池”，能根据用户需求和习惯主动自动地进行决策和行动。

2.数据驱动与人机协同模式紧密关联

“数据+AI”是数据驱动的核心要素。万物互联时代的到来，表明多元互联互通的实现成为可能，极大扩展了数据的规模，提升了数据的质量。AI所具备的自主学习、自主决策、主动交互、情境感知等能力与特性，给数据驱动创造了更多更高层级的应用场景。AI的终极目标是“人机物”等多元协同共生。在数字化、智能化时代，企业在人机协同的工作方式下开展数据驱动成为常态。

郝宇晓等(2020)参考智能驾驶的L5模式，提出企业数据智能分析的L5模式：LEVEL1是辅助分析，实现自然语言交互方式的数据查询与探索，支持简单的通用计算模型。LEVEL2是部分自主分析，支持通用的分析模型，对特定场景进行数据计算、数据结果的查询常识性判断暖。LEVEL3是条件自主分析，基于知识图谱的推理能力，能代替人执行明确规则的数据监控和异常识别、溯因能力，具有对于特定领域的非结构化数据的自主处理能力。LEVEL4是高度自主分析，应用NLG技术完成对数据分析结果的解释，能主动进行数据挖掘和预测，能适用于大多数应用场景。LEVEL5是完全自主分析，机器在数据分析上达到专业人士同等水平，可以完全代替人类做出决策。

数据智能分析是“数据+AI”的核心体现。数据智能分析的L5模式同样适用于数据驱动的应用中。随着机器智能化程度和自主能力的增强，人机协同的数据驱动有不同层次的应用场景，是一个“人的参与渐次减弱，机器的参与渐次增强”的体系。

3.以数据驱动替代流程驱动推动数字化转型

流程驱动的基本思想就是改变传统的按照按照分工原则把一项完整的工作分成不同部分、由各自相对独立的部门依次进行工作的工作方式。流程驱动通过流程重构和业务在线把企业“搬”到线上，从业务需求出发，再造业务流程、优化组织、建设IT，在企业数字化转型早期有积极作用。但流程驱动依靠人的直觉和经验，用过去的流程来管理和应对现在和未来的变化，在市场环境日益复杂多变的现在和未来，显然不可取。数据驱动依靠数据、算法和模型而不是人的直觉和经验驱动流程中的行为，能够更迅速、智慧地响应企业的业务和管理需求。例如数据驱动的产品开发平台、产品推荐系统、爆款预测模型、资产优化管理等，均以更加智能的方式、以数据记录的事实为决策基础，提供数据驱动的决策方案，越来越广泛地被决策者们信任。