企業數字化轉型勢在必行，而簡單的宏觀數據無法展示企業在數字化轉型過程中是否是健康的、安全的問題，而如何關注到微觀數據的健康、合理和安全才是數字化轉型的關鍵。本文作者用《顯微鏡下的大明之絲絹案》這個案例作為切入點進行分析，一起來看看吧。

《顯微鏡下的大明之絲絹案》比較有意思的是整部劇圍繞“絲絹案”跌宕起伏，但本劇結尾卻是以“縮繩隱田”問題結案，得到一個皆大歡喜的結局。

執著于算學不諳世事的帥家默是一個合格的算學專家，他執著于算學當中的對與錯，但算學中的對與錯真的能夠影響整個案件的發展嗎？

其實不然，真正影響整個案件轉圜是程仁清在案件中宏觀和微觀的把控與判斷，而企業在數字化過程中所呈現出來的微觀與宏觀數字是對企業當下運營和未來發展進行預判的關鍵。

在《“算呆子”之獨立于運營體系之外的企業數字化》首先介紹了數據之間的關聯性告訴我們數字化轉型和數據分析的人才應該具備哪些知識體系；其次介紹了哪些性格特點的人更適合做數據分析和數字化轉型；再次是數據的準確性對企業生存發展的重要性；最后得出的結論是數據分析/數字化團隊應該獨立于運營體系之外，完全由企業最高決策層直接領導的團隊設置。

而本篇將結合《顯微鏡下的大明之絲絹案》翻盤的關鍵因素深挖企業數字化過程中宏觀數據和微觀數據是如何影響企業未來是成功還是失敗。

《顯微鏡下的大明之絲絹案》翻盤的關鍵是程仁清避輕就重的兩點：

1. 不要執著于人丁絲絹稅的細賬，因為官府不在意是哪個縣的百姓交稅，對官府來說都是一樣的，只要總賬對得上就好了。
2. “縮繩隱田”這個是從朝廷手里偷銀錢，國家高層變法在即，這個是最敏感的死穴，為百姓請命，為國家分憂，這是無可辯駁之大義。

從這兩點中能看到程仁清真正的智慧：即使引發“縮繩隱田”大案的誘因是“人丁絲絹稅”，那也要咬著“縮繩隱田”案不放，因為這個迎合高層管理者，又能站在百姓和國家大義之上，就沒有不贏的可能。但是在帥家默看來沒什么不同的“縮繩隱田”和“人丁絲絹稅”都是錯的。

想必大家都會贊嘆程仁清的智慧，而漠視帥家默的耿直，因為在這個案件中“人丁絲絹稅”只是仁華縣的事，往大了說也只是金安府8個縣的事情屬于微觀，而“縮繩隱田”卻是國家級的大事屬于宏觀，上升到宏觀當然會引起高層的重視了。

難道微觀就不重要了嗎？雖然只影響到一縣甚至是一府的百姓，真的就可以選擇漠視和無視？大澤鄉起義開啟了滅秦序幕、黃巾起義開啟了滅漢序幕、黃巢起義開啟了滅唐序幕等等，這些席卷全國滅亡政權的起義不都是從某個縣、某個府或者某個區域開始的？國家賦稅相對一致，為什么就會出現某個點的爆發呢？問題是多種多樣的，如果仁華縣的百姓因為多繳的“人丁絲絹稅”爆發起義不排除會形成一場滅國大戰的可能。

可以說宏觀與微觀都可以決定成功與失敗，同樣在企業數字化轉型的過程中對于微觀和宏觀的審視同樣要引起足夠的重視。

很多企業數字化轉型過程中往往會形成一個非常漂亮動態變動的數據大屏，給人一種足夠專業的視覺沖擊力，但是這個有用？能夠為企業數字化進程中保駕護航？保證企業健康穩定發展？答案是否定的。

數據大屏往往呈現的都是老板、高層管理者想看到的東西，主要是銷售額、訂單量、會員增長、流量增長等等這些宏觀數據，但是這些宏觀數據好看真的就代表企業是在健康的發展？答案也是否定的，結合曾經服務的案例給大家展開吧。

親歷的某大型企業子項目平臺案例：

曾經服務于某世界500強企業當中的一個子平臺項目，當然這個項目現在已經消失了，不知道是結束了還是被合并了，當然不管是結束還是被合并主要原因還是沒做好。

當初是作為職業經理人空降的，主要負責整個項目平臺的運營，該項目的業績構成是線上和線下分公司共同業績，當然線下分公司的業績是以網絡訂單的形式產生的，所以整個平臺的業績數據是完全可以看到的。

作為職業經理人也有數據大屏的權限，也是一個很唬人的數據大屏，主要構成是銷售額、訂單量、客單價、會員增長量/率、復購率等等，而且數據是變動增長的，大家覺得這樣的動態數據是不是代表這個項目就是健康的呢？

想必很多的企業管理者和我開始一樣也是這么覺得的，直到細看數據合理性并發現其中存在的幾個問題，才覺得數據大屏是騙人的，根本代表不了企業發展健康與否。

數據問題構成：

1. 總銷售額增長不大，但是訂單增長較高。
2. 復購率在60%以上。
3. 在售商品最低價格高于客單價。
4. 在售商品平均價格遠高于銷售訂單商品平均價格。

看了這些數據問題，是否發現問題了呢？

是的，第一個和第二個是數據大屏能夠看到的，而第三和第四個是數據大屏上沒有的，因為后面兩個是因為前面兩個數據的不合理性引起的進一步調研，充分證明了數據的不合理性，職業敏感性覺得這里面存在很大的問題。

為了更進一步找到問題的所在，借助手中權利找技術將近兩個月的詳細訂單數據在安全不泄密的情況下導出，然后通過扎實的EXCEL功底進行細致分析，為什么不用SQL或者其他分析工具？因為這些工具都是做宏觀數據分析的，如果做微觀數據還是EXCEL最靠譜。

平臺型微觀數據分析主要分析以下幾個點：

1. 復購客戶購買的品類有哪些，將兩個月的品類進行對比，并分析品類屬性：快消OR耐耗，借此分析客戶復購行為。
2. 分析流量轉化率、客戶停留時間、點擊深度、訂單生成時間等
3. 分析訂單量變化情況，分小時變動、周變動和月變動，看波峰和波谷是否在合理范圍內。
4. 分析最高訂單和最低訂單比例，當然這個高和低是區間，而非簡單的排序。通過最低金額訂單查詢其銷售品類。
5. 對平臺近兩個月所有SKU進行分析，SKU上下架情況，SKU價格變動情況等。
6. 對平臺近兩個月活動進行匯總，分析活動展示情況、活動頁面停留時間和轉化率等，并匯總活動周期內SKU價格變動情況等等。
7. 將以上數據進行匯總分析，并拆開分析各個分公司和平臺所屬數據構成。

多維數據的交叉組合再拆解合并分析后，得出最后的分析結果是在非合理時間段各個分公司產生了大量小金額（遠低于最低在售商品金額）的訂單，而且不止一個分公司出現如此情況，這個時候該怎么辦？

對于一個新人，可以說我沒有勇氣像帥家默那樣執著，只能靠私下的關系了解情況，最終的結果指向了管理問題，具體的就不多說了，想必大家也知道最終的結果了……

這就是親歷的一個案例，現在這個平臺消失了，這充分說明了作為企業的管理者不能只關注宏觀數據，微觀數據更能展示企業在發展的過程中人的問題、平臺產品的問題、SKU問題、活動問題、廣告位等等問題。

而這些問題是需要多維數據交叉組合再拆解再組合等多輪數據分析后得出的結論，簡單的數據大屏能夠展示這些數據嗎？企業數字化的過程真的就是簡單的數據大屏展示出來的宏觀數據嗎？而這些復雜的微觀數據又該如何展示？

企業數字化轉型勢在必行，而簡單的宏觀數據無法展示企業在數字化轉型過程中是否是健康的、安全的問題，而如何關注到微觀數據的健康、合理和安全才是數字化轉型的關鍵。

畢竟企業數字化轉型上能節約成本，下可以促進銷售甚至塑造一個新的商業模式從而實現“開源節流”的效果，讓企業獲得更高的利潤，這樣才能更好的發揮數字化轉型代理的紅利。

該如何在宏觀數字安全的情況下也能讓微觀數字健康安全呢？這是一個時代課題，但并非不能解決，完全可以設置預警機制，微觀數據只要不在設置的合理范圍內就產生多重預警，在前面《“算呆子”之獨立于運營體系之外的企業數字化》一文中完全獨立、由最高決策者領導的企業數字化部門就會發揮關鍵作用了。