最近在网上看到一个灵魂拷问：为什么没有企业敢用非专业人事兼职 CFO，但是对 CIO 就敢非常任性，可以总经理兼职，可以人事总监兼职，也可以财务总监兼职…

无论是 IT 的管理层还是 IT 的基层，不知道为什么给人的感觉好像都是修电脑的，形象就是无法高大起来，特别在中小微企业特别明显。

按理说 IT 才是负责利用数字化、智能化的手段帮公司搭建一套行之有效的业务信息管理系统的岗位。但是 IT 又是地位很低的部门，很难做宏观的规划，信息化所花的钱是巨大的，值不值得做，要不要做是董事会商议的结果，这背后投射的是巨大的风险问题。

业务信息系统，说简单点就是业务流和数据流并行管理的系统。业务流我们容易抓得到，看得到，你进部门一看大家有没有在偷懒一目了然。而数据流更像是幕后的工作人员，如果业务演砸了，那么幕后工作的贡献就是零。

01：数据无法做决策

平常翻开数字化相关的文章，看完很容易产生一个误解，好像只要数据分析到位了就能一步登天，不带有一丝丝侥幸的收获成功。但真实情况怎么可能是这样？

我们去医院做手术，医生会告诉你这个手术的死亡率是多少有什么风险，然后让你决定要不要做。我们会结合自己人文价值的分析，年龄不大就冒个险，如果年龄大了就不做了。

在医生给我们精致的数据面前，我们是迷茫的。** 数据统计和分析结果不能代替我们人文价值的判断，很多时候数据就跟天气预报一样是没办法决定第二天的天气的。** 如果这个手术成功了，不是因为事前知道死亡率低才成功的，是下了决策后医生和你自己共同努力的结果。公司管理也一样，数据可以告诉你新产品有没有赚钱，但最后应不应该加大投入没办法告诉你。你只能根据对未来的预期做出决策，最后如果你做出的决策刚好成功了，你才可能说我们公司的数据分析做得很好。

因为数据分析结果只能提供参考，所以在公司中做决策的是总经理，是董事会，是其他可以决定钱该怎么花的领导，但基本不会是 IT。这很容易导致 IT 提供完数据就可以不参加高层的会议，然后就缺失了公司高层所密切关注的东西，这又会间接影响信息工作的连续性和前瞻性，在很多信息项目的研究方向上，决策上，推动上造成信息工作的瓶颈。所以很多公司让总经理兼职做 CIO，或者让 CFO 来兼职，但时间是兼职最大的敌人，两手抓最后往往一只手空空如也、停滞不前。

我们要给决策者最大的尊重，因为做决策的人总是承担最大的风险和心理负担。所以如果做决策的人最后收获了成功，那么最大的功劳理应归这个做决策的人。只是数据在这里面提供过的帮助很容易让人忽略掉，因为我们无法证明如果没有这份数据他做不出这份决策。

对于很多成功者而言，比较喜欢事后去编造一些成功的理由，从而给人一种必然而然人生赢家的感觉。而事实上，这些他们特意去强调的某些想法，是裁剪掉了当初无意的一些理由，同时忽略甚至隐瞒了过去的另外一些想法得到的。

个人的嗅觉、直觉、甚至一丝丝的运气，以及突然萌生的一种想法也是我们做出成功决策的关键之一，否则就不会有共享单车，网红直播的出现了。人的想法是不可预测的，所以未来才会是不可预测，数据只提供分析做决策的永远是人。

02：数据不喜欢绝对

很多人说我们近一百年的发展顶得上过去几千年的变化，这离不开信息技术的加持。以前蒸汽时代也好，电气化时代也好，带来了效率的飞跃，却打不开人们受限的眼界。我们仍然会执着于自己所看到的场景，靠着在有限的场景里的小概率事件引导突破跃迁是很难的。信息技术的变革让数据获取触手可及，行业之间的壁垒被打破，各行各业的数据放到一块如链式般产生天翻地覆的化学反应，这股燃料最后给文明的地基安上了加速器。

这个过程会越来越快，可能以后十年的变化顶的上过去的一百年。但在此之前，我们很多数据的应用和分析还是脱离于现实的，我们喜欢去除很多的影响因素，然后建立一套优雅而绝对的数学模型支持做数据分析。但在这个过程中我们很容易自嗨，会被图形系统的美感所迷惑而和现实渐行渐远。

这有点像去听很多卓越管理课程时的感受，我们会不自觉沉醉在这一套套逻辑自洽、自圆其说的体系中无法自拔，但到了解决实际问题时又往往事与愿违。

既卓越又普世的东西，必然有很多的前提条件和限定因素。这只是一套理想的模型，它可以拓宽我们认知的边界，但它不是一套解决问题的方法论。因为人是很灵性的生物，任何政策都会有对策，我们不能像设计一个绝对的数学模型一样去管理公司，社会充满了博弈的过程。

就好像 ERP 刚出来的时候，大家说“不上 ERP 等死，上 ERP 找死”，现在没人说这个了，但又换了个争议的话题：云 ERP 是不是个骗人的东西？

对数据应用的挖掘我们不可能不走弯路，可能会出现很多偷换概念，掩耳盗铃的事情。但加入时间维度后，这些东西都是可以被证伪的，我们很容易看到我们当时放弃了什么，得到了什么。数据之所以是科学的，是因为越是完整的内容出错的可能性越大，科学的诞生就是一次次修缮的过程，往里面不断放入条件的过程，所以 IT 的思维会更偏向于去解决小概率事件（俗称 bug 的东西），只是当我们可以解决时早已经不再关心过去的问题了。

03：数据是缺失的

只靠数据很多时候是很难发现问题的。战争中我们能收集到幸存的飞机数据，却看不到失事飞机的弹孔。历史中我们能看到胜利者的欢呼，却听不到失败者的低鸣。打架先动手的死亡率更高，但我们只听得到幸存者的口述。

以上这些无不告诉我们数据是缺失的，很多时候我们不可能拥有完整的数据去验证。即从现有的数据获得未知部分的推测，必然无法保证百分百正确。我们工作中的业务流和数据流也一样，永远无法实现知行合一，两者之间总是有或多或少的偏差存在。

我们知道喝冷水会导致拉肚子，看到的是喝了冷水，看不到的是冷水里有细菌才导致了拉肚子。于是我们把水烧开，虽仍然看不到细菌却不会在拉肚子。体温计告诉我们发烧了，但我们看不到细菌或病毒的感染。于是我们通过血液检测判断了原因，虽仍然看不到但却可以对症下药。

** 我们尽可能的让数据流更完整，是为了更好的发现那些看不到的地方。** 从业务到财务，如果没有实现一体化，这里面的消耗是巨大的，且是毫无意义的。不受财务束缚的业务自然可以天马行空，但终归会摔得粉身碎骨。所以我们普遍认可业务财务要实现一体化，减少了内耗我们才能把更多的精力去发现那些看不到的地方。

看见看不见的意味着，我们在自主的拓宽知识的边界，不刻意回避无法解释的现象，不盲信自己所知的东西。所以如果只关心数据本身就显得越来越不够看了。

艺术家给我们的感觉都是长头发，但我留了长头发成为不了艺术家。因为艺术家和长头发之间只是相关性，而非因果性。但我们可以从这个相关性拓展得到真正的原因是因为‘特立独行’。每天坚持喝牛奶的小朋友会更聪明，但喝牛奶和更聪明也是一对相关性而非因果性，我们在往深了研究后发现使小孩聪明的因素是收入，而收入背后又有教育，甚至出身，个性，基因等因素。

数据帮助我们不迷失在纷繁复杂的表象里，在探索过程中不断的改变角度，放入时间的元素，放入竞争的机制来打破我们固定的思维回路。

04：结尾

我们不要给自己设限，也不要害怕被人贴标签，如果我们做的是 IT 的工作，做的是探索真理的工作，又何必纠结于我们是身处财务，还是身处在人事呢？

聚是一团火，散是满天星。企鹅马总不想做程序员了于是弄了个腾讯出来，李彦宏不想做程序员了于是弄了个百度，周鸿祎不想做程序员了于是弄了个 360，还有小米的雷军，微信的张小龙，今日头条的张一鸣，京东的刘强东，李开复，丁磊，王江民，史玉柱…

无论他们身处在何处何位置，他们还是会很骄傲的说自己曾经是个牛逼轰轰的 IT 程序员。所以 IT 的地位为什么这么低，这是个伪命题，我们把 IT 的范围定义的太局限了。

无知带来恐惧，变化带来迷茫。只要我们坚守住本心，少做凭感觉拍脑袋的事，坚信信息化是一条正确的道路。那么就算你觉得我是个修电脑的，又有什么关系呢？

转自：“微信公众号：以负熵为食”。