|
近日，2026 帆软智数大会在武汉圆满落幕。会上，帆软软件有限公司联合创始人、CEO 陈炎发表了题为《AI时代，怎么让数据真正帮老板做决策》的主题演讲。
扫码或点击图片查看直播回放
演讲中，陈炎回答了 AI 时代的两道题——数怎么才能准，报告怎么才可信。背后是组织能力的内生。
老板最关心的三件事
你们都被老板问过一个问题——"我花了这么多钱上系统、做数据、搞 AI，到底有没有用？"你们不好回答，但我必须跟你们一起回答。因为我们是做订阅制的，必须让你们用起来，你们明年才能续费。
有一天，一个董事长跟我说了三个事。第一个，现在业务发生了什么？为什么会这样？ 第二个，能不能找到归因？ 第三个，接下来怎么办？我该如何决策？
业务发生了什么答不上来，决策就只能拍脑袋。不拍吧被贴"优柔寡断"的标签，拍错了被贴"一将无能累死三军"的标签。每个月，可能每个决策者都会被架在火上烤一次。
真正管用的经营分析会，
应该怎么开
每月的 2 号，系统自动揭示当前的异常点和堵点；2 号到 5 号，财务、运营、业务部门一起分析——是真问题还是假问题、根因在哪、做出两三套能落地的方案；6 号，经营班子只干两件事：质询、决策。前提是数得准，根因要可信。
大家可以想一下，你们公司开经营分析会，是哪个水平？读数会？对数会？还是真正的经营分析会？
第一道题：数怎么才能准
老板问的第一道题——现在业务发生了什么？AI 只解决了一部分。
AI 时代，智能问数能帮我们快速拿到数，但这个数怎么才算准？这个问题没有解决。
大部分公司，数据口径还是在会上对。决策者问"这个月做了多少"，财务说 5 个亿按开票，销售说 5.2 个亿按签约，制造说 5.3 个亿按发货。决策者第一反应："这数据是错的。"——其实三个数都没错，原因是输入的口径没有定死。
为什么定口径这么难？销售按签约算那是他的业绩，制造按发货算那是他真正干出来的东西。屁股决定脑袋，也决定着数据。
有一年，我们公司两个销售组织合并，要把销售额等组织绩效报表全部重构，整个进度延后了两个月。我跑进群吐槽，有个同事受了委屈离职了。我才看明白——这一系列看板涉及了太多的数据口径，他们特别难决策最后用哪一个。
统一口径不是为了找一个永远正确的答案，是为了让整个组织先站在一张地图上。口径以后可以改，但在一个经营周期里，必须先决策下来用哪个。
到了 AI 时代，确定数据口径是不是就不那么重要了？恰恰相反，它变得更重要了。
我们公司算收入，口径至少有四种：合同数据；剔除第三方外采；剔除外部购买的服务；再剔除内部实施的交付成本。这个口径原来不治理还没那么严重——以前 100 个人只有 10 个会用 BI，口径收在这 10 个人手上。但 AI 时代 100 个人里可能有 50 个能动手，他们以各自理解的口径用 AI 生成 HTML 页面、对外发布数据——给企业的数据产生了巨大的噪音。
AI 上半场拼的是推广，下半场拼的是治理——讲的是 AI 治理，或者说数据治理。帆软干什么？这些事都是一些长治久安的事，不是搞运动。 我们不希望的是：你买了帆软的服务，我们帮你把问题解决了，可几年之后我们一撤，问题又冒出来了。
第二道题：报告怎么才可信
有了 AI 之后，生成报告非常容易，但马上产生一个新问题——这份报告是不是结合了企业实际业务情况？能不能真正改进业务？
今年年中述职，有个同事写了一堆材料，分析得特别全。我就问他："你要改进业务，哪三点是真问题？落下去真能改进？"他愣了半天没回答。他知道这个材料大概率是 AI 写的，他没有认真在脑子里面过过。
AI 是辅助我们思考的，AI 不是让我们放弃思考的。
每个管理者要更新对人的判断标准。过去条理分明等于想清楚了；现在条理分明不等于想清楚了。
好不容易做了一份高质量的分析报告，经营分析会上，领导班子会追问——"为什么这个月掉了？" 再取到区域、再取到产品线、再取到某几个单子，CRM 记录的是"客户嫌贵"。这还算好的，很多取不下去。
销售记录四个字"客户嫌贵"，背后到底发生了什么？可能价格真的高了；也可能销售见了十几次没把产品价值说出来；又可能竞品给了个我们不知道的条件。 应对策略完全不同——第一个调价，第二个改打法，第三个拼配置。
要接得住决策者这种追问，得做两件事：管理上过程数据要有人记录；产品上追到哪一层软件跟到哪一层。原来 BI 时代是钻取，AI 时代应该是问答、问答、问答。
组织能力，怎么长出来
前面这两道题——数怎么才准、报告怎么才可信——答案都落在管理上。这个事情月月要做、天天发生，靠一次决策决定不下来，只能靠组织能力。
怎么判断有没有这个组织能力？只有一条——不管是你招的高手还是我们派去的人，撤了以后，下一轮经营分析你自己还做得下来。
怎么长出来？有两种做法，对应两个问题。
第一个问题，只靠几个高手行不行？ 一家大型消费品企业把市面上的 AI 问数产品几乎测了个遍，最后买了一家公司。后来发现——有人一条条配口径的时候准确率有 90%，人一旦撤了准确率只有 40%。不是要建一个人来专门做配置，是要建立组织能力。
第二个问题，整个包给专业公司、自己的人不参与行不行？ 有一天我们同事说："我某某客户做到了二期，经营班子非常满意，所有经营数据都能看清。"我就问："看清了之后怎么办？"——所有报表都是帆软做的，根要分析时接得住吗？明年调整时他们能维护吗？这就是典型的本事还长在我们手上，没长到客户身上。
路不止一条：要招聘少数高手，要请专业公司，要独立思考与实践。 不过有个重要原则——成长可以借力，能力必须内生。
干完活就走的是供应商，你的人真会了才算完的是伙伴。
我们自己做了什么、付出了什么
帆软做的事，可以归到五件。
培养数字人才队伍——交付的不是报表，是一支会做分析、做应用的人才队伍。课题他们选、活他们干、成果他们自己讲。今年累计做了 1124 家，没有一个是帆软的员工。
付费实战课程——给一号位开发了数据治理、数据驱动、打造 AI 的组织三门；财务、市场、人力都有课程。课程不是免费的，客户掏钱了他才会认真学。
改交付方式——过去替你做：软件 50 万 + 实施 150 万 = 200 万；现在陪你做：软件 50 万 + 数字人才服务 20-30 万，总共 100 万出头。中间少了 100 万的收入。
改考核——100 万的单子堆人堆实施干了 60 万，公司业绩只认 40 万，牵引销售别堆人天、去抢客户锻炼的机会。产品收入 65%、服务收入 35%，跟大部分软件公司反过来。
加研发——别人在收缩，我们逆势招聘研发，老产品加 AI，开发 AI 原生的新产品。
前面这五件事，要么少赚钱，要么多花钱。为什么愿意？ 软件公司有两种赚钱模式——人天的钱，派十个人驻场半年干完就走明年从零；产品的钱，今年装上，明年续费。我们赚的不是人天的钱，是赚你们下一年续费的钱。这样干下来，人均毛利反而提高了。
回到分享的主题
AI 时代的两道题——数怎么才能准、报告怎么才可信——刚好对应老板关心的两件事：现在业务发生了什么、为什么会这样。回答了这两件事，接下来怎么决策，老板才有更可靠的依据。
这两道题考的是组织能力。能力内生要借助伙伴。我们不是替你建，我们是陪你建。只有你们真正用好了、能回答老板的问题，才给我们续费。
最后一句话：帆软要成为 AI 时代企业经营分析与决策能力的建设伙伴。
| 
