前文主要強調了基于全面預算的量化管理體系，這是數字化管理、智能化管理的前提。本篇主要分享一下我們對決策支持體系建設的一些觀點。

       我們的管理人員日常作決策也是需要大量的信息做支撐，包括我們ERP導出的業(yè)績數據（銷售、訂貨、庫存）以及財務數據（各種費用）。在掌握了這些信息的前提下，結合自己的經驗及知識作出相應的決策指令。下達的這些決策指令最終也會再反饋到這些數據上來，如此循環(huán)。這里面有個非常重要的要素，就是管理者的“經驗”跟“知識”，甚至有時候是一種“感覺”。決策者都有很多優(yōu)秀的品質，保證他們作出的決策有較大的概率是正確有效的。因為決策本身就不是絕對的事情，有沒有效果、有多大效果也是個概率事件。一個決策者是否優(yōu)秀，最主要也是看他所做決策正面效果的概率及大小。

        作為決策者，能夠拿到的一手資料越全面、越準確，做判斷的依據性越強，相應的作出的決策就相對正確。簡單的理解就相當于，決策者是個大腦，我們給這個大腦輸入更多的參考維度的數據，那么輸出的結果可能就越正確。當然，這是建立在這個大腦足夠強大，有足夠的管理“經驗”及相關“知識”的前提下。 

       這里所強調的“經驗”與“知識”實際上就是管理者在長期工作中積累下來的，針對某種經營問題、經營狀況應該作出特定行為對策的經驗積累，科學上可以稱之為特定“業(yè)務模型”。在這個模型中，當條件發(fā)生變化時，應該輸出什么樣的行為指示，是可以通過技術實現的。例如我們跟進一個新品試銷情況，在試銷第40天時自動給負責人發(fā)送評估提示，在沒有及時應答的情況下，甚至可以自動下架。當然這事兒，人工做也不難，但是當你站在采購人員的立場上想一下，每天面對這么多單品、這么多供應商要協調，你就知道它的意義所在了。采購沒有時間每天把所有負責的單品過一遍，最簡單的方式就是沒事別“打擾”他，有事直接告訴他“問題在哪兒”。 

       這個例子非常簡單，但實際工作中，我們面料的問題要復雜的多。例如一家門店的營運狀態(tài)，什么情況下才算健康？什么情況下應該找哪個部門哪個負責人解決什么樣的問題？這就復雜了。因為一個門店的經驗情況是否健康，牽扯到銷售業(yè)績、利潤、人力資源、物業(yè)、客服等等太多問題。一個優(yōu)秀的店長必須是個“有心人”，能夠盡量多的照顧到方方面面。反過來講，要照顧到這么多方面的細節(jié)是非常消耗精力，也是非常難的工作。而這恰恰是系統(tǒng)最擅長的工作。

       講到這里就可以總結一下了。企業(yè)管理中的決策支持體系，肯定不是一個單純技術的活，重要的是要嵌入科學的商業(yè)邏輯、商業(yè)模型。這些商業(yè)模型對業(yè)務的理解、支持能力真正體現了這套系統(tǒng)的水平和價值。如果說這個領域有壁壘的話，我想這些模型的打磨與完善才是真正的壁壘。沒有長期的實踐，對行業(yè)、對業(yè)務深入的理解以及對技術知識、技術應用的廣泛掌握是很難做到的。數圖核心團隊在這個領域深耕十幾年，在企業(yè)數字化基礎建設方面積累了比較多的經驗。非常期待能夠為更多的企業(yè)提供幫助，也非常期待與更多的同仁溝通交流、共同進步。