前文主要强调了基于全面预算的量化管理体系，这是数字化管理、智能化管理的前提。本篇主要分享一下我们对决策支持体系建设的一些观点。
我们的管理人员日常作决策也是需要大量的信息做支撑，包括我们ERP导出的业绩数据（销售、订货、库存）以及财务数据（各种费用）。在掌握了这些信息的前提下，结合自己的经验及知识作出相应的决策指令。下达的这些决策指令最终也会再反馈到这些数据上来，如此循环。这里面有个非常重要的要素，就是管理者的“经验”跟“知识”，甚至有时候是一种“感觉”。决策者都有很多优秀的品质，保证他们作出的决策有较大的概率是正确有效的。因为决策本身就不是绝对的事情，有没有效果、有多大效果也是个概率事件。一个决策者是否优秀，最主要也是看他所做决策正面效果的概率及大小。
作为决策者，能够拿到的一手资料越全面、越准确，做判断的依据性越强，相应的作出的决策就相对正确。简单的理解就相当于，决策者是个大脑，我们给这个大脑输入更多的参考维度的数据，那么输出的结果可能就越正确。当然，这是建立在这个大脑足够强大，有足够的管理“经验”及相关“知识”的前提下。
这里所强调的“经验”与“知识”实际上就是管理者在长期工作中积累下来的，针对某种经营问题、经营状况应该作出特定行为对策的经验积累，科学上可以称之为特定“业务模型”。在这个模型中，当条件发生变化时，应该输出什么样的行为指示，是可以通过技术实现的。例如我们跟进一个新品试销情况，在试销第40天时自动给负责人发送评估提示，在没有及时应答的情况下，甚至可以自动下架。当然这事儿，人工做也不难，但是当你站在采购人员的立场上想一下，每天面对这么多单品、这么多供应商要协调，你就知道它的意义所在了。采购没有时间每天把所有负责的单品过一遍。
这个例子非常简单，但实际工作中，我们面料的问题要复杂的多。例如一家门店的营运状态，什么情况下才算健康？什么情况下应该找哪个部门哪个负责人解决什么样的问题？这就复杂了。因为一个门店的经验情况是否健康，牵扯到销售业绩、利润、人力资源、物业、客服等等太多问题。一个优秀的店长必须是个“有心人”，能够尽量多的照顾到方方面面。反过来讲，要照顾到这么多方面的细节是非常消耗精力，也是非常难的工作。而这恰恰是系统最擅长的工作。
讲到这里就可以总结一下了。企业管理中的决策支持体系，肯定不是一个单纯技术的活，重要的是要嵌入科学的商业逻辑、商业模型。这些商业模型对业务的理解、支持能力真正体现了这套系统的水平和价值。如果说这个领域有壁垒的话，我想这些模型的打磨与完善才是真正的壁垒。没有长期的实践，对行业、对业务深入的理解以及对技术知识、技术应用的广泛掌握是很难做到的。数图核心团队在这个领域深耕十几年，在企业数字化基础建设方面积累了比较多的经验。非常期待能够为更多的企业提供帮助，也非常期待与更多的同仁沟通交流、共同进步。