1.3　数据驱动概述

1.3.1　数据驱动业务的衡量维度

1.2节讲到了数据驱动业务，简单地讲，其实就是用数据创造业务价值。那么，具体从哪些方面衡量数据是否创造了业务价值呢？

这是一个令无数BI团队束手无策的问题，也令无数业务管理者头痛。在我职业生涯的前半旅程中，这个问题也一直困扰着我。

直到我有幸加入华为，参加员工培训并深入了解公司的核心价值观，如图1-9所示，我才有了该问题的答案。简而言之，如果你或你的团队能为客户创造更大、更直接的价值，那么组织就认为你（或你的团队）的产出更重要。同时，如果你（或你的团队）承担的任务越辛苦、越困难，组织越会认可你（或你的团队）的辛勤和拼搏。在华为，上级领导的指示是否合理也是可以通过这个逻辑来推理的。例如，如果某项任务不会给业务带来如此大的价值，那么下级就有权反问并要求调整。这种逻辑可以将公司内部所有的行动都归结到客户价值，同时根据任务的难易程度、直接贡献的大小和贡献的客户价值进行激励分配。

我要坦白承认，尽管我在华为的时间不长，但公司的核心价值观已经成了我管理团队的基本准则。

如何将这一准则应用到衡量数据驱动带来的业务价值上？具体表现为，关注公司业务结果、用户体验水平以及任务本身的难度系数，如图1-10所示。

·　公司业务结果：其实就是公司核心KPI，如销售额、用户数、转化率、续费率、毛利率、净利率等与公司规模与效率相关的指标。如数据需求、分析报告或者数据驱动项目给以上指标带来启发性或者直接操作性的影响，影响越直接，影响面越大，我们就会认为该任务对公司业务结果影响越大。

·　用户体验水平：一般是识别并减少造成用户投诉、流失的差体验节点，从而提高用户满意度，提高留存率、转介绍率等指标，如数据需求、分析报告，或者数据驱动项目给以上指标带来启发性或者直接操作性的影响，影响越直接，影响面越大，我们就会认为该任务对用户体验水平影响越大。

·　任务难度系数：在对公司业务结果贡献水平一致、对用户体验水平的贡献一致的前提下，如果任务的不确定性越高，完成任务的过程越艰苦，则激励程度越高。

换句话说，成功的数据驱动，要能将团队的任务与公司业务结果指标、对用户体验的影响连接起来，要经得起业务结果和用户体验的回归，要敢于挑战难关，鼓励团队不惧艰险。

1.3.2　数据驱动业务的大体流程

如何保障数据驱动业务、充分发挥数据应有的潜力？运用数据分析方法，数据驱动业务可分为获取信息、提炼知识、创造价值三部曲。

（1）首先是获取信息，主要依赖数据获取方式，将在第3章详细讲解。

（2）然后是提炼知识，协助公司尽可能准确地把握现状，支持公司做出基于真实有效信息的高质量决策。提炼知识模块贯穿公司所有运营环节，集中体现在指标体系建设中，将在第4章详细拆解。

（3）最后是创造价值，识别可用数据驱动的效率点，并尽可能用数据去提高产品质量、运营效率，主要体现在对公司业务增长、实现价值主张、盈利、提高用户体验、实现风险控制等模块的贡献中，将在第5～9章依次讲解具体环节。

下面先从整体上看一下数据驱动业务的这三部曲。

1．获取信息

“垃圾进，垃圾出”是我们经常用来描述由于数据缺失，又或者数据质量低下导致的数据信息价值折损的问题。采集的数据本身如果是垃圾，基于该数据分析的结果就只能是垃圾。如何避免“垃圾进，垃圾出”的局面？制定基于业务的、具有前瞻性的数据获取策略，合理规划数据范围，是保证数据驱动“有数可依”的基石。我们将在第3章展开描述数据获取与管理相关的信息，这里先简略介绍概念、原理和范围。

数据获取的分类没有统一固定的分法，为了便于管理和追踪，通常会将数据分为内部数据和外部数据。内部数据包括业务结果相关数据、用户属性／行为相关日志、业务操作系统日志等公司业务结果、操作流程、用户或其他参与方在使用产品时产生的数据。外部数据因企业业务不同而不同，但一般情况下包括爬取的竞争对手数据，与业务相关的公开信息数据，或购买的第三方数据等。此外，需注意的是，信息获取不应仅仅来自线上数据，也应定期收集用户调研、竞争对手调研、市场调研等线下的数据，作为业务视角的重要补充。全面、准确、及时、稳定的信息获取是理想的信息获取状态。

2．提炼知识

大米煮成米饭才能让我们免于饥饿，同理，信息只有提炼成知识才能发挥价值。如何从信息提炼价值呢？指标提炼、数理统计和数据挖掘需要进场了。

首先，需要提炼关键指标体系。将业务过程与结果翻译成数据，用关键指标量化表达业务现状。合理的指标体系应能完整描述业务，可以表达业务变化，并支持干预与操作。

其次，需要依赖数理统计知识与技术。基于数理统计的信息表达，一般从同比、环比、最高值、最低值、方差和离散系数等，判断指标抖动或者升降，业务、用户或者外部环境变化时，可以将其方向、严重程度、紧急程度表达清楚。

最后还少不了数据挖掘。常用模型始于但不限于回归、分类、自然语言挖掘、时间序列预测等模型，一是直接用于预测结果以提高达到业务目标的效率，二是用于识别对结果指标影响较大的特征项，识别可干预变量，帮助业务快速定位业务关键环节，进行优化。

3．创造价值

百无一用是书生，不是说读书没用，只是说只会读书没什么用。知识如果不能用在实践上，带来短期或者长期业务变化，则不能说数据创造了价值，下面是BI创造价值的几方面。

·　协助鉴别并优化商业模式：建立定价策略、单位经济效益、获客成本、用户生命价值计算等经营相关议题。

·　协助诊断产品市场适配性：通过核心指标升降，以及用户调研与竞争对手调研，来协助判断企业产品或服务是否能有效满足目标用户需求。

·　协助制定业绩目标并进行过程管理：提高公司业绩目标的科学性，如销售额、用户数、转化率、留存率等的合理目标值，并至少以周、月的频次在经营会、运营会进行业务诊断，及时发现问题。

·　用逻辑与模型替代人工决策：识别那些影响业务结果的，又或者是消耗人力的业务环节与任务，并用数据规则或数据模型结果来替代人工，提高目标结果和过程效率。