數據該如何真正驅動業務增長？

作者 CDA 數據分析師

如何通過數據對業務產生價值？數據該如何真正驅動業務增長？如何通過做數據分析的工作，為企業的業務和管理帶來提升的價值。

本期精編版嘉賓演講為永洪科技高級副總裁王桐帶來的分享，看了他講的內容你會發現，原來數據分析還可以有這樣一種不一樣的形式……

關注公眾號CDA數據分析師（ID：cdacdacda）並回復「

」領取王桐現場演講視頻。現場紀實

剛才發現一個意外的小驚喜，因為上一位演講人是原來我在IBM時期的老領導，也是好長時間沒見了，沒想到今天又有一個見面的機會。也感謝CDA的邀請，我這塊的話題實際上是，之前的話題定的是數據如何真正為業務帶來價值。但是我想把這個做的更簡單粗暴一些，就是價值再穿透一些，就是數據如何真正去驅動業務的增長。這個是我想跟大家分享我們在這方面的經驗的一個主題。

了解到今天一下來的聽眾可能有相當一部分都是數據分析師，有的可能是剛參加完CDA的培訓，剛踏入分析師的領域，有的可能在這個領域已經耕耘了一些年頭，已經變成了一個企業的數據分析團隊的領導，也有一些來賓可能是跟這個行業相關，但是自己不直接從事數據分析的工作，也許他是一個企業業務部門的管理者，但是怎麼如何通過數據對他的業務產生價值，實際上大家都非常的關注，從這些不同的角度我們都想分別來看一下，到底數據如何真正驅動業務增長，為什麼要看這件事情？因為我無論做了多麼漂亮的報表，無論我用了多麼高深或者是非常令人驚嘆的分析方法，如果作為分析師或者企業的數據團隊，最終我的分析結果對我的企業業務增長和我管理的提升沒有帶來正向的促進的話，最終企業的決策層是不會認可我這個數據部門存在的必要性的，也不會認可作為一個分析師的價值真正能夠去輸出出來的。所以我們做的是這項工作，但是我們要做的是如何通過做數據分析的工作，為企業的業務和管理帶來提升的價值。如果我們能有這方面的意識和能力，那麼我們一定能夠在企業當中取得非常不錯的成就，一定可以隨著企業不斷的去發展實現個人的成長。

實際上，這件事情很難的，因為我們跟幾百，甚至上千家企業都過一些過深過淺的交流，實際上這件事情真的很難，為什麼難呢？為什麼大數據驅動業務增長很難呢？是因為現在的用戶要求實際上是非常高的。以前可能我們是在家裡自己做飯比較多，後來我們去餐館，現在餐館都不去了，現在直接叫外賣。實際上對於這種效率提升的要求是越來越高了。以前可能我們做數據分析，從需求的提出到給它形成一個分析結果，也許這個結果是一個報表，也許一個圖表，這都不重要。從需求提出到實現，以前以周或者以月為單位計算的。現在我們發現這個世界快速的變化，各個行業的競爭都非常的激烈，態勢演變也是越來越快的，我們發現業務部門和我們企業的管理者實際上他的耐心是越來越小的，耐心是逐漸降低的，是希望他提出一個分析的需求，想要看一個業務上的洞察，他實際上希望馬上就能夠看到，甚至一天他都不願意等，所以這件事情是非常難的事情。

第二，這件事情其實背後技術複雜度也是巨大的。可能在一個APP上點了一個按紐，它背後就是一次事件的出發，然後響應了我的請求，也許這個訂單就提交了。但是對數據平台，這件事情來講，也許點了一下查看報告或者查看結果這個按紐，但是這個點擊背後可能會發生非常多的一些事情，可能涉及到十億，百億級的數據量做過於複雜的計算量，再以前台勻染以何種合適的方式輸出出來，還涉及到一些不同集群的結構，所以這個背後這個技術的複雜度也是非常高的。這是另外一個很難的點。

第三個很難的點，其實數據本身也是一個鏈條，從數據的採集，處理，整合，清洗，加工，建模，再到後面的挖掘，分析，展現，輸出，共享，其實這個鏈條是非常長的。每一個環節可能都需要不同的專家，不同的工具，不同的技術領域，不同的方法，才能夠把這些事情給它相對比較順暢，完美的進行實現。所以每家企業都需要一個端到端的能力覆蓋。如果在這個能力當中有缺失，發現這個鏈條走到一步，下一步走不下去了，可能中間數據處理完了以後沒有一個很好的展現，或者沒有一個很好的數據的計算的引擎，前台最終用戶還是看不到結果，或者得不到一個好的結果。所以端到端的能力，大數據全站的能力也是一個挑戰。

最後一個挑戰，其實很多時候，很多的企業往往忽視了運營這一點，會發現我用的就是，不管是用Spark，還是用什麼樣的成熟的框架，好像這個框架本身並沒有致命的缺陷，但是別人用起來沒問題，我用起來就是很慢，或者會頻繁的宕機，有的時候不是因為這個框架，或者技術，或者第三方產品本身出了什麼問題，而是我們用的方法不對。曾經我們發現有一個企業，它用的是世界知名品牌大數據的平台，還是商業的版本。按理說實際上這樣的產品本身是不會有致命的一些Bug或者缺陷存在的，但是它卻經常的宕機。通過我們數據化最佳實踐，有幾十條運營上的規範，我們診斷髮現實際上它有很的使用不合理的地方。比如說明明它的數據傳輸節點是16線程的，但是在夜裡點跑50個批量倒數的任務，讓這個磁碟的IO進行巔峰式的衝擊，這時候很容易造成宕機。以及它的業務用戶想做自業務分析，沒有很好的架構區分，就發現有的用戶隨便一拖，做了有上億成員值的同值記數，並且加了多個分組，這樣一下把後台的資源佔滿了，導致業務用戶看一些固定分析結果的資源也受到了影響，這個時候就帶來了業務用戶的投訴等。其實有很多例子，因使用方法不恰當導致這件事情不理想。

我們回顧一下，用戶對效率要求越來越高，這個平台是端到端，能夠完整進行覆蓋的，以及我們知道到底應該分析什麼，以及我們需要知道它的運營的方法論，需要知道數據運營的最佳實踐。每一塊其實都是我們讓數據真正為業務產生增長，產生價值所帶來的挑戰。我們再抽象、提煉一下，這就是我們在7月上海峰會上，在業界首先提出的一個Paso模型，就是說無論企業選擇自己的組件團隊和技術框架來實現大數據的價值，還是選擇一些第三方的商業合作夥伴和第三方的商業產品來實現數據驅動業務的增長，無論怎麼去做，這四件事情是必須通盤考慮的，缺一不可，決不是說底層系統強大，這個系統自然而然產生價值，絕對不是這樣的，系統其實在這裡只佔四分之一。所以無論分析師還是企業管理者對數據如何產生價值需要考慮哪些因素，這個方面一定要有全盤的認識。

永洪實際上在今天來講，因為今年是我們第六年，實際上我們還是一個小公司，但是在國內大數據賽道上，因為這個賽道也比較新，也不是幾十，甚至上百年的賽道，所以在國內大數據賽道上我們是第一個開始做相關的事情，也是目前來講我們做的相對來講算是比較有自己的積累的。所以在這方面實際上我們多有自己的比較多的成熟的積累，比如說在Iphone方面，因為要求性能強大，可擴展，端到端全站交付，所以從自服務的數據準備到高性能的計算，到敏捷的BI，到深度分析到企業及管控倒數，有了它，我們發現IT用戶做好了報告用戶認為不是我想要的，然後問用戶需要什麼，又提不出來。這是我們最常見的場景，所以需要有專業的人，既懂數據分析方法，又要很懂企業業務的本身，這兩者結合到一起，要形成數據如何在業務領域裡分析的一個最佳實踐，這個最佳實踐就是我上面列的數據應用的生態體系，每個行業都有非常多的業務問題，有非常多的業務場景，這是不可窮舉的，都可以通過數據監控它的現狀，去診斷它的問題，並且去提出它的改進方向和建議，這個就是數據最大的價值。不同行業和領域裡都需要一些分析的模板，和分析上的最佳實踐，告訴用戶該分析什麼以及怎麼分析，這個數據對你有用。像數據應用，每個行業里都有非常多的業務場景，每個場景都可以做數據應用。數據應用包括：對接主流業務系統的標準化介面，以及它的標準主題模型和它分析方法的錘鍊，以及對前台展示上的一套模板。至少應該包括這些，那麼它看起來才會相對的比較容易。這樣的話我們可以在一個相對比較高的基礎之上再跟業務部門探討，你需要在這塊做一些修改，他覺得這塊不太需要，他需要再增加一個指標，然後來去看。這就是數據應用這塊。

服務這塊，其實也是同樣非常重要的，這個平台，無論是企業自己的分析師團隊或者企業自己大數據團隊服務，還是第三方給它們提供服務，精細化的本地服務，這個是必須具備的，從數據調研書，到維護，再到內部培訓，知識傳遞，實際上精細化本地服務也是為了讓數據這件事情能做好的保駕護航的非常重要的一點。在最右側就是目前業界應該只有我們真正去把它梳理出來的數據化運營的最佳實踐，我們會不斷做健康的檢查，幫助客戶把架構做到一個比較優化的程度，把運營規範，推廣策略都要做好。其實我的大數據平台內部，我的維護者也是他的一個營銷者，我要做好內部營銷，我要讓企業內部各個業務部門都去看我分析的結果，我分析的內容都要給他們提供服務，而不是只給十個部門當中的某一個部門提供分析的服務的支撐服務。推廣策略實際上也是很重要的一點，最後來給出一些提升的建議。所以PASO整個模型缺一不可，然後我們必須把它們通盤在一起考慮，而不只是把目光聚焦在分析方法和技術上，和我底層用什麼樣的框架上，這個實際上才能最重要的一點，以及分析方法和我的業務相結合，否則演算法再怎麼漂亮，其實這個事情跟價值不一定有正相關的關係。

今天的重點因為在A方面時間有限，所以PS和O就不做為今天的重點，也是跟分析師最相關的，就是數據應用這塊。從整體來講，因為每個行業的不同業務領域，它的分析場景一定是千差萬別的，但是我們盡量的提煉出來一些共性來講的話，實際上一個企業它的數據分析體系是有一個整體的框架的，只不過在不同的企業前台、後台、中台表現不一樣而已。對製造業來講，前台市場銷售和服務，客服，呼叫中心，後台是人才，物資，IT這一他。如果說是互聯網行業或者金融行業，可能對於互聯網行業來講前台就是市場和BD，中台是產品的設計和運營，後台還是人力財務信息化管理，研發在中台。對金融來講前台也是偏向於客戶經理，對公的業務，中台是衍生品設計，後台還是人財物。我們發現後台其實相對是比較通用的，但是前台和中台在不同的行業當中實際上是有很大的差異的，但是盡量把它提煉一下會發現，其實有這麼多的分析場景都可以通過數據產生價值，決不只是說我分析一下我的留存率，轉化率這麼簡單的問題。從人力資源管理角度來講，到底人員的績效的匹配程度是怎麼樣的，整個企業的組織里人員單產是逐漸上升還是逐漸下降的。上升是哪些局部上升，下降是哪些局部下降？比如員工的離職是去了哪裡，哪些員工經常離職，離職后帶來的損失是什麼，這些全部通過數據才能產生洞察。對於財務來講，可能資金都可以進行很好的分析。還有五大類風險，像能源，製造會涉及到安全環保，包括我有自己的數據中心，我怎麼做好節能減排，怎麼做好安全生產，怎麼做好事故預防。信息化這塊可能主要是在成本效率和運營和服務這方面。資源這又是另外一個比較大的話題，供應鏈的話是一個大的供應鏈，不是一個小的、狹義的採購的供應鏈，所以從庫存，材料平衡到銷售的分析，採購的分析，這都有很多的模型需要去攻克。生產，投資這個就不多說了。所以對於一個通用型的企業來講，它的前台、中台、後台一拉開，實際上就有非常多的領域可以做出我們的業務場景，讓數據發揮價值。

對於一個企業的決策層，董事長、CEO、COO大部分人來講，他可能不會看這麼細的東西，從企業的決策層來講他需要真真正正意義上的管理駕駛艙。他分析的視角和業務領域分析的視角很不一樣，所以決策層本身就足以支撐比較複雜的數據應用。從決策層的角度來講，他一定關心的幾個事情：戰略發展推進，總體的績效和重大投資的決策。戰略發展推進，如果這個企業有足夠大的體量，宏觀經濟分析和整個市場分析，如果是集團性的企業要做好業務結構，業務版塊的分析，互相之間的協同怎麼去聯動，包括資源控制，區域布局等等。這些都是要看的指標、體系和分析點。所以企業的決策層管理駕駛艙也有這樣比較豐富的分析框架，也是我們大老闆喜歡看的東西。

後面我們挑幾個重點行業的重點領域來舉一些例子，來講一個數據應用它到底應該做成什麼樣，以及數據應用對業務能產生什麼樣的價值。各個行業，各個分析場景都能產生非常多的價值，但是提煉出來，抽象出來，總結來講它一定要對它的業務管理帶來正向促，業務部門和公司的決策層才會認可我們做數據分析這件事情的投入是值得的，才會在我們身上追加投入，從而產生更大經濟和效益上的作用。

首先看一下金融行業里的銀行行業。銀行行業實際上有至少十個以上的主題可以去做很多的文章，包括像客戶端，像決策支持，運營，產品營銷，監管，風險，績效，財稅，等等。有非常多的主題實際上可以做一些文章，我們挑兩個最重要的：一個是審計。審計以前可能有專家經驗去做的，現在我們也要在大數據時代讓它變成一個可量化的，一個標準化的作業模式來去向風險評估轉變。以前我們的審計受限於人力的有限，可能我們做的是單業務風險，現在跨業務，業務板塊之間聯動的關聯風險有了更高的要求。審計從它展開可以展開幾百個不同的指標，像總體和專項去看一些一級分類指標。一級分類指標展開有二級、三級分類指標。最終不同角色的人看到的是不同指標，對一個行長來講看的指標是五級菜單當中的五百個指標，經過一個一個權重加上來的風險分數，就是這個分數是80分還是20分，一個一個看下去。這是我們在國內全國的大型銀行做出來的一些例子。做這個例子的時候要去解釋一下，就像剛才說的，前台可能我們看起來只是一些圖表和報表而已，但是展示什麼內容比我展示出什麼樣式重要的多，以及展示的內容絕對不是說我把一些指標堆砌在頁面上有結束了，而是指標和指標之間的層級關係，它的相關性是怎麼樣的。相關的指標放在一個樣板上，不同層級的指標放在不同層級上，它們之間是怎麼聯動的，這個路徑按照業務邏輯思維做，這樣這就是有生命力，有業務邏輯，符合業務人員交互、思考，符合他思維方式的這樣一個產出。這樣的話業務部門領導會覺得它真的對我的業務有幫助。

零售製造業又是一個很廣闊的業務群體，包括很多今天互聯網企業，歸根結底是做製造業的一些升級。它裡面實際上包括了客戶的數據，產品的渠道，上下游，庫存等等不同的數據。所以針對於不同的數據都有可分析的點。客戶數據也可以做精準營銷，如果我們多個行業都有接觸的話，其實分析方法真的是大到至簡可以抽象提煉出來。對於產品數據，很多時候一個製造業或者一個零售業的設計人員，實際上以前是通過自己的想象，覺得我要給年輕人設計哪些新的電視，我應該怎麼設計，一定喜歡大紅色，喜歡4K這種新的技術，會發現最後死的很慘。業界儘管是寶潔新品存活率也不是很高的，更不用說目前絕大多數企業現狀了。像很多知名的製造企業也是我們的客戶，它會通過產品數據分析來去做競品數據分析比較，更重要的是新品設計的參考，通過數據跟剛才的用戶畫像有點像，通過數據先來分析目標用戶的需求是什麼，然後再做自己新品設計，這樣的話成功率會比以前有幾倍的提升。可能經過數據分析會發現，年輕女性喜歡的電視一定不是4K的。這是我們發現的一個真實例子，因為對新技術女性並不是很感冒，她可能還是喜歡3K，智能這種時髦，炫酷的，而不是最新的技術。喜歡白色的。如果說通過數據能得到這麼精準的支撐的話，後面事情我就只需要把工業設計這個事情做好就可以了，然後我把它推向市場出樣的時候，客戶看到樣品會發現他做消費決策中間的每個硬性條件都是打勾的，比如顏色是打勾的，剩下的只需要看感覺，這個樣子喜不喜歡就可以了。如果我們做到這麼精準，實際上對企業方方面面，對新品設計多帶來質的飛躍和突破。

門店也是一樣的，很多企業在國內都有成百上千家的門店，門店和門店之間要做一些比較，同樣的一個半徑範圍之內有的門店生意好有的不好，為什麼？是人員的問題，裝修大小的問題嗎，這些都不是，這些都要通過數據得到答案。但是總是半徑範圍之內有的門店能做好，就意味著其他門店有問題，一定可以往好的標杆去靠。

渠道，我上游的供應商和下游的渠道商這個之間大家怎麼把分工協作，把計劃這件事情做好，這個是非常重要的。否則的話他提的訂單下個月又取消了，這個時候我的生產是浪費了。

庫存和缺貨，庫存問題，從數據分析，我們就是通過對比，找原因，分析，至於分析方法都是幫助做對比和細分。核心時間就是對比和細分。我要不斷的細分，有的庫存是和產品鋪不匹配，有的庫存可能因為生產計劃的問題導致的。庫存問題細化下來有四個不同的分類，每個類型其實我們去解決的問題，絕對不是說庫存管理員的問題，而是市場的問題，計劃的問題，生產的問題和設計的問題，一定都是這些問題，而絕對不是說庫存本身管理的問題。

如果說很多企業不是面向C端的，現在ToB很火，有些企業，像我們是做B2B的，這裡ToB和ToC銷售又有很大的不同。我們會分析，包括我們自己也在用自己的數據應用里看我們的銷售情況，從商機到客戶到產品。比如我給自己設計的首頁，可能我會更加關注這個季度完成多少，還差多少，今天離這個季度結束還有多少天，我完成的百分比是怎麼樣的。如果今天是9月1號，這個季度只剩一個月了，但是這個季度完成任務只有10%，這個完成率就有很大問題，所以要把時間拉出來做一個比較。這個比較我要去看，先在維度做細分，看哪個團隊完成的不好，然後再在指標上做細分，是看線索不夠，還是轉化率不夠，還是客單價不夠，總之是能夠找到原因的，不可能他都好，最後業績不好，這是不可能的。我找出來之後集中起來，來因材施教的給予一些能力的提升，或者對崗位不匹配的做一些組織結構的調整。但總之先通過數據做判斷，然後通過細分來發現數據上的洞察，最終目的是能夠發現真實的問題來採取行動，最後為業務和管理帶來提升，反覆強調業務管理和提升才是我的重點。

銷售團隊業績和銷售人員業績的畫像，包括客戶的信用評價，我們也會給我們客戶做信用評價，誰的付款好，誰的付款情況不好，以後還要不要這個客戶，其實我們也需要在自己的內部有一些評價，等等等等。還有保證我們渠道，各個部門之間的一些對比。它的承諾跟它的時間完成率的差異，整個跟財務之間的排名。包括我有多款產品，不同產品賣的怎麼樣，有些銷售只賣一個產品，這也有問題。後面一個就是財務分析的框架，時間的原因這個就不再多說了。

今天30分鐘的時間儘可能的展示一些比較通用的，因為畢竟咱們都是來自於不同行業，不同領域的專家們，希望在各個行業里都舉一些例子，如果能給大家帶來一點點的啟發，這對我們來講就是莫大的榮幸了。總結來講希望大家記住的點：我們做數據的核心目的不是分析多麼的漂亮，而是它最企業的業務和關係能夠帶來提升，這是數據唯一的價值和評價標準，除此之外別無其他。第二，做好數據的價值呈現，絕對不是說我有一個好的技術分析方法和系統就完事了，平台，應用，服務，運營，PASO缺一不可，無論自己做還是選別人幫你做都要考慮這個東西，這個跟我們沒有關係，這個跟你有關係，你一定要做全盤的考慮。第三，如果要想做好一個數據應用，實際上要把指標體系，業務場景和分析模型以及介面，和前台上展示的模板，這些都要通盤考慮，才能讓數據應用做的足夠理想。至少這三件事情是希望通過今天我這個話題的分享能夠讓大家去有概念，能夠讓大家記住，這個就是我們各個行業合作過的客戶，這個就不多說了。

我們其實也是數據分析師，跟今天大會的主旨是吻合、匹配的，所以這個是二維碼，大家可以掃描一下，來申請我們的產品試用，可以讓大家有機會體驗。所以也非常歡迎在會後到我們展台多多交流，互相學習，互相借鑒，通過大家的努力把數據在發揚光大。謝謝大家。

CDA堅持打造高端數據分析學習社區和數據分析認證

CDA 數據分析師，作為國內領先的數據分析師人才教育品牌，一直致力於打造最棒的數據分析學習社區。旨在加強國內外乃至全球範圍內正規化、科學化、專業化的數據分析人才隊伍建設，進一步提升數據分析師的職業素養與能力水平，促進數據分析行業的高質量持續快速發展。