如何搭建企業數據化運營體系？這里有4項目標和7大原則

今天和大家分享一下在數據化運營方面的心得：不忘初心，回歸數據化運營。

分享內容包括兩個方面：一個是數據化運營的戰略意義，另外一個是如何去建設數據化運營的體系。

一、為什么要做數據化運營？

數據化運營更多時候是用來輔助決策的，而從常規企業決策路徑中可以看到，從發現問題、確定目標、擬定方案、選擇方案到決策執行，這是一個不斷優化調整的過程。

1.傳統決策方法

當企業運營遇到極大問題的時候，我們通常會采取“內查外調”的方式去尋求解決方案。這些方法也可能會見效，一般都是3-5年的解決方案。

三種內查方法：

（1）拍腦袋

這樣是我們在一些傳統企業或夕陽產業經常見到的一種決策方法。但由于信息化發展迅速，依靠領導經驗并不能為層出不窮的新問題帶來科學決策依據，很多時候決策者也會迷茫，那就只好“拍腦袋”。

（2）憑經驗

我們尊重每個人的閱歷與經驗積累，同時我們也很清楚，經驗是把雙刃劍，用好與用不好往往是一念之間。大數據時代已經讓我們不能全屏經驗去判斷和決定一件事。

（3）頭腦風暴

集思廣益的方法，以更廣的知識面與角度來彌補個體經驗的不足，同時也會受到主觀意識的誤導。

三種外調方法：

（1）咨詢公司

內查無果的情況下，有實力的企業可能會找一些大的咨詢公司進行業務咨詢，基本都是千萬級的咨詢項目，這也不失為一種好的解決辦法。

但我們逆向思考一下，咨詢專家到公司之后要做的第一件事是什么？

調研，說白了就是要數據。因為他也不能憑空拍腦袋告訴你問題在哪兒，該怎么解決，咨詢公司也是先掌握數據，借助數據化運營理論再去做行業對標。

（2）參觀學習

外部調兵也可以用參觀學習行業標桿、領域獨角獸的方法，嘗試業內領導者的發展思路和管理經驗，像國網、中國移動在體系內就做的很好。

（3）職業經理人

企業原有領導團隊已經無力掌握企業決策方向時，還可以有一些職業化的人進來，去幫助企業做運營，也就是職業經理人。但他們也是憑借經驗來決策，如果經理人不成長、不進步，也就意味著企業沒進步，這種方式依賴性較大。

總的來看，用傳統的方法做決策，有3個問題：周期長、任務重、見效慢。

時間不等人、投資回報也必須考慮，在這樣一個環境之下，其實我們忽視了一條低成本又高效的路：人人參與的數據化運營（量化經營）。最了解自己的莫過于自己，借助數據化運營的方法，其實我們能很大程度上解決問題，至少也能明確方向。

而當前大部分企業不知道的是：該如何做。

再來看一組數據，整個行業的發展方向，已經從IT向DT去轉變了。如果我們現在看全球500強在信息技術能力投入方向上，他們對于數據分析的投入，每年的增加接近20%。

從這里面也能看出，我們在向行業獨角獸學習時，他們卻是在兢兢業業的做好數據化運營。這已經是大勢所趨，也是為每個企業量身定做的一套解決方案。

2.從數據運營角度看新零售與傳統零售

盒馬鮮生大家應該不陌生，上海大概有17家，它的理念就是好好吃飯，用心生活。它有3個核心體驗：30分鐘送達、免費配送、一站式購齊。

周邊3公里內，從下單到送達只有30分鐘，并且顧客所需，可以在這里一站式購齊。

近幾年新零售炒的也很火，阿里、京東也都開始布局線下門店，構建體驗式消費。新零售其實給廣大消費者的生活帶來了巨大的轉變，我們都是其中的受益者。

可是，為什么傳統零售這么大的一個生態鏈沒有任何一家能在生鮮領域超過盒馬鮮生？

我們來一期剖析一下盒馬鮮生的數據化運營之道。

在我看來，盒馬鮮生抓住了傳統零售忽略的零售本質：商品+服務。把服務做到極致，把商品做到精準定位。

（1）服務對象

從服務對象來說，它瞄準了三類人群。家庭主婦、便利白領、周末帶娃團。

通過阿里的大數據能力，在門店選址過程中，就已經對周邊消費全體做過精準的計算，全國47家的規模，緩慢開店的速度證明了他們精準營銷的思路。

（2）物流體系

傳統零售也有完整的供應鏈體系，也做源頭采購。

但傳統零售對供應鏈、對物流的理解集中于店外運輸，視野的局限性限制住了他們店內、店外完整物流體系可以打通的想象力。

而盒馬鮮生打造了盒馬全鏈路數字化系統，除了店內有投資千萬的自動化輸送鏈外，基本每家店還配備了100人左右的快遞小哥，并且盒馬鮮生的利潤負擔得起這些投入。

（3）運維團隊

單技術支撐就是500多人，而且不包括運維團隊。

（4）生鮮單價

同品質商品，盒馬鮮生的單價并不會高于市場價，它的收益來源更多的是服務增值及銷量提升。

從以上四個內容中，我們可以看到，盒馬鮮生在這張生鮮新零售的戰役中做了很多數據分析事情。

比如目標消費群體。它不像超市一樣，來者皆是客，而是精準的群體營銷。所有門店的選址，都會根據阿里本身的信息收集手段，去分析周邊有沒有固定的消費群體，以及他們的消費水平。

比如供應鏈成本的承擔，它沒有因為初期成本投入的巨大而放棄這個思路，而是綜合核算及評估了它的可行性，進而在經營上獨樹一幟，創造了傳統零售不可匹及的新模式。

零售的核心課題沒有變，就是商品+服務，新零售帶給我們的增值是新技術能力的投入，比如無人體驗店、刷臉支付等等。

像物流效率、商品選品、集中采購的供應鏈，這些傳統零售也都在做，但是之前他們在了解相關技術的時候，因為這個系統初期要投入太多資金，而被嚇怕了，沒有再進一步去驗證一下，反而是根據經驗判斷做不了。

現在盒馬鮮生的事實擺在面前，之前不被重視的數據分析，在他們用好之后創造了新零售模式，而傳統零售因為對數據化運營不夠充分的認識，失去了這次機會。

所以，我們思考一下，數字化運營帶給大家的最大改變是什么？

并不是傳統的分析可以不做了，而是它能夠帶給你更靈活、更便捷、更科學、更具創新性的思維方式。

數據化運營是需要從企業的決策、管理、執行層都要具備大數據思維。

大數據思維并不是意味著你的數據量從TB級到PB級，而是要將更廣泛的信息納入進來，讓我們專注于通過數據分析去決策和指導業務運營。

二、如何建設數據化運營體系

1.數字化系統建設的4項目標

（1）企業級的自助式分析平臺

企業要做數據化運營，需要企業自上而下所有人員，包含決策者，認可進行數據分析。

我們希望帶來的轉變，是要具備數字化運營思維，不是沉浸在以前固有的經驗之中。這樣企業全員應用的數據分析需要建設一套企業級的自助式分析平臺做支撐。

（2）統一數據標準

數據整合，統一入口；全業務鏈條，完整分析流程；數據質量標準化，數據口徑標準化等。

（3）行業數據應用咨詢賦能

培養業務人員數據分析思維，協助業務人員發現數據中的異常問題并做數據探索。模塊化開發，提升業務人員工作效率。

（4）智慧分析、決策的窗口

打通業務端到端的全過程分析鏈條及管理流程；深度分析與統計分析結合，完成數據分析閉環。這是我們最終的目標。

2.建設過程中的難題

（1）數據分散

數據源種類非常多，如業務人員自有的Excel考核數據、ERP、財務、人資、業務等多個業務系統。

但數據口徑、分析粒度、字段細致程度各異，難以匯總，同時數據分散大量有價值的數據未形成閉環，導致眾多高價值數據被忽視。

（2）業務不知如何分析

對業務人員來說，需要掌握的分析不需要高深，懂點統計學，會看同環比、排名就足夠了。因為數據價值的發揮，并不代表分析模型有多高級、多復雜。

能夠對業務有指導意義，或者是讓你找準方向，這就已經是發揮價值了。

（3）框架能力缺乏

這也是一個技術瓶頸。業務人員因為要專注于業務，所以他要進行分析的工具和方法，一定要便于掌握。

也就是說平臺的框架能力，一定要具備，而且是依賴于IT同事去支持的。

（4）缺少過程指標

比如說我們做電商時候，每個人瀏覽電商網站的時候，都會有一些行為習慣。以前我們無法知道頁面停留時長和來源，現在大家可以慢慢把這一部分數據補充進來，進而去完善指標體系，將過程指標也引入進來。

3.解決難題的7個原則

面臨這些問題，我們可以考慮如何去解決，這其中有幾個非常重大的原則可供我們參考。

（1）領導關懷和全員參與

全員參與是最重要的，事務的推動需要領導的支持，而全員參與指的是數據化運營，領導必須要參與。

他不需要去制作報表，但是他要起到帶頭作用，他的思考方向和指導政策，都要用數據說話，起到帶頭作用。

（2）小步快跑

大數據的數據量太大、太龐雜，每個人的業務崗位都可以是數據價值的創收點，這些信息并不是廠商和領導能帶給你的。

我們建議小步快跑，就是要發揮企業內幾乎所有人的力量，集思廣益去看哪些地方可以創收，在探索和摸索中尋找適合自己的那條大數據道路。

盲目的建大數據項目，重構指標體系，建復雜模型是前幾年長干的幾件燒錢的事，它不能決定是否真的能將數據價值發揮出來。

（3）平臺易用

希望全員都能夠參與進來，如果平臺的易用性很差，就意味著只有IT的同事能參與進來，我們無法讓業務的同事更加積極地參與進來。

（4）咨詢賦能

業務人員需要的一些專業技能，包括數據分析的方法論，這也是客戶友好合作的基礎。

數據分析也需要專業化，對于業務人員更加需要良好的指導，通過咨詢形式為他們附能尤為必要。

（5）體驗為王

盒馬鮮生試圖將生鮮購物的體驗做到極致。

我們做數字化運營也要做到極致，不僅是操作層面，也包括需求響應、應用靈活。

（6）變通/創新

新零售“新”在創新，但它的本質不變。我們做價值創新的時候，也不要把以前認為不重要的東西拋棄。

而是把數據拉出來，先去分析，看一下，組合一下，就可能得到你想的要結果。在這個過程中注意成果的落地。

（7）協作機制

從業務到IT，從IT到業務，形成良好的數據分析閉環更有利于數據價值的積累與落地實現。

這就是我們在建設數據化運營體系中我們需要去關注的7個原則，更多是體現在一些注意事項和每一步都注意遵照著去做，只有環環相扣才能為最終數據價值發揮帶來更強勁的動力。

不忘初心，回歸數據化運營。借助大數據技術、數據思維意識，將數據化運營落實到每個角落，讓全員都參與進來，對數據價值引起足夠的重視，才能更好的擺脫困境，在新的市場競爭環境下先人一步。