百分点科技|怎样做数据运营，才能让数据中台真正用起来？-CSDN博客

本文链接：https://blog.csdn.net/Percent_bigdata/article/details/134515962

导读：大多数企业用户已完成数据平台初步建设工作，但数据在业务运营和管理中没有发挥应有价值。数据开发工作繁重，数据质量问题严重，IT、数据和业务协作不畅，诸多问题依然困扰着企业用户的IT部门和数据部门。数据运营成为当前重点工作，落地方法论、运营切入点和抓手、成功经验等问题值得关注。本次百分点科技将重点围绕企业数据运营体系建设与运营，以及相关实践案例展开分享，部分方法论引自《精益数据方法论》。

当前，数字化转型已成为大部分企业的必备工作，在解决这一问题的过程中，各个企业都面临着诸多挑战，比如尽管投入大量资金构建了复杂的中台系统，却未能在业务层面真正实现价值。

根据最新的相关调研显示，有效利用数据依然是目前困扰企业的第二大难题。究其原因，主要在于我们在建立自身内部的中台时常常陷入操作误区。作为CIO或者数字化相关人员，我们该如何搭建中台？我们是否将其视为了一项技术层面的工作，而与业务关联甚微？完成数据治理、搭建BI以及整个中台软件，是否等同于实施了数字化转型？

另一个常见误区是，许多企业常常为了希望获得最佳实践而选择模仿行业其他标杆，甚至照搬其他企业使用的系统和解决方案。然而实践证明，这种方法往往并不适用于每一家企业。因为我们抄袭的实际上是一种解决方案，在企业进行数字化过程中，最重要的并非解决问题，而是定位问题。

如果企业未能明确自身问题，直接照搬他人的解决方案，往往会遭遇困难，这个问题的本质就在于我们对数字化转型的本质和底层逻辑的理解存在偏差。实际上，数字化转型仅是一种手段，而非目的，我们在开展相关工作时，必须以自身的业务目标为出发点，以本质问题为导向，而不能将其视为一项孤立的技术层面的工作。

此外我们还需认识到，以往在信息技术时代盛行的参考行业最佳实践、对标其他企业的传统方法，并不能从根本上解决现在的数字化转型问题，因为这些方法大多是从上至下的，其整体实施周期往往非常长。在当前这个业务迭代迅速的时代，我们更需要一套以自身用户价值为核心，利用内部用户需求驱动产品改进的方法。

01 企业需要迈向精益化运营

1.1 依托价值场景和数据资产运营数据产品

日本丰田公司曾倡导过一个理念，其核心思想是：倡导创造价值，减少浪费，运用最少的资源投入，在最短时间内创造出最大价值。这一点在软件开发领域同样取得了显著的成效。数字化转型过程中，如何准确地阐述业务价值乃是关键的第一步。若无法精准识别和定义客户所需价值，那么数据产品的建设将可能导致大量的资源浪费。

传统流程中，大致的实施路径是由供应商先全面深入地分析经营系统，大规模展开整体痛点研究，然后提出建设路径。然而在以精益化为核心的数字化转型运营思路下，我们需要将业务目标视为转型的核心，将价值实现的情境作为主线，并将数据作为重要元素。这个过程可以大致分为三个阶段：

首先，进行企业的探索与规划，此时需要进行系统性的工程，做到咨询规划先行。我们经常采用轻咨询的方式构建企业的数据战略能力，以此作为数据化转型的起点。

其次，对齐企业的业务目标，完成自下而上的全面探索。拉通业务和技术的融合创新，结合企业的数据资产进行盘点，绘制数据资产蓝图。

最后，根据企业数据技术的现状、实施复杂度等因素，确定业务场景蓝图中优先级较高的业务场景。一旦我们识别出在这些业务场景蓝图中价值最为突出且紧迫程度最高的业务场景，便可将其作为首批可以落地的项目里的内容。在这个过程中，我们需要输出的是关于企业现状的诊断报告以及这种高价值场景的清单，然后再进行架构的设计。

在构建设计的阶段，我们主要关注对假设的调研分析，设计调研快速上线最小可行性产品，通过最小成本验证前面探索成果的可行性和效果，评估用户、场景、数据算法、技术满足度是否相符。在此基础上，产出的便是具体的整体中台和上层数据产品的设计。

在功能设计过程中，我们需格外关注对用户的细分。例如，我们编写的经营管理数据可能同时供企业高层、中层管理员和一线执行人员使用，但对于处在不同阶段的数据使用者而言，其对数据的使用需求各不相同。此时，我们的数据开发团队常常深陷误区之中，即一开始幻想设计出一个能为广大用户提供服务的产品，以此便可降低自身成本。

倘若我们在初始设计时基于此种产品设计思维，那么每一位用户所能体验到的满足感将会被极大地削弱。因此，为了避免此类情况发生，我们在进行产品功能设计时首先就要对用户进行分类，识别出各类用户的需求和特点，找出其中的关键用户，并重点关注这些用户，通过数据产生的价值闭环，为他们量身定制最具吸引力的功能点。这种设计的成功之处在于我们能够发现一些超越常规认知的元素，以吸引用户的眼球。

例如，我们现在要找到在特定地区销售业绩最低的区域，或者确定如何提高库存周转速率，那么就需要有一项功能可以为我们自动执行归因分析，以找出下降最多的指标，这就是一个能直接实现场景价值闭环并可落地的功能点，此功能建议可以推荐给业务人员或中层用户。相较于一个错综复杂且维度众多的报表，这种功能对他们而言更具说服力，也更符合良好的产品设计理念。

所以，在实际的产品设计过程中，我们必须具备正确的观念，即明确的价值闭环，将复杂性留给系统，将简单性留给用户。我们要以最简单明了的方式向用户传递最终的行动结果建议，而不仅仅是提供一份数据字典，让他们自行查询。相反，我们应该直接将结论和建议传达给他们，以便能够直接采用并展开下一步的业务操作。

最后，我们将步入上线交付阶段，此时我们不仅需要交付数据产品，还需要推动整个数据中台的运营工作，尽早进行这些工作不仅可以节省成本，也能更快地实现想要的功能。

1.2 价值场景规划底层逻辑

综合前面讲到的，我们所说的数据运营的核心原理是从过去那种自上而下的，即传统的信息化时代企业架构的思想，正在逐渐转变成围绕着客户价值和场景出发的，结合精益运营思想的新型运营思维。

在目前的环境中，我们所面临的挑战就好像是在亚马逊森林中建设房屋，由于存在许多不确定因素，如果继续使用传统方法，可能会在工程进行到一半时发现原本的需求已经发生了变化，已经完成的工作成果将被迫改写。因此，我们需要首先明确我们的业务宗旨，然后对齐目标，自下而上地探索并与我们的业务共同努力，创造出那些确定性较高、有助于我们实现目标的场景。

这个过程可以看作是先探索的过程，即仔细研究整个森林的地基，识别问题和风险，找到建设房屋的边界，然后围绕此边界进行自上而下的规划和实施。如此一来，我们能够迅速的识别出存在的不确定性需求边界，同时也能对于那些最大可能性的确定需求进行精细化的规划分解，以指导我们后续的工作。

1.3 供应链管理场景案例

在价值场景挖掘的一个实例中，我们研究了供应链的采购补货流程，探讨如何提高供应链管理效率。在该场景中，我们了解到客户企业的背景和战略主旨是降本增效，业务面临的痛点是采购人员无法有效管理库存，导致库存周转率持续下降，滞销库存不断堆积，零库存的数量也在逐年增加。这些问题带来的影响是显而易见的，因为库存相当于企业的现金，大量的库存积压在仓库中，会严重影响企业的现金流转效率，对企业的总体运营状况造成不良影响。

基于之前的场景探索，我们与业务部门合作明确了需求痛点，然后将其贯彻进具体的供应链业务流程中，根据每个环节如何提高库存周转率、减少滞销库存，寻找合适的场景，从而打造出合适的数据产品。详细一点讲，在供应链层次，我们发现库存周转率低的主要原因是采购时效性不稳定，某些商品缺货后未及时采购，同时现有库存仍然在继续补充。

造成该问题的一个重要原因就是，供应链全链条的可视化不够完善，以至于企业无法准确掌握当前到底有多少货在途中，有多少货还未发货，以及有多少货存放在哪些仓库里。举个例子，东北地区的商品库存已经告罄，但北京地区以还有大批该类商品的库存。然而该信息却未能传达给业务人员，导致他们前往其他地区采购相应商品。这便是未能实时地将供应链进行可视化展示所带来的负面影响。

因此，我们需要实施数据治理，将各层级的供应链所有相关系统及环节进行连通，将供应商、仓储物流等信息整合获取，对各库存之间的转化过程，如出货、订货、发运以及门店陈列、上架等环节进行详细阐述。当整个链路完全打通后，就能实现商品的全链路展示。

同样的，数据产品应当足够清晰明朗，至少使管理人员明白每一款商品在整个集团系统中的实际库存数量，以及分布在哪些节点地方，防止商品缺货，并且明确哪里有可调拨的货物，以此有效解决无法全面可视化整个供应链库存的问题。

比如，在已经清楚地了解了商品的实际分布位置以及确切存货数量的前提下，当某些商品出现缺货或即将缺货的情况时，应该补充多少，如何根据每款商品的特性，基于销量数据深入研究哪些节点、地区以及人群更易产生热销情况，并在适当的时间依据当前库存准确预测下周或下个月的补货需求，帮助我们更精确地进行补货决策。

我们通过大数据的算法，针对每款商品，基于所有全网、全门店的销售数据和细分人群在各个阶段、季节的销量情况，找出每款商品的关键影响因素。于是，根据现有的库存便可以精确地预测下周或下个月就可能需要增购的商品。通过以销定采，帮企业构建采购补货的工具，其中包含不同品类的采购补货的算法，将此应用于订货环节，从中找到直接到场景的应用，打造一款无比强大的数据产品，每天提供强有力的支持，满足其采购补货需求。

这便是我们如何提升供应链管理效率的过程，通过此举，我们的商品就能及时地满足市场需求，减少库存积压，从而大幅提升其周转速率。

1.4 营销业务场景案例

再以营销业务域场景为例，我们同样会遇到一些问题，例如在展开营销活动时，如何辨识出高价值的客户，以及如何提前预警潜在流失客户；对于ToB类型的企业，又该如何选择合适的渠道商，以及挖掘具有发展潜力的渠道商等。同时，如何制定商品价格，如何实行折扣策略和促销推广等，也是我们在营销领域常见的难题。这些问题都需要与特定的应用场景相匹配，针对特定的用户和数据来解决。比如，通过会员分群和潜客挖掘等方式，以提供个性化推荐和智能互动等方案。

根据这些场景，我们会在背后定义相应的数据标签，如对用户进行分群后，通过用户属性数据、消费行为数据和产品偏好数据等，来构建出全面的用户画像标签，进而推出客户画像的产品推送给前端场景应用。这样，我们便能高价精准地识别出高价值客户和即将流失的客户，并在可能出现流失的情况下，触发相应的挽留机制。

1.5 业务场景构建数据产品蓝图

上面这张是企业内部构建的完整的数据产品蓝图，我们首先要识别出各类用户和业务域，然后将来自不同系统的数据引入数据中台上层进行挖掘，最后通过数据产品进行价值实现。这个过程中，我们不断接收来自营销管理、供应链管理以及经营分析等各类业务场景的输入。

我们需要在企业内部进行探地式挖掘，确定高价值场景，并确保数据和算法的可行性。识别出高价值的场景后，进行进一步挖掘，形成产品，最终将价值简洁明了地呈现给企业内部的用户。

实际上，当推进到这一阶段时我们需要认识到，在数据中台正式上线后，我们可以将其视为与C端产品同等重要的项目，以严谨态度深入剖析，精准地洞察其用户群体，考察其是否具有足够活力，是否有人实际使用，甚至细微到每个产品功能是否便捷易用。这些是我们在实施中台运营时必须考虑的关键因素。

02 企业数据运营

在项目中，我们发现表现优秀且具备持续运营潜力的项目，往往是在真实运营实践中的摸索过程中达成的，因此能够持续良好运转。

2.1 运营三大核心

值得注意的是，运营需要有以下三个核心要素。

第一，数据产品的运营。产品运营是指数据产品上线后，需要组建对应的运营团队，构建一套运营指标来进行监测分析，观察其中的用户是否在使用它们。运营团队还要策划各种不同的活动，与用户进行互动，获取更多的信息，进而发掘他们的更多需求，以便持续对产品进行改进和升级。

第二，数据中台的运营。我们常常强调平台建设要适度领先，但并不等于可以一次性全部完成，这样才能避免许多已建设好的功能未被充分利用，从而造成资源浪费。我们依然遵循前述的精益思想，即首先上线产品的最小可运行版本，企业随即建立运营团队，根据上层应用的需求添加新模块，同时建立运营指标，收集并监控中台内用户的反馈和行为数据，以期对中台功能加以改进。

第三，构建保障体系。保障体系是指在产品和中台不断运营演进的过程中，需要投入相应的人力、物力和财力，包括调整和完善与之匹配的组织结构、岗位职责和绩效体系，以支持中台和产品的持续运营。

2.2 数据产品如何优化

接下来聊聊数据产品的优化。

实际上，数据产品本质上是企业与用户之间的数据传输渠道，当用户使用企业的数据产品时，会产生大量的新数据。我们的产品需要搜集并传递这些数据，随后基于这些数据进行分析，从用户使用产品的过程中发现新的问题和需求，进而对产品进行优化和升级。

一般而言，此过程大致可划分为以下几个阶段：

首先，需要进行规划与设计，寻找并确立清晰、可衡量的指标，该指标应能指导产品上线后整个团队的工作方向。其内容包含两方面，一是对运营对象的深入剖析，二是对运营策略的全面分析。运营对象即指本产品的用户分类及使用特征数据、用户态度和行为等相关信息。

其次，需要制定正确的用户战略，包括设定运营的整体目标以及实现该目标的路径规划，将最初设定清晰的业务目标细化为可衡量且关键的运营指标。此外，我们还需设置北极星指标。例如，若将提升产品用户体验作为当前阶段的主要数据运营目标，则相应的量化指标应为每天的互动用户数、用户使用时长、用户流失率等。以上所述运营指标必须与现阶段的业务目标相契合，不同阶段的业务目标以及核心指标均有所差异。在产品上线初期，我们的主要运营活动和监控可能会聚焦于用户增长与积累。在这一阶段，我们更注重内部用户的使用数量提升。当产品进入相对成熟期，运营目标需要转移至成本优化。

最后，需要确定运营指标，围绕该目标收集相关数据，进行埋点建模与监测预警，以确保能实时触发各项阈值并提供相应的分析优化建议，如之前提到的归因分析，甚至热力分析等方法，以观察用户行为在地图上的直观展示情况，明确哪些地区的用户活跃度最高，最后通过洞察行为挖掘规律。在此过程中，要注意大数据小展示的原则，因为在构建数据产品的过程中，数据团队不应单纯以生产报表或创建模型的数量作为最终的价值衡量指标，因为此类指标仅为手段，并非目的。许多企业在构建中台的过程中，面临的最大问题即为报表过多、系统冗余，导致业务部门难以分辨、理解复杂的报表和指标。

在取得足够数量的用户后，便可深入解析不同部门、团队所需求的产品功能，判断其之间的关联性，并将这些功能进行有效链接并使用，如进行跳转和下钻操作，或者是将部分功能进行合并，提供简洁明了的报表。对于闲置的功能则应进行剔除，以降低系统的冗余程度。

对于我们的企业来说，中台就好比一个大型市场，包含着数据的制造者、加工者和消费者，而一个部门可能同时兼具这三种角色。中台的目标是使我们的企业实现业务数据化，并形成快速迭代的体系，持续生产更多数据并为各个部门提供更全面的服务。

在该过程中，由于中台上有众多角色的参与，因此与一般功能性平台相比，中台不仅是数据能力的输出者，更是一个统一运营数据资产的平台，因此，中台需要建立完整的运营能力。由于其运营模式融合了各种业务平台，它像电商平台，又像社区平台，也像一个技术社区，所以我们将整个中台运营划分为三个主要部分：用户运营、数据应用及产品的运营以及数据中台的社区运营。

2.3 数据中台的用户运营

先说用户运营。

通常来讲，企业的CIO或高层管理者应该让每位员工了解并使用中台，即使他们并非专门从事数据或技术工作。因为中台实际上承担着构建整个企业数据驱动文化的重要任务，因此在构建其运营时，我们需要在企业内部提升其影响力，这使得用户运营成为重中之重。

事实上，我们进行用户运营的核心业务主要围绕三个方面。

第一，拓展用户群体。我们可以组织全员宣讲活动，让每位员工了解中台所能提供的服务和价值，同时列举一些实际场景，展示如何提高工作效率或解决业务痛点，进而吸引更多员工注册并访问。众所周知，对于许多企业而言，尽管他们的用户规模、数据密度和安全等级相对较高，可能需要经过严格审批流程，然而，设计数据安全的初衷并非希望减少用户访问，而是在确保基础安全的前提下，鼓励更多人使用。所以，中台的本质上是构建全员系统，提供一些安全保密级别较低的信息，供企业全体人员参考，以培养他们的数据素养。

第二，关注用户的活跃度。虽然作为内部使用的系统，用户留存问题并不像商业平台那么关键，但我们也需要关注用户的活跃度。如果某些业务部门长时间不登录，就需要深入分析其中原因。我们可以根据部门、职责、角色等维度来研究他们的使用情况，从而发现问题，了解何种部门、岗位、职责，或者何种角色未充分利用中台。同样，我们可以运用路径分析、热力分析等手段找出中台应用设计的问题，洞察潜在需求，以改善用户体验。对于中台用户运营而言，由于企业内部用户通常不会明确尖锐地表达问题和需求，他们的想法往往是，中台实现不了我就自己解决。一旦数据中台成为一个空壳，就非常容易被忽视。

第三，提升用户体验。我们需要主动开展数据运营，以便发现中台中用户的相关问题和需求，与他们建立密切沟通，提升用户满意度。

2.4 数据中台的产品运营

下面聊聊数据中台的产品运营。

我们需要让用户勤于使用，更乐于使用。这一步中首先要做的是提升平台的用户体验，以及为他们提供有价值的数据产品。因此，中台需要有强大的产品运营团队，一方面能够通过中台迅速生产并发布优质数据产品，另一方面能在更大范围内推广这些产品，让更多用户使用。

例如数据的资产价值排名，可以把当前数据资产的完备度，按照被点击量、被使用量这些维度来排名，以帮助用户迅速找到所需数据资产。我们同样可以提供像是最受欢迎数据产品的排名栏目，基于用户的使用次数以及目标用户群体中的占比情况，得出最受欢迎的数据产品清单。

此外，我们可以根据用户的岗位角色进行精准推送，根据用户可能感兴趣的内容或为其设定订阅和预警功能，使其可以获得有帮助的数据集或数据产品。同时，我们还应将数据产品进行归类并打上标签，形成产品特征，以便用户更加清晰、高效地了解自身的数据体系。

2.5 数据中台的社区运营

最后是数据中台的社区运营。

中台是一个生态系统，同样也是一个社区。如果希望企业的中台能够蓬勃发展，就必须积累大量用户，并提高活跃度和参与度。因此，百分点科技应将整个中台视为一个社区进行运营，数据团队作为平台的构建与运营方，业务部门则是这个平台的租户与用户。我们需要将他们拉拢起来，开展一系列社区运营活动。

比如举办多种数据创新竞赛，以提高大家利用数据的积极性，激发优质的创新想法。除此之外，还可以组织专题讨论和兴趣小组，在企业内部开展针对各种业务主题的专题讨论，通过人与人之间的联系打通数据孤岛，鼓励大家发表个人观点。

03 企业数字化的体系与组织构建

运营优化的重要根基是其保障体系，因为数字化转型本身即是一项复杂、漫长且艰巨的任务，因此必须具备相应的保障体系，否则无法持续运营下去。这个保障体系主要包括组织保障、资源保障、机制保障以及资金投入等方面的支持。事实上，企业应该自上而下地建立起适应性的组织架构，底层就应具备制定数据制度的基础，顶层也应持续投资，这样才能推动数据化业务的发展，满足各方对于数据应用的需求。