神策数据徐美玲：数字化运营，从 1 到 100 的跨越

 

本文根据神策数据华南业务中心 leader & 咨询中心负责人徐美玲《数字化运营，从 1 到 100 的跨越》的分享整理所得。主要内容如下：

• 数字化运营的内涵

• 数字化运营体系的构建

• 数字化运营的困局与反思

• 实现从 1 到 100 的跨越

之所以从 1 而不是 0 开始，是因为我相信绝大部分企业已经有一定的数据基础，无非是在数据体系落地程度上有所差异。从 1 到 100，最核心的是要把数据的价值在业务中真正体现出来。本次分享将会从数据体系入手，讲述当下企业面临的现状，数字化运营体系落地过程中的一些思考，以及神策对企业在数字化运营方面的建议。

一、数字化运营的内涵

提到数字化运营的时候，很多人会有不同的认知，但真正的数字化运营究竟体现在哪些地方呢？

对应神策基于数据流的企业运营框架——SDAF，结合实际业务场景，我认为数字化运营主要体现在六个层面，如下图所示：

1.可度量

业务发展情况和变化程度都是可精准度量的。在度量这件事情上，有许多门道，比如我们期望通过什么样的指标去度量，它包括指标的定义和口径等。举个例子，在做活动效果分析时，企业是想分析独立的活动，还是想分析整个活动运营体系对业务大盘带来的提升？在不同的分析场景中，所参考的指标体系是不一样的。

一个好的度量体系，其完善性、业务价值的准确性以及对维度拆解和全方位诊断方面都是可以全面发挥价值的。

2.可分析

可分析与可度量最大的差异在于，可分析需要通过一定的分析方法、思路和框架，或者一些相对高阶的技术手段，来判断度量指标的合理性，以及指标改进的关键点等。

服务了 1500 余家企业之后，我们发现大多数企业在数据基础建设方面已经起步。在合作过程中，神策分析的灵活性和支持能力具有明显优势，它能够帮助企业梳理指标体系、配置应用上线等。但推进分析的难度相对较大，主要在于每一个分析都与业务主体和业务场景有着强相关性，同样一个数据指标的变化有可能是外部因素导致的，有可能是内部因素导致的，也有可能是周期规律性的因素导致的。

面对此类强业务关联性的分析场景，我们在接收到咨询需求时，必须要深入业务体系去考虑业务现状和接下来的动作，结合数据的表现，给予有价值的诊断和建议。也就是说，分析这件事儿对内部人员和外部接入人员在业务理解和数据分析的专业度方面要求更高。

但是，目前整体看下来，至少有 50% 的企业在分析这个层面没有做好。

3.可反馈

粗略来看，可反馈跟可度量是相似的，差别在于可反馈是针对某一项已经做过的事情的效果反馈，也就是说在某项已完成的活动或业务中，我们期望得到的反馈是哪个动作影响指标如何变化等。与度量大盘指标不同，可反馈有较强的精准指向性，通过精准衡量每一个动作带来的变化情况，基于归因分析和体系化洞察，实现可反馈。

通过观察，我们发现可反馈程度较高的企业有着共通之处，他们对业务变化的应对能力，对动作的归因能力都较强，一方面源于思路框架的强化，另一方面来自于对工具的高效使用。在正常业务流程中，可反馈是一个积少成多、量变影响质变的过程。

正如前面所讲，可反馈的本质是一个归因体系和逻辑，涉及到大量的数据处理，与动作和业务维度强相关，它所面临的挑战在于拿数和用数。

可度量、可分析、可反馈三个层面更偏向数据角度，但业务体系和数据体系属于并行耦合的关系。

4.可预测

预测最明显的表现在于它会根据过往的数据特征表现，结合业务场景逻辑，为业务提供指向性发展、前瞻性处理的建议。

最常见的可预测应用是智能预警。基于企业业务发展状况，对接下来三个月或者一年的业务发展做出预测，然后分配到每个月的业绩指标应该是多少。预测比度量更贴近业务，它指导业务目标的制定，在业务场景异常的判断方面有更强的业务耦合和指导价值。

对于某些需要调度区域资源的企业来说，可预测的精细化程度相对较高，因为外部影响因素过多，比如时间、天气、资源供给情况等，预测难度要比其他类型的企业更高。

从整体上来看，预测的难度不大，但是把目标管理，尤其是增量目标管理，以及业务异常智能预警做好，需要涉及算法或者更高级挖掘的技术，以及平台化的能力、可视化的应用与呈现、实时性等。

5.可决策

分析和预测的核心目的是指导决策，如果分析和预测对业务场景没有带来本质上的影响，就意味着分析和预测对决策的影响力不够理想。

决策在数据分析的完整链路中，难度相对较大。在大部分企业内部，分析团队和业务团队往往是两个不同的群体，他们在数据分析的专业度、对业务的理解和判断上有所差异，业务团队基于业务导向会优先考虑资源优先级，会站在整个大盘的增长体系中，考虑跟分析团队不一定强相关的业务逻辑，甚至有些业务团队会从内部利益出发，拒绝不能够带来明显利益的数据分析应用落地。

从我个人的经验来看，很多时候数据分析驱动决策跟企业的一把手或者业务负责人的认知、理念强相关。

另一个方面，我见过越来越多的数据分析能力强的人开始自己干业务了。因为推动太难，当自己的业务思路和方向性足够强࿰