編輯導(dǎo)語(yǔ)：用戶紅利消失，獲客成本也在逐步攀升，用戶數(shù)據(jù)成為企業(yè)增長(zhǎng)的新方向。如何用數(shù)據(jù)驅(qū)動(dòng)增長(zhǎng)，助力企業(yè)用戶增長(zhǎng)？作者總結(jié)了建設(shè)數(shù)據(jù)分析平臺(tái)的意義以及如何用數(shù)據(jù)驅(qū)動(dòng)增長(zhǎng)的四步進(jìn)階法，一起來(lái)看看。

一、現(xiàn)狀

背景：

• 用戶紅利消失，獲客成本攀升
• 用戶數(shù)據(jù)資產(chǎn)成為企業(yè)增長(zhǎng)的新方向
• 企業(yè)與用戶的交互終端日益多樣化

問(wèn)題：

隨著公司的發(fā)展，用戶量越來(lái)越大，每個(gè)月花出去營(yíng)銷的費(fèi)用驚人，卻無(wú)法準(zhǔn)確的評(píng)估效果如何。結(jié)合網(wǎng)約車案例列舉出大概以下問(wèn)題：

• 用戶注冊(cè)來(lái)了平臺(tái)為什么不下單？下單轉(zhuǎn)化率低。
• 消息推送效率極低，無(wú)法精準(zhǔn)推送，消息應(yīng)該發(fā)送給誰(shuí)，ws目前的推送往往是全部推送或者分城市、部分手機(jī)號(hào)推送消息，采用這種推送方式的弊端是不確定用戶是否對(duì)消息感興趣點(diǎn)擊閱讀消息，不知道有多少用戶點(diǎn)擊消息了，又有多少用戶通過(guò)消息推送參與了后續(xù)的動(dòng)作，對(duì)用戶一連串的操作行為無(wú)法追蹤，從而判斷消息推送的效果如何。
• 對(duì)用戶的價(jià)值、偏好、屬性、打車習(xí)慣、歷史打車痕跡、消費(fèi)頻次等一無(wú)所知，更談不上對(duì)用戶做用戶畫(huà)像、用戶分層、用戶會(huì)員等級(jí)、用戶分類、數(shù)字化營(yíng)銷。
• 平臺(tái)用戶量雖大，但用戶活躍度極低，沉默用戶量巨大。
• 用戶參加活動(dòng)，中途跳出應(yīng)用不玩了，司機(jī)注冊(cè)賬號(hào)后不完善資料等種種環(huán)節(jié)跳出率非常高。
• 在活動(dòng)策劃的過(guò)程中很難界定要發(fā)放多大面值的優(yōu)惠券，應(yīng)該發(fā)給哪些群體的用戶。

目標(biāo)：

構(gòu)建用戶數(shù)據(jù)分析平臺(tái)，助力企業(yè)用戶增長(zhǎng)。

二、建設(shè)數(shù)據(jù)分析平臺(tái)的意義

對(duì)于公司來(lái)說(shuō)每一筆的費(fèi)用都是有預(yù)算且有限的，通過(guò)數(shù)據(jù)分析希望花出去的每一分錢(qián)都是能夠看得見(jiàn)的效果，每一個(gè)進(jìn)來(lái)平臺(tái)的用戶都能留下來(lái)，且長(zhǎng)期活躍，而且能夠反復(fù)為平臺(tái)創(chuàng)造收益，付費(fèi)轉(zhuǎn)化的。

三、構(gòu)建數(shù)據(jù)驅(qū)動(dòng)四步進(jìn)階法

從業(yè)務(wù)的角度上講，數(shù)據(jù)分析從理念到落地主要分為四個(gè)階段，分別是有數(shù)據(jù)、看數(shù)據(jù)、分析數(shù)據(jù)、應(yīng)用數(shù)據(jù)。

• 有數(shù)據(jù)：企業(yè)數(shù)據(jù)的多寡、類型等與它可實(shí)現(xiàn)的價(jià)值存在巨大的彈性發(fā)揮空間,需要結(jié)合業(yè)務(wù)實(shí)際情況綜合考量。
• 看數(shù)據(jù)：所謂會(huì)看數(shù)據(jù),是可以看出數(shù)據(jù)與業(yè)務(wù)的關(guān)聯(lián),并為釋放價(jià)值鋪路。
• 分析數(shù)據(jù)：企業(yè)通過(guò)分析數(shù)據(jù)來(lái)定位問(wèn)題點(diǎn)機(jī)會(huì)點(diǎn),并在該過(guò)程中找到解決方案的啟示和方向。
• 應(yīng)用數(shù)據(jù)：該階段的數(shù)據(jù)分析與業(yè)務(wù)緊密結(jié)合,如個(gè)性化推薦、精準(zhǔn)營(yíng)銷、產(chǎn)品迭代等。

1. 有數(shù)據(jù)：要什么數(shù)據(jù)？怎么采集數(shù)據(jù)?

數(shù)據(jù)基礎(chǔ)建設(shè)不可忽視。數(shù)據(jù)基礎(chǔ)是數(shù)據(jù)應(yīng)用的底盤(pán),如果底盤(pán)不穩(wěn)，其上面的建筑根本無(wú)法搭建。

（1）采集的數(shù)據(jù)類型及優(yōu)先級(jí)

不同量級(jí)以及類型的數(shù)據(jù)所蘊(yùn)含的價(jià)值釋放空間千差萬(wàn)別，企業(yè)需要結(jié)合實(shí)際業(yè)務(wù)需求評(píng)估數(shù)據(jù)采集的優(yōu)先級(jí)與內(nèi)在邏輯。

結(jié)合用戶行為分析的邏輯，在第一步會(huì)聚焦d -Mapping-的打通；第二步進(jìn)行端內(nèi)的通用數(shù)據(jù)和主流程數(shù)據(jù)采集，收集核心關(guān)聯(lián)的用戶數(shù)據(jù)；第三步采集細(xì)粒度及更豐富維度的業(yè)務(wù)數(shù)據(jù)，最終使行為數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)、用戶數(shù)據(jù)形成一個(gè)可運(yùn)轉(zhuǎn)的機(jī)制，擴(kuò)大數(shù)據(jù)本身的協(xié)同效應(yīng)，如下圖，為不同類型數(shù)據(jù)的價(jià)值劃分。

2. 看數(shù)據(jù)：看什么？怎么看?

本質(zhì)上，看數(shù)據(jù)可以拆分為兩個(gè)關(guān)鍵問(wèn)題：第一，看什么數(shù)據(jù)？第二，怎么看數(shù)據(jù)?

看什么數(shù)據(jù)?

整體上，企業(yè)可從上到下折分為目標(biāo)KPI、業(yè)務(wù)場(chǎng)景、指標(biāo)體系三個(gè)維度看數(shù)據(jù)。

（1）目標(biāo)kPI

目標(biāo)KPI，一般由企業(yè)本身的業(yè)務(wù)模式與業(yè)務(wù)發(fā)展階段決定,有的企業(yè)稱之為第一關(guān)鍵指標(biāo)或北極星指標(biāo)，大部分企業(yè)的目標(biāo)KPI是一個(gè)綜合性的數(shù)據(jù)，如DAU，其可拆解成新客戶拉新、老客戶活躍、流失用戶回流等。

通常情況下，企業(yè)的目標(biāo)KPI可定為：累計(jì)客戶數(shù)、活躍客戶數(shù)、交易客戶數(shù)、交易訂單量、交易總額、留存率、復(fù)購(gòu)率。

（2）業(yè)務(wù)場(chǎng)景

企業(yè)達(dá)成目標(biāo)KPI的過(guò)程中，需要將其細(xì)分為不同業(yè)務(wù)場(chǎng)景完成。本質(zhì)上，各個(gè)業(yè)務(wù)場(chǎng)景均具備其運(yùn)作的業(yè)務(wù)流與相關(guān)影響因子。

通常情況下，企業(yè)的業(yè)務(wù)場(chǎng)景可劃分為：推廣拉新、產(chǎn)品體驗(yàn)、資源位運(yùn)營(yíng)、內(nèi)容運(yùn)營(yíng)、客戶運(yùn)營(yíng)、活動(dòng)運(yùn)營(yíng)、商戶運(yùn)營(yíng)等。

（3）指標(biāo)體系

業(yè)務(wù)場(chǎng)景進(jìn)一步可細(xì)分為可評(píng)估的指標(biāo)體系。這些細(xì)粒度的數(shù)據(jù)可以輔助企業(yè)明確成敗的深層次影響因素，并指導(dǎo)優(yōu)化下一步的動(dòng)作。

在從業(yè)務(wù)場(chǎng)景拆到指標(biāo)體系的過(guò)程中，企業(yè)需要按照新的業(yè)務(wù)模式，使其與產(chǎn)品、運(yùn)營(yíng)、市場(chǎng)等實(shí)際業(yè)務(wù)及發(fā)展階段建立強(qiáng)相關(guān)的業(yè)務(wù)邏輯。

需要注意的是，不管是哪一種維度下的指標(biāo)，由于指標(biāo)應(yīng)用時(shí)涉及到多部門(mén)，為了提高指標(biāo)體系的普適性以及避免歧義，在梳理指標(biāo)體系之初,指標(biāo)口徑或者定義需要明確清楚。

怎么看數(shù)據(jù)?

（1）看數(shù)據(jù)的5大角度

與常見(jiàn)的匯報(bào)數(shù)據(jù)不同，看數(shù)據(jù)需要多維深入全面的看，可從量級(jí)、趨勢(shì)、異常、結(jié)構(gòu)、細(xì)分五個(gè)維度綜合分析，具體如下:

其一，看量級(jí),即數(shù)據(jù)的多寡；

其二看趨勢(shì)，即通過(guò)數(shù)據(jù)的升降，判斷企業(yè)業(yè)務(wù)健康度走向；

其三看異常，即看數(shù)據(jù)驟然的升降，定位機(jī)會(huì)點(diǎn)或問(wèn)題點(diǎn)；

其四看結(jié)構(gòu)，即了解數(shù)據(jù)的組成、組成占比、優(yōu)先級(jí)等；

其五看細(xì)分，即通過(guò)細(xì)分維度的數(shù)據(jù)，結(jié)合產(chǎn)品的具體形態(tài)，推敲數(shù)據(jù)背后可能存在的具體含義，如查看A中安卓和iOS操作系統(tǒng)的占比，分析用戶的特征或偏好，若使用華為手機(jī)系統(tǒng)多，則商務(wù)人士用戶占比高，若使用OPPO、vvO系列手機(jī)多，則娛樂(lè)發(fā)燒友用戶占比高等。

（2）評(píng)估數(shù)據(jù)體系的四個(gè)維度

其一，看企業(yè)的源數(shù)據(jù)結(jié)構(gòu)如何，是否具備一個(gè)合理、有結(jié)構(gòu)、有秩序的源數(shù)據(jù)體系，以及源數(shù)據(jù)管理是否在持續(xù)更新代;

其二，概覽體系建設(shè)如何，是否已建成一個(gè)相對(duì)有邏輯體系的概覽，該概覽是否能幫助企業(yè)看大盤(pán)數(shù)據(jù)和看實(shí)時(shí)數(shù)據(jù)；

其三，各業(yè)務(wù)線的數(shù)據(jù)看板建設(shè)如何，如產(chǎn)品、運(yùn)營(yíng)、市場(chǎng)各個(gè)不同的職能線是否有相應(yīng)的數(shù)據(jù)看板，甚至不同業(yè)務(wù)線的子團(tuán)隊(duì)，有無(wú)對(duì)應(yīng)看板;

其四，數(shù)據(jù)權(quán)限的體系建設(shè)如何，權(quán)限劃分是否明確、科學(xué)和安全等。

3. 分析數(shù)據(jù)：為什么？怎么做？

分析數(shù)據(jù)的目的與終點(diǎn)都是業(yè)務(wù)，因此數(shù)據(jù)和分析能力只是分析數(shù)據(jù)的一個(gè)小環(huán)，而對(duì)業(yè)務(wù)的理解與判斷能力對(duì)分析價(jià)值的貢獻(xiàn)和影響占比更多從分析者能力與業(yè)務(wù)結(jié)合的角度來(lái)說(shuō)，第一階的數(shù)據(jù)分析師可以明確分析出問(wèn)題的原因；第二階的數(shù)據(jù)分析師可以提出一些針對(duì)性的可行建議；第三階的數(shù)據(jù)分析師可將優(yōu)化建議抽象為一個(gè)常規(guī)運(yùn)作機(jī)制，并使該機(jī)制自動(dòng)化與流程化。

結(jié)合業(yè)務(wù)的數(shù)據(jù)分析，基本上可概括為3個(gè)較常見(jiàn)的場(chǎng)景。

場(chǎng)景一：異常情況找原因

異常情況找原因是常見(jiàn)的分析場(chǎng)景，主要是確認(rèn)數(shù)據(jù)變化受什么影響，大體可分為2個(gè)分析方向：有頭緒和沒(méi)頭緒。

（1）有頭緒—驗(yàn)證式

有頭緒的數(shù)據(jù)分析，一般為驗(yàn)證式，依靠業(yè)務(wù)和分析經(jīng)驗(yàn)，效率高，但可能忽略其他因素，分析邏輯如下圖：

一般情況下，有頭緒的數(shù)據(jù)分析已關(guān)聯(lián)了23種原因假設(shè)，其中的1個(gè)關(guān)鍵影響因素可能影響數(shù)據(jù)下降或上升70%-80%，通過(guò)原因假設(shè)的數(shù)據(jù)表現(xiàn)及對(duì)應(yīng)的數(shù)據(jù)細(xì)分維度層層分析，會(huì)非常高效的找到問(wèn)題答案。

（2）沒(méi)頭緒—探索式

沒(méi)頭緒的數(shù)據(jù)分析，一般為探索式,要基于數(shù)據(jù)可能性做試探，效率低，容易上手，分析邏輯如下圖：

沒(méi)頭緒的數(shù)據(jù)分析要像技術(shù)排查一樣做窮舉，進(jìn)行探索式分析,此時(shí)，企業(yè)數(shù)據(jù)采集的完備性對(duì)分析的效率和結(jié)果具有重要影響。

探索式分析方法比較低效，因此數(shù)據(jù)分析師需要培養(yǎng)自己的業(yè)務(wù)感知，積累自身經(jīng)驗(yàn)提高判斷力，盡量采用驗(yàn)證式分析方法。

場(chǎng)景二：業(yè)務(wù)迭代的效果評(píng)估

業(yè)務(wù)選代評(píng)估效果的分析邏輯相對(duì)固定，一般為了解業(yè)務(wù)原始狀態(tài)，采取的改動(dòng)措施及采集的相關(guān)衡量指標(biāo)數(shù)據(jù)，再根據(jù)指標(biāo)變化趨勢(shì)分析優(yōu)化效果。以下，為業(yè)務(wù)選代評(píng)估效果的三個(gè)評(píng)估診斷原則：

其一，指標(biāo)準(zhǔn)確全面，即業(yè)務(wù)意義準(zhǔn)確，核心維度全面；

其二，數(shù)據(jù)可比性強(qiáng)，即保證兩組分析的數(shù)據(jù)本身具備可比較性，如用戶結(jié)構(gòu)相同，外部環(huán)境不變，保證兩組數(shù)據(jù)之間唯一的干預(yù)因子為實(shí)驗(yàn)方案；

其三，分析邏輯清晰，即分析思路清晰、分析模型科學(xué)。

（1）數(shù)據(jù)驅(qū)動(dòng)的選代全景圖

企業(yè)不僅要通過(guò)數(shù)據(jù)分析明確數(shù)據(jù)變化的成因，還有從中找到破局點(diǎn)因此，企業(yè)首先要明確業(yè)務(wù)的增長(zhǎng)目標(biāo)，再聚焦目標(biāo)做全方位分析診斷，從中發(fā)現(xiàn)解決方案或思路，進(jìn)行優(yōu)化選代，最后形成開(kāi)發(fā)上線、效果評(píng)估、優(yōu)化方案的閉環(huán)，如下為數(shù)據(jù)驅(qū)動(dòng)的選代全景圖：

（2）如何尋找增長(zhǎng)點(diǎn)？

企業(yè)尋找業(yè)務(wù)增長(zhǎng)點(diǎn)分為三步：打蛇打七寸，明確第一關(guān)鍵指標(biāo)；構(gòu)建增長(zhǎng)模型，定位增長(zhǎng)點(diǎn)；結(jié)合業(yè)務(wù)場(chǎng)景，確定具體動(dòng)作方案。

① 明確第一關(guān)鍵指標(biāo)

企業(yè)可以從兩個(gè)維度找到第一關(guān)鍵指標(biāo)：

其一，業(yè)務(wù)模式企業(yè)首先需要洞察產(chǎn)品或業(yè)務(wù)給用戶提供的真正價(jià)值，以此構(gòu)建價(jià)值模型，明確量化指標(biāo)，同時(shí)，還需要明確企業(yè)的主要業(yè)務(wù)在頻率與價(jià)格上現(xiàn)的特征趨勢(shì)，因?yàn)檫@很大程度上決定了數(shù)據(jù)運(yùn)作的上限。

比如，關(guān)于企業(yè)提升用戶留存，如果企業(yè)本身產(chǎn)品的使用頻次，與其能夠?yàn)橛脩籼峁┑膬r(jià)值受到限制，不管企業(yè)付出多少努力，也很難實(shí)現(xiàn)長(zhǎng)期留存。因此，數(shù)據(jù)表現(xiàn)由業(yè)務(wù)模式?jīng)Q定，不同的業(yè)務(wù)模式存在不同的天花板。

其二，AARRR，即在業(yè)務(wù)模式既定的情況下，各環(huán)節(jié)的數(shù)據(jù)表現(xiàn)與其承接的結(jié)構(gòu)能力，是企業(yè)判定第一關(guān)鍵指標(biāo)或增長(zhǎng)目標(biāo)的重要影響因素。

② 構(gòu)建增長(zhǎng)模型

拆解第一關(guān)鍵指標(biāo)，可構(gòu)建出相應(yīng)的增長(zhǎng)模型，如常見(jiàn)的GMV的拆分等。根據(jù)增長(zhǎng)模型可清晰的定位增長(zhǎng)點(diǎn)。

③ 業(yè)務(wù)場(chǎng)景

企業(yè)可從幾個(gè)關(guān)聯(lián)的業(yè)務(wù)場(chǎng)景出發(fā)設(shè)定具體動(dòng)作方案提升業(yè)務(wù)場(chǎng)景的數(shù)據(jù)表現(xiàn)，最終提升增長(zhǎng)模型中的核心杠桿率，從而促進(jìn)第一指標(biāo)的提升。該尋找業(yè)務(wù)增長(zhǎng)突破點(diǎn)的思路，可概括為下圖：

（3）如何尋找解決方案？

尋找解決方案的分析思路共分為5步：明確業(yè)務(wù)場(chǎng)景；構(gòu)建指標(biāo)體系；深入特征挖掘；深層原因分析；確定解決方案。

① 明確業(yè)務(wù)場(chǎng)景

常見(jiàn)的業(yè)務(wù)場(chǎng)景有：新用戶全流程、核心主流程、頁(yè)面流量分發(fā)、搜索、促銷活動(dòng)老拉新等在數(shù)據(jù)分析時(shí)，首先需明確關(guān)鍵業(yè)務(wù)場(chǎng)景，如新用戶全流程分析，分析師需要確定用戶旅程中不同節(jié)點(diǎn)的里程碑，再根據(jù)里程碑中的激勵(lì)策略，業(yè)務(wù)轉(zhuǎn)化能力進(jìn)行指標(biāo)體系的設(shè)計(jì)，來(lái)評(píng)估整個(gè)環(huán)節(jié)的效果。

② 指標(biāo)體系

一般指標(biāo)體系的構(gòu)建可分為四類，量級(jí)指標(biāo)、效率指標(biāo)、結(jié)構(gòu)指標(biāo)、細(xì)分維度。

③ 特征挖掘

特征挖掘一般包括規(guī)模特征、趨勢(shì)特征、過(guò)程特征、結(jié)構(gòu)特征及異常點(diǎn)的挖掘特征挖掘的分析過(guò)程需要看數(shù)據(jù)全局，再下鉆分析各個(gè)細(xì)分維度，高亮出異?；蛱厥獾臄?shù)據(jù)，再進(jìn)行原因分析。

④ 原因分析

原因分析可結(jié)合模式/階段、業(yè)務(wù)大動(dòng)作、功能流程設(shè)計(jì)、運(yùn)營(yíng)活動(dòng)上線、營(yíng)銷投放等方面進(jìn)行分析，這些因素均有可能引起數(shù)據(jù)的變化。

⑤ 解決方案

在確定業(yè)務(wù)的解決方案時(shí)，往往不是一而就的可以先確定優(yōu)化方向，再進(jìn)行進(jìn)一步的分析，繼而確定優(yōu)化方案，如果需要優(yōu)化的點(diǎn)較多，還需要確定優(yōu)化優(yōu)先級(jí)。

如下圖，為尋找解決方案的思路概括。

應(yīng)用數(shù)據(jù)：怎么用？有什么價(jià)值？

從通道、粒度、時(shí)效性劃分?jǐn)?shù)據(jù)應(yīng)用，可以構(gòu)建一張數(shù)據(jù)應(yīng)用全景圖，如下：

• 粒度：指可具體到群體還是精準(zhǔn)化個(gè)人，如其可決定一個(gè)因子是用規(guī)則類的分層，還是精細(xì)到個(gè)人的推薦算法；
• 通道：指在產(chǎn)品內(nèi)，還是產(chǎn)品外，決定了其對(duì)應(yīng)的應(yīng)用場(chǎng)景是什么產(chǎn)品內(nèi)的通道比如廣告資源位item欄日列表等；產(chǎn)品外的通道如短信、push、電銷、廣告等。
• 時(shí)效性：包含數(shù)據(jù)本身和數(shù)據(jù)分析的時(shí)效性等，在數(shù)據(jù)應(yīng)用中極其關(guān)鍵，特別是個(gè)性化推薦略更需要實(shí)時(shí)在線、個(gè)性化的千人千面展示。

（1）差異化展示：基于分發(fā)效率提升體驗(yàn)和業(yè)績(jī)

從數(shù)據(jù)應(yīng)用的真實(shí)場(chǎng)景來(lái)看，眾多大數(shù)據(jù)分析產(chǎn)品其邏輯基本上通過(guò)業(yè)務(wù)屬性、用戶屬性或行為特征數(shù)據(jù)提煉篩選人群分組標(biāo)簽，再根據(jù)人群分組標(biāo)簽匹配對(duì)應(yīng)的方案或內(nèi)容庫(kù)，繼而根據(jù)規(guī)則進(jìn)行是否展示和展示順序的判斷進(jìn)行個(gè)性化推薦，以達(dá)到提升體驗(yàn)、分發(fā)效率、業(yè)績(jī)等目標(biāo)。

不同產(chǎn)品的差別往往只在于實(shí)現(xiàn)這套體系時(shí)的內(nèi)容供給類型與時(shí)效性，這很大程度決定了實(shí)現(xiàn)需求本身的成本大小。

（2）個(gè)性化展示：產(chǎn)品內(nèi)個(gè)性化推薦實(shí)現(xiàn)原理

推薦系統(tǒng)中數(shù)據(jù)是非常關(guān)鍵的元素，比如需要組織訓(xùn)練數(shù)據(jù)進(jìn)行模型訓(xùn)練；計(jì)算用戶特征進(jìn)行用戶線上預(yù)測(cè)；內(nèi)容元數(shù)據(jù)進(jìn)行智能推薦等。

（3）差異化觸達(dá)營(yíng)銷：精準(zhǔn)名單輸出，匹配營(yíng)銷渠道，推動(dòng)目標(biāo)達(dá)成

通過(guò)用戶行為分析及行為特征進(jìn)行用戶分群，輸出精準(zhǔn)名單，然后匹配規(guī)則策略對(duì)接不同的通道/營(yíng)銷系統(tǒng)，進(jìn)行發(fā)短信/發(fā)Push，亦或是發(fā)券/發(fā)紅包的觸達(dá)等，這是產(chǎn)品外的一種營(yíng)銷機(jī)制，其最終的結(jié)果是目標(biāo)轉(zhuǎn)化。

在該場(chǎng)景中，對(duì)接的系統(tǒng)策略與時(shí)效性需結(jié)合業(yè)務(wù)實(shí)際需求來(lái)評(píng)估。比如，很多相對(duì)低頻的業(yè)務(wù)可能一個(gè)月并未累計(jì)幾條數(shù)據(jù)，極少量的數(shù)據(jù)從算法或規(guī)則策略運(yùn)行上來(lái)說(shuō)，其數(shù)據(jù)質(zhì)量很差，根本達(dá)不到?jīng)Q定策略更新的層級(jí)，其更新時(shí)間可做到T+30便已很好。

（4）價(jià)值實(shí)現(xiàn)和資源投入的矛盾

很多公司花較高的成本做應(yīng)用數(shù)據(jù)團(tuán)隊(duì)的搭建但最終的產(chǎn)出卻相差無(wú)幾，這是源于價(jià)值感知與資源投入不是正比關(guān)系，還需結(jié)合其他因素考量，如下圖。

應(yīng)用數(shù)據(jù)，從整個(gè)價(jià)值感知上來(lái)說(shuō)最直接，也受大多數(shù)老板重視。但事實(shí)上，存在一些業(yè)務(wù)的用戶差異度并不大時(shí)，其應(yīng)用數(shù)據(jù)的的價(jià)值也相對(duì)較弱，如業(yè)務(wù)非常低頻；

分析數(shù)據(jù)，分析數(shù)據(jù)的價(jià)值釋放與分析師的能力息息相關(guān)，若企業(yè)有較好的數(shù)據(jù)分析師團(tuán)隊(duì)，其釋放的價(jià)值會(huì)比圖中所示更大；

看數(shù)據(jù)，看數(shù)據(jù)是企業(yè)做好數(shù)據(jù)驅(qū)動(dòng)的第一步，因此其價(jià)值感知如圖所示進(jìn)行了放大；

數(shù)據(jù)生產(chǎn)整合，數(shù)據(jù)生產(chǎn)整合是投入資源較多，但整體價(jià)值感知較小的重要工作。

建議第一步做數(shù)據(jù)生產(chǎn)整合和看數(shù)據(jù)；第二步分析數(shù)據(jù)，需要企業(yè)做數(shù)據(jù)分析人才的培養(yǎng)，先了解業(yè)務(wù)，熟悉學(xué)習(xí)分析思路后再應(yīng)用；第三步是企業(yè)具備一定的數(shù)據(jù)基礎(chǔ)和數(shù)據(jù)分析人才時(shí)，再進(jìn)行應(yīng)用數(shù)據(jù)體系的建設(shè)。

本文由 @燦爛千陽(yáng) 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載。

題圖來(lái)自pexels，基于CC0協(xié)議。