數據的重要性已經(jīng)被越來(lái)越多的公司、個(gè)人所熟知與接受，甚至于有過(guò)猶不及之勢頭。大數據的概念滿(mǎn)天飛，似乎一夜之間人人都在談?wù)摯髷祿?，?jiàn)了面不用大數據打招呼，好像就不是在數據圈子里混的了。那么，被外界傳得神乎其神的數據，到底可以在哪些方面促進(jìn)業(yè)務(wù)的騰飛?或者換種說(shuō)法，業(yè)務(wù)對數據有哪些層次的需求?數據在哪些地方能夠幫助業(yè)務(wù)?

結合筆者多年的工作經(jīng)驗以及對數據與業(yè)務(wù)的理解，業(yè)務(wù)對數據的需求歸納為四個(gè)層次。

第1層：知其然

我們可以通過(guò)建立數據監控體系，掌握發(fā)生了什么、程度如何，做到“知其然”。

具體來(lái)說(shuō)，切入數據的角度主要有這幾個(gè)方面。首先是“觀(guān)天”，觀(guān)察行業(yè)整體趨勢、政策環(huán)境影響;再是“知地”，了解競爭對手的表現;最后是“自省”，自身做得怎么樣了，自己的數據表現怎么樣。從看數據的周期上來(lái)講，“觀(guān)天”可以是季度性或者更長(cháng)的周期;“知地”按周或者月，特殊時(shí)間點(diǎn)、特殊事件情況下除外;“自省”類(lèi)的數據拿到的是最全面的，需要天天看，專(zhuān)門(mén)有人看，有人研究。

在這一層上，分享兩個(gè)看數據的觀(guān)點(diǎn)：

1. 數據是散的，看數據需要有框架。

怎么看數據很有講究。零碎的數據很難發(fā)揮出真正的價(jià)值，把數據放到一個(gè)有效的框架里，才能發(fā)揮整體價(jià)值。所謂有效的框架至少包含兩重作用：

(1) 數據很多，不同人對數據需求不一樣，如CEO、中層管理者、底層員工關(guān)注的數據通常是不一樣的，有效的框架能夠讓不同的人各取所需。

(2) 有效的框架能夠快速地定位問(wèn)題所在。舉個(gè)例子，交易量指標大家都關(guān)心，如果某一天交易量指標掉了20%，那么，業(yè)務(wù)很大可能下是出了問(wèn)題，但問(wèn)題到底出在哪兒呢?如果只有幾個(gè)高度抽象的指標，如轉化率、成交人數、客單價(jià)等，是定位不到問(wèn)題的。好的框架能夠支持我們往下鉆，從品類(lèi)、流量渠道等找到問(wèn)題所在，板子也就能打到具體的負責人身上了。這也是我們通常所說(shuō)的，看數據要落地。

2. 數據，有比較才有真相。

我有120斤，你說(shuō)是重還是輕呢?一個(gè)孤零零的數據是很難說(shuō)明問(wèn)題的。判斷某個(gè)指標增長(cháng)快慢，需要選擇正確的比較對象、參考系，也就是基準線(xiàn)。這個(gè)基準線(xiàn)可以是一個(gè)預先設定的目標，可以是同行業(yè)平均水平，也可以是歷史的同期數據。

第2層：知其所以然

通過(guò)數據看到了問(wèn)題，走到這一步還不夠。數據只是表象，是用來(lái)發(fā)現、描述問(wèn)題的，實(shí)操中解決問(wèn)題更重要。數據結合業(yè)務(wù)，找到數據表象背后的真正原因，解決之。解決問(wèn)題的過(guò)程就會(huì )涉及數據、數據加工，還可能會(huì )涉及數據模型之類(lèi)的方法或者是工具，這里面技術(shù)含量比較高，另作篇幅介紹，這里不展開(kāi)了。

在第二層里也有兩點(diǎn)分享：

1. 數據是客觀(guān)的，但對數據的解讀則可能帶有很強的主觀(guān)意識。

數據本身是客觀(guān)的，但消費數據的是有主觀(guān)能動(dòng)性的人。大家往往在解讀數據的時(shí)候帶入主觀(guān)因素：同樣一個(gè)數據在A(yíng)看來(lái)結論可能是好的，從B看來(lái)可能卻得出截然相反的結果。不是說(shuō)出現這樣的情況不好，真理越辯越明。但假如不是通過(guò)數據找問(wèn)題，而是先對問(wèn)題定性，然后有選擇地利用數據證明自己的觀(guān)點(diǎn)，這種做法就不可取了?？墒聦?shí)上，我們的身邊經(jīng)常發(fā)生這樣的事情。

2. 懂業(yè)務(wù)才能真正懂數據。

車(chē)品覺(jué)老師的博文《不懂商業(yè)就別談數據》對這個(gè)觀(guān)點(diǎn)作了深刻闡述，這里不展開(kāi)講了。只是由于本觀(guān)點(diǎn)的重要性，筆者特意拿出來(lái)做一下強調。

第3層：發(fā)現機會(huì )

利用數據可以幫助業(yè)務(wù)發(fā)現機會(huì )。舉個(gè)例子：淘寶上有中老年服裝細分市場(chǎng)，有大碼女裝市場(chǎng)，這些市場(chǎng)可以通過(guò)對周邊環(huán)境的感知，了解到我們身邊有一些中老年人或者胖MM在淘寶上面沒(méi)有得到需求的滿(mǎn)足。那么還有沒(méi)有其他的渠道找到更多的細分市場(chǎng)呢?

數據可以!

通過(guò)用戶(hù)搜索的關(guān)鍵詞與實(shí)際成交的數據比較，發(fā)現有很多需求并沒(méi)有被很好地滿(mǎn)足，反映出需求旺盛，但供給不足。假如發(fā)現了這樣的細分市場(chǎng)，公布出來(lái)給行業(yè)小二，公布出來(lái)給賣(mài)家，是不是可以幫助大家更好地去服務(wù)消費者呢?這個(gè)例子就是現在我們在做的“潛力細分市場(chǎng)發(fā)現”項目。

講這個(gè)案例，不是想吹牛數據有多厲害，而是想告訴大家：數據就在那里，有些人熟視無(wú)睹，但有些人卻可以從中挖出“寶貝”來(lái)。差異是什么呢?商業(yè)感覺(jué)。剛剛提到的搜索數據、成交數據很多人都能夠看到，但以前沒(méi)有人把這兩份數據聯(lián)系在一起看，這背后體現出的就是商業(yè)感覺(jué)。

第4層：建立數據化運營(yíng)體系

我理解的數據化運營(yíng)，包含了兩重意思：數據作為間接生產(chǎn)力和直接生產(chǎn)力。

1. 數據作為間接生產(chǎn)力。

所謂間接生產(chǎn)力，是指數據工作者將數據價(jià)值通過(guò)運營(yíng)傳遞給消費者，即通常所說(shuō)的決策支持，數據工作者產(chǎn)出報表、分析報告等供各級業(yè)務(wù)決策者參考。我稱(chēng)之為決策支持1.0模式。然而隨著(zhù)業(yè)務(wù)開(kāi)拓和業(yè)務(wù)人員對數據重要性理解的增強，對數據的需求會(huì )如雨后春筍般冒出來(lái)，顯然單單依賴(lài)人數不多的分析師是滿(mǎn)足不了的。授人以魚(yú)不如授人以漁，讓運營(yíng)、產(chǎn)品的同學(xué)都能夠進(jìn)行數據分析，是我腦子中的決策支持2.0模式。

決策支持2.0模式有三個(gè)關(guān)鍵詞：產(chǎn)品、能力、意愿。

讓運營(yíng)和PD掌握SQL這類(lèi)取數語(yǔ)言，掌握SAS、SPSS這類(lèi)分析工作，顯得不大現實(shí)和必要。提供低門(mén)檻、用戶(hù)體驗良好的數據產(chǎn)品是實(shí)現決策支持2.0模式的基礎。這里講的產(chǎn)品，不僅僅是操作功能集，還需要承載分析思路和實(shí)際案例。

但是，數據分析的門(mén)檻始終是存在的。這就對運營(yíng)和PD提出了新的基本能力要求，即基礎的數學(xué)能力、邏輯思考能力和學(xué)習能力。

最后一個(gè)意愿，也許是最關(guān)鍵的，只有內心有強烈的驅動(dòng)，想做好這件事情的時(shí)候，才有可能做好。

2. 數據作為直接生產(chǎn)力。

所謂直接生產(chǎn)力，是指數據工作者將數據價(jià)值直接通過(guò)前臺產(chǎn)品作用于消費者。時(shí)髦點(diǎn)講，叫數據變現。隨著(zhù)大數據時(shí)代的到來(lái)，公司管理層越來(lái)越重視這一點(diǎn)。大數據時(shí)代帶來(lái)了大的機會(huì )，但也可能是大災難。如果不能利用數據產(chǎn)生價(jià)值，那么，它就是一個(gè)災難——產(chǎn)生的數據越多，存儲的空間、浪費的資源就越多。

現在比較好理解的一個(gè)應用就是關(guān)聯(lián)推薦， 你買(mǎi)了一個(gè)商品之后，給你推薦一個(gè)最有可能再買(mǎi)的商品。個(gè)性化是數據作為直接生產(chǎn)力的新浪潮，這個(gè)浪潮已經(jīng)越來(lái)越近。數據工作者們，做好迎接的準備吧。