每个时代的机遇性发展都有一个大的背景，我们只有在认清所处的背景，自身所处的位置和阶段，精准定位面对的最大问题，并解决它，才能抓住这个机遇。

——神策数据创始人&CEO 桑文锋

在以“场景赋能·驱动有数”为主题的 2018 神策数据驱动大会现场，桑文锋发表了名为《数据化建设的时代机遇》的主题演讲，分享了新时代数据化建设面临的挑战和机遇，并指出了企业落地数据驱动的方法论。

以下内容根据桑文锋的现场演讲整理所得，文末可免费下载完整版 PPT。

本文将为你重点介绍：

中国信息化建设所面临的问题

信息化建设由面向“业务流”转变为面向“数据流”

数据化建设之产品、运营及产品智能

行业成熟度及数据驱动的企业落地

中国信息化建设所面临的问题

以史为鉴，信息传递存在的三个问题

桑文锋以井冈山的故事为引子，阐释了一直以来信息传递面临的三个问题：

不及时，在过去信息从发出到使用者获取往往历经几个月时间；

不准确，经过间接传递会出现理解偏差，导致误传的情况；

不全面，长时间的传递过程中会遗漏信息，导致偏差性决策。

如今，信息传递问题解决了吗？答案是没有，但是近几十年，信息化建设使信息的传递速度和准确性有了可观的飞跃性进步。

面向“业务流”是信息化建设的核心问题

做好任何一件事，存在两个核心环节：决策和执行，两者缺一不可，相辅相成。

指令和反馈是通信的两个环节，也是决策和执行能无缝对接，发挥最大能量的“连接器”。指令，指决策要变成一个可执行的指令传递下去；反馈，只有通过反馈才能评估过程的进展和质量，同时有益于佐证决策，做出更科学正确的决策。

2000-2015 是 15 年的中国 IT 化建设时期，众多企业做了 OA、ERP、CRM 等的开发和应用，这些实际上是在解决指令的下达和传递问题，比如通过电子邮件可以把一个决策立刻传达下去。

解决了“指令”的实现，那么“反馈”呢？

执行过程的有效反馈很重要，大多数企业会通过周报和日报来进行工作执行的反馈，但是这种方式会忽略工作的细节和反馈的时效性。

我们可以将反馈分成两个部分：

一个是内部反馈。在内部，有一些工作是人工操作，存在没有记录进而导致缺数据的情况，且因为内部会存在多个不同的 IT 系统，会导致数据不互通的问题，比如市场部门和研发部门的数据。

另一个是外部反馈。在外部，反馈往往依赖市场调研机构，所获取的数据也通常不全面，还会出现反馈滞后、周期长的问题。

从根本上来说，面向业务流的信息化建设是核心问题，可以从传统和互联网两个角度来看。

面向业务流的信息化建设（传统）

传统企业，在企业的发展中工作结构和方式发生了从纯人工，到引入机器，再到建设 IT 系统的转变，例如，某个集团性公司的运作机制，会形成如上图的网状结构，一系列 IT 系统和不同职能线的人构成了整个服务体系，意味着缺少了人，这个体系就无法运转。

面向业务流的信息化建设（互联网）

互联网企业，像 BAT 这些互联网公司通过接近 20 年的发展，相比传统企业，整个体系运作起来相对完善，即使在一天内没有人工工作，整个服务受到的影响也不会很大，因为整个服务和系统的 IT 化还可以支持企业正常的有效运转。但这样就完成了反馈吗？并不一定，用户使用 IT 化系统的过程中，用户需求是否被有效地反馈很难决断，机器拥有的互动性和理解力与人相比，还是相差很多。

因此，11 年的从业经验，我都在思考如何有效地收集用户数据，并基于这些数据进行有效地反馈，让产品变得更加强大和智能。

事实上，过去的信息化建设是面对“业务流”的，也就是说，企业通过引入一些 IT 系统，减少某些业务职能，使整个服务能更高效地正常运转，不管是针对传统企业，还是互联网企业来说，在过去信息化建设的过程中，数据也只是 IT 化的副产品，这样会导致当业务存在问题时，没有数据支撑解决问题。

比如，电商业务中存在一些数据，运营人员想通过这些数据找到出现的问题和优化方案时，往往会发现数据不全，无法做深度的分析，所以，归根到底是底层思路的问题。

信息化建设转变为面向“数据流”

因此，解决信息化建设的根本问题，要在整个企业信息化建设过程中，实现面向“业务流”到面向“数据流”的转变，不单只是考虑业务流，而是更多考虑如何把整个数据体系建立起来，来支撑业务更好地发展。

那么，如何建设企业的数据流？

如图所示，未来 IT 系统的定位将改变，以前 IT 系统是核心，未来建 IT 系统是为了更好地收集数据，使数据流更高效地流转，最后再建立应用层，这样一来，不管是业务本身还是科学决策和产品智能都能更好地实现。

以神策数据的 ToB 数据流建设为例

神策数据就是 ToB 数据流建设的一个很好的例子，神策数据的整个业务对外有三个重要的环节：市场营销、销售和客户成功。

这三个环节覆盖了神策数据服务客户的整个全生命周期，不同的环节都会产生一些数据，通过整合营销、售前行为、销售行为、客户行为、业务等数据建立数据流，虽然建立的过程会出现一些挑战，但是一旦建立了完善的数据流，就会消除不同团队、各业务之间的割裂，让各部门为同一目标而努力（如下图），加速公司目标的实现。

数据化建设赋能产品迭代

今天，存在多种多样的产品形态，越来越复杂，用户在不同的场景使用不同的产品形态（如下图）。

为了更好地满足用户的需求，产品需要不断地迭代，某种意义上，“迭代”决定了一个产品的未来。

传统的产品迭代方式

传统的产品迭代方式相对简单，可以理解为两个步骤：点子和产品。

时至今日，依旧有很多互联网公司仅凭借一个好的想法，开始盲目地做产品，如此非常依赖于产品经理的悟性，但人难免犯错。所以，我们要思考如何让整个产品迭代的过程变得更加科学，面向数据流的产品迭代，就是一个科学的方式。

面向数据流的产品迭代

在传统的产品迭代方式中加入数据变成三个环节：点子、产品、数据。

如上图，有了数据的加入，我们在将想法转化为产品时，可实现建立可衡量的假设和指标、数据采集方案以及 A/B 测试的实施，让想法先得到科学的验证，再投入技术的开发，防止无畏的技术资源、时间、精力的浪费，实现投入产出比最大化产品迭代。

迭代后的产品会产生相关的新数据，通过数据分析，企业员工可以有所学习和思考，从而产生新的点子，然后让这个循环有效地运转下去。如此，将产品迭代变成一件科学的事情，所谓科学就是不断地假设、实验，验证。

数据化建设之数据驱动产品智能

通过迭代可以使产品不断改进，但是更多的时候我们期望产品能自动感知、适应、满足用户的实际所需，也就是产品智能。

所谓的智能，就是使产品具备学习能力，而具备学习能力，需要知识的输出与输入，对于机器来说，数据就是它最好的知识。将用户的行为数据、交易数据、业务数据等整合起来，使用一定的机器算法，构建产品的指令和反馈的闭环，也就使机器具备了决策和执行能力，实现了智能。

目前中国的智能发展还尚不完善，但是未来十几年，必定会出现新的变革。

数据化建设之运营革新

对于运营，数据化建设可以实现什么价值呢？如下图是一个电商运营人员发起一次营销活动的完整过程。

仔细观察整个过程，我们会发现多次的跨部门配合，使整个周期非常长，且不能得到实时的效果验证，最大的问题是，每次营销活动关于优化过程可汲取的经验很少，无法简化流程，也就是无法实现运营流程的迭代。

当搭建好数据流，可以实现运营人员做的每一步操作，不依赖于有具体的研发人员的配合，通过自助式操作可完成整个运营过程（如下图）。

构建可执行的运营分析闭环，从时效性和投入产出比，以及运营人员自身的提升都有很大的价值，如下图当有了数据根基，我们通过给用户打标签，实现用户分群，构建用户画像，并根据其制定运营策略，实施运营方案，实现用户触达，再通过效果分析，进行优化迭代，最终让每一次运营都变成一次学习。

数据化建设的行业成熟度

本文开头就介绍了把握机遇需要结合时代的大背景，下面我们来看看，目前中国大数据建设的行业成熟度。

通过调研结合实际经验，我将行业成熟度分为成熟、崛起、趋势三大类（如下图）：

数据化建设之数据驱动的企业落地

很多人对神策数据的认知仅停留在神策数据是做数据分析工具的，但是，一个工具不可能让一个企业实现业务数据驱动化。

事实上，实现企业真正落地数据驱动，需要具备以下三个条件：

老板及管理层有数据意识；

业务流程和组织要进行数据化改造；

重视数据采集，构建数据平台。

老板及管理层要有数据意识

一个企业变成真正数据化的核心是老板、管理层具有数据意识，能自上而下地推动数据驱动的落地。

假如，一线工作人员花费 2 天时间进行数据分析选出最优方案交给老板，最后老板还是凭他的喜好拍板做决定，那么以后就不会有人再去真正的做数据分析，而全部都想变成心理专家，去洞察老板的喜好。相反，如果老板本身有数据意识，员工开周会汇报工作，需要有数据为依据。那么，这个企业至少在形态上具备数据驱动的前提条件，即人人在意数据，也就是树立数据驱动文化。

从百度的第一天入职，“用数据说话”的文化就深深地印在了我的脑海，8 年时间在百度做任何事都要基于数据。探讨 Google 文化的《重新定义公司》这本书，其中有一大篇是讲 Google 是如何用数据说话的，例如 Paypal 表示有数据就有更大的自由权。

业务流程，组织的改造

前面已经阐述了很多业务流程改造的内容，这里不过多描述，简单来说，不管是市场、产品、运营、销售都要做到让数据成为核心的一部分，让自身成为整个流程的一个核心环节。

关于组织改造，公司中的各个部门，包括市场、产品、运营、研发等人员，都要基于数据流程对自己的定位进行改造。

对于业务人员不仅要提出数据需求，还要提出业务需求，业务需求和数据需求要同步提出。对于研发人员来说，要意识到整个产品开发跟数据收集，数据建设是同等重要的事情，不要觉得产品经理提数据需求是副产品，也许，未来评判一个研发工程师的标准，不仅要看开发和写程序的能力，还要看数据收集、数据建设上的能力如何。

数据采集与平台建设

神策数据非常重视数据源，数据采集是所有应用的根基，“大、全、细、时”是神策数据对数据源的认识。

关于神策数据体系和服务有三点。

第一，神策数据服务客户的过程本身就是迭代的过程。神策数据早期只有一个产品——神策分析，但随着业务应用点的增多，单一的一款用户分析产品无法全面帮助客户实现数据驱动。因此，神策数据在今天推出产品矩阵，今后也将继续迭代。

第二，将服务客户变成标准化和科学化的过程。神策数据拥有成熟的客户成功团队以及团队管理系统，在如何更好地服务解决客户的问题上，神策数据遵循“追求极致”。

第三，给客户提供系统化的咨询解决方案。企业并不能单靠引入一款产品解决所有实际问题 ，神策数据会围绕企业面临的具体情况，为其提供一个真正可执行的系统化解决方案。

写在最后的话

我对历史非常感兴趣，我认为通过阅读与历史相关的书籍和文章，可以加强对数据的认识，产生递进式的认知。比如：

《万历十五年》，作者为历史学家黄仁宇，这本书讲整个明朝的管理，一个国家是一个大企业，整个管理过程中的效率是一个非常大的问题。作者认为，真正要管理好一个国家，最重要的是数目字管理。

《反对本本主义》，90 年前的毛泽东写了这篇文章，其中有一句话“没有调查就没有发言权”经久不衰，在今天仍是真理。

这些是历史沉淀下来的真知灼见。我们走到这个蕴含机遇的十字路口，让中国数据化建设变得更好是我们的使命，相信未来，我们会一起创造中国的数据化建设辉煌！

温馨提示

☞2018 数据驱动大会亮点回顾，请戳官宣：神策 2018 数据驱动大会亮点回顾

☞星斗奖获奖详情，请戳“星斗奖”九大类奖项揭晓：好未来、四川航空，瑞幸咖啡杨飞、中青旅张晓磊

☞2018 数据驱动大会，请戳今天，“场景赋能•驱动有数”，神策数据 2018 数据驱动大会在京成功举办

点我下载 桑文锋详细版 PPT