本文根據張明明老師在〖deeplus直播第256期〗線上分享演講内容整理而成。
張明明
《資料營運之路：掘金資料化時代》作者
美菜網 政策規劃中心 負責人
- 15年跨國消費品公司，創業公司及市場研究公司從業經曆，積累了豐富的商業資料研究、系統搭建與企業資訊整合相關的實踐經驗，對企業整合分析、市場與消費者研究、資料應用市場等有深入的了解；
- 《資料營運之路：掘金資料化時代》作者，在讀博士。
一、零售資料五十年
1、分銷階段：零售啟蒙（80s-90s）
先來講講零售資料五十年，因為我過往的經曆主要在零售的領域，在過去20年時間，零售在國内市場發生了很大的變化。在比較早期的時候，在80年代到90年，外企進入中國管道快速發展需要借助經銷商拓展市場，這一階段以經銷商為營運核心，很多資料的研究與采集都是圍繞經銷商系統的搭建而沉澱下來經銷商資料，其中較有代表性的是DMS系統（分銷管理系統），是由英語distribution management system直譯過來，經銷商可能會同時裝好幾個管理系統。
2、門店管理：逐漸深入（90s-10s）
後期随着門店管理深入，發現隻管理和看到經銷商的管理資料是不夠的。除此之外，在90年到2010年，是零售終端非常強勢崛起的時期，前期以線下大型賣場，像沃爾瑪、家樂福，還有一些地域性的零售終端為主，後期慢慢向線上的零售終端阿裡、京東靠攏，這個階段被稱為門店管理階段、管理門店資料延伸出後續的使用者資料為核心的整套研究體系。我們會去看商品在終端的一個零售價格，一個品類在終端的交易量和交易額。正由于這些需求的存在，此階段産生了一個大家可能很熟悉的研究公司，尼爾森。它是做零售終端調研資料的，跟零售商做資料交換，資料頻率相對比較高，而且資料品質相對非常好，是可以達到每一筆訂單的交易，每一個商品的交易。這些恰恰是制造商非常需要的資料。
舉個例子，零售終端會把購買頻次最高的生鮮品類陳列在賣場最裡面，消費者需要一直逛到最裡面才能購買，以一個品類帶動其他品類的購買，當時門店的陳列管理都是完全圍繞着以終端門店為營運核心延伸出來的。
3、使用者營運：演變至今（21世紀10s-20s）
從2010年到現在，随着網際網路的逐漸深入，大家知道網際網路誕生起于電商，所有資料的沉澱基本上都以使用者為營運核心。使用者登入網站沉澱浏覽記錄、購買記錄……都是以消費者在網上注冊的ID展開資料鍊路以及研究，這個階段稱為“以使用者為營運核心的使用者營運階段”，在此階段最常接觸的就是CRM、會員管理/忠誠度管理、使用者生命周期，月貢獻值有多少、看LTV模型預測消費者的購買潛力與行為。
以上就是零售資料最近這50年來的業務與資料演化過程，需要提醒大家注意的是，經銷商、零售終端和使用者始終存在，隻不過在不同階段展開研究的核心不同。這裡推薦兩本書《商務智能》《零售的本質》，我看過學到了很多。
二、企業資料的不同階段
為什麼要講這個？我們在整個公司建設過程中，會發現花費很多人力和投入資料團隊。但當投入一段時間後，卻發現資料對公司業務沒有什麼幫助。或者說好像是産生了一些幫助，卻沒有帶來一些業務成果，這時候往往是我們忽略了一件事情，在我們企業搭建資料中台，招募資料人才的時候，沒有認清企業到底在哪個資料階段。
為什麼這麼說？其實在每個行業的數字化程度都是不一樣的，我個人認為數字化程度較高的行業有零售、金融、能源、電力這些相對比較傳統的行業，數字化程度是比較低的，在中間還有一些整容行業、醫療行業找我做咨詢，希望能讓企業營運資料化，就是想知道客戶有什麼需要。
是以，在想做數字化轉型或者搭建資料中台，第一件事情是要先判斷自己的行業或公司處于數字化的哪個階段，下面是企業資料的五個不同階段：
首先，資料化程度高的公司比我們想象中的少，還有很多公司處于無資料的階段；
國内大部分的企業處于有一點資料和有一些資料的第二、第三階段；
這裡企業對于資料的概念十分重要，很多企業是以資料驗證決策，并沒有指望以資料驅動業務，并且更新資料比較慢，以月或者年計。
到了有一些資料的階段，大家在決策之前就會看看資料，比如先看看市場的門店有多少家，市場的購買能力如何，将資料排序開發市場。當資料與決策不一緻則會更多考慮資料，在此階段，企業有了一定的資料意識，不管是高層還是基層員工都會意識到決策前先看看資料。
由于資料意識的存在，驅動企業内部的資料技術部門進行資料的開發和更新，在這時資料更新是比較快的，最慢也是以日或者周為機關。此時人力部門、财務部門已經有固定的報表展示部門的業績。
到了有很多資料階段，決策基本都是依靠資料，如果沒有資料，就不會做決策。資料更新也是較快的，以秒級或者小時級更新，如果想做決策，打開資料産品就能看到對決策的建議。在這個階段各部門都有對應的資料人員支撐，這時候各部門都有對應的資料人員支撐，這也是有很多資料的表現。
最後一個階段，資料系統很完善，系統裡面有大量的資料。但是資料太多分析不過來，資料多元且豐富，不僅有結構化還有半結構化。就拿圖檔舉例，很多快消品公司都會去看店裡的陳列，這時候如果找人在門店裡填表或者數貨架，成本是非常高的，那通過在門店拍照用AI識别出來，商品的價格是多少，商品的陳列面是多少，往往需要借助更進階的手段。
以上就是五個階段，大家可以判斷一下自己的公司在哪個階段，其實國内大部分公司都沒有到最後一個階段，但往往都在說要使用人工智能，這裡有幾點需要注意：
- 具備AI的基礎，需要底層的資料比較幹淨，都是被标記好的，大量的資料元素都需要有比較好的資料底層，隻有在這個時候才有AI的基礎與應用場景
- 對于企業來說到底什麼具備資料應用的最大場景呢？其實從有一點資料到有一些資料才是國内大部分公司所屬的階段，恰恰最大的機會點也是在這裡。很多公司想做非常炫酷，還要用到很好的模型算法，實際上我們的資料遠遠未到那個階段，并不能解決公司的問題，回到第一頁的這個問題，為什麼請了業内最好的資料分析師依然沒有幫助到業務？
- 适合資料分析工程師能發揮的資料底層是否存在？我們的資料是否幹淨？在采集資料的時候是否基于終極的價值需求設計的？很可能我們想做的事情，根本沒有采集到資料。
那麼想要資料發揮業務價值，一定要先判斷我們的企業屬于哪個階段，根據階段決定要做的事情和要請的人才。
三、零售業務鍊路
這是我基于自己過去經驗繪制的圖。
先看中間虛線框的部分，綠色線代表商品的流向，紅色線代表資金的流向，圍繞着這些同時還有資訊流。商品從工廠生産出來，進入到倉庫，再運到分銷商，通過分銷商分到零售終端，最後賣給消費者，這是非常經典的鍊路。當然也會有一些特殊的情況，比如直供，工廠生産直接到倉庫，不經過分銷商賣給消費者。但在零售行業裡，生産/工廠、倉庫、分銷商、零售終端、消費者/購物者這五個元素是長期存在的。
圍繞零售主鍊路，往上是市場相關的部分，往下是營運經常做的最多的業務，延伸出非常多的分析，而這些分析會在各個環節中發揮出它的價值。
城市群劃分、管道動态發展、經銷商分級是傳統零售和經銷商發展中比較正常和經典的分級内容，當我們做了一些新産品的開發以後，怎麼去做推廣？推廣前，我們要把全國城市群根據居民收入水準和對商品的接受程度進行劃分，如果按照城鎮的等級計劃，對産品的推廣可能會有誤導。可能西北的一個地級城市的居民收入可能比沿海的縣級城市都要低，這是由于經濟發展不均衡導緻的，是以我們會根據商品的特性重新劃分城市群，進而決定我們應該在某個城市投資多少的費用和應該做怎樣的推廣。
接下來看下宏觀的東西，人口統計、宏觀經濟、品類發展、新産品文化與消費趨勢、營養與膳食趨勢。
有些同學可能會疑惑為什麼需要研究宏觀的東西？其實很多外資的消費品公司的資料營運業務架構是非常成熟的，假設要在中國市場建廠，要預估在整個市場大概有多少量，要有清晰的了解才能判斷要不要投資這麼多。而未來5-10年的營養與膳食趨勢也會影響新産品開發的側重點。
上面說的是鍊路的上半部分，下面側重講營運經常面對的下半部分。
生産與物流成本、市場與銷售成本、管理及其他成本甚至利潤，這些都會做一些财務分析，除了财務分析之外還會看媒體花費和線下推廣促銷費用。我們還會看投了這些錢到底有沒有帶來一些結果，最直接的結果就是曝光量和收視率的一些名額，品牌知名度是否提升等等，都要去消費者端做使用者調研。
除了媒體花費，還有線下推廣促銷費用，包括管道建設、管道促銷、終端建議、消費者促銷費用等等，花了這些錢也會去看錢到底花的有沒有價值。在分銷水準這裡我要介紹分銷率的概念，一個是數值分銷率，一個是權重分銷率。前者比方說市場100家店有20家分銷我們的産品，那就是20%的分銷率；後者權重分銷率，比方說市場上100家店有一家賣了99%的銷售額，其他99家小店隻分1%，當我們的産品優先覆寫了大店，那權重分銷率就是99%。通過這兩個經典名額看商品在終端的賣進情況。
我就不一一給大家介紹每個名額，但要注意在投入以後有沒有直接的結果展現，看到這些結果以後，還是要看最終端消費者有沒有感覺到我們的産品。第一，商品在貨架上是否容易被看到；第二，商品是否容易被消費者選擇。像包裝有問題的商品，會影響消費者的體驗，比如看到凹壞的罐不會感到愉悅，就不會想買；還有就是商品是否讓消費者感到物有所值。以上講的就是營運層的内容。
分享了在零售終端和消費者端非常有名的兩個名額，第一個是市場佔有率，在零售終端，同一個品類下A賣了40%，B賣了60%，A想再把市場佔有率拓展20%超越B。對于大部分企業來說，市場佔有率資料都是通過尼爾森咨詢公司買到的，然後把市場佔有率資料加到銷售代表、銷售主管的績效管理中去。一旦有了市場佔有率資料，就可以群組織自身的增長做對比，判斷績效是否合格，是以市場佔有率這個名額對于企業的核心發展來說是非常重要的。
第二個名額是滲透率，比較多的出現在後期，随着很多企業的發展，大家就會把市場佔有率和滲透率混在一起，說成市場滲透率。但是就前期來講，市場佔有率一般是零售終端這個環節的名額，而滲透率一般是指消費者的環節的名額。
滲透率指的是什麼？就是100個消費者，假設有20個消費者買你的商品，滲透率就是20%。在消費者端，除了看滲透率，還要看它的購買頻率，包括它的購物量大小。我們經常說的購物籃是說什麼？就指的是說消費者在超市買一單有發票，或者是我們在淘寶京東買東西的時候，你的整個訂單買了什麼？就相當于說我有購物籃，我籃子裡放了什麼？看它購物量的大小，金額是多少，它的品類是什麼？
比如說家庭主婦購物籃很可能就是牛奶和一些日化用品，對于一些比較潮的男性使用者，他的購物可能比如說單反相機，遊戲這些東西，看每一個單品的價格是多少，進而去看購物籃的毛利，品類結構，像這些都屬于購物籃分析，也是購物行為分析的一部分。
線上下零售的階段，我們回想一下剛才說零售資料50年，線上下零售就是零售終端為王的時候，90年代到2010年這個時候，線下零售在購物籃分析上已經非常成熟了，在後期實際上大部分的網際網路公司還沒有開始去做，當然也會有些人去做，通過深入分析去看。但是方法基本上是會相對比較一緻的，它會有一些經典的分析在裡面。
因為後面還有内容我就不太展開，實際上大家說這麼多方方面面比較複雜，把它歸納出來的話就隻有三個核心，就是人、貨、場，我在2015年做出了這張圖，個人覺得是會适用于所有的零售行業的。然後再去做一個大膽的想象，為什麼我會覺得零售資料行業，包括整個資料行業都會有很大的潛力？
整個零售的業務鍊路，如果說可以把所有的環節都系統化和數字化，實際上我們是可以實作自動化營運的。舉例子，比如說其實很多線下零售都已經實作了，當庫存低于多少的時候，自動給制造商發個訂單，制造商的訂單系統就自動去運轉，然後把貨送到指定的位置。像這樣的決策的話，可能以前比較靠人，但是後期當我們定出這個數值之後，實際上的話它基本上是可以去自動決策，做到自動發單、運作。
是以當我們去把整個零售的環節完成數字化之後，會極大提高我們整個零售行業的效率。
基于人、貨、場三大核心，把所有營運實作系統化之後，會為現在的零售企業降低很多的成本，包括去做一些預測性的分析，也能帶來很大的一個增長。
四、增長哪裡來？内生次元
内生次元指的是什麼？指的是營運哪些事情或哪些名額去提升我們的增長，這也是一個圍繞零售的經典的拆解，但實際上因為零售這個範圍非常廣，要是大膽一點，把房子想成零售，是以的話它其實适用場景非常的廣，汽車也算是汽車零售業。
先從銷售額拆出我們的下單客數跟客單價，下單客數的話一般會拆成新客、複活、留存。我相信有很多同學應該也是這麼拆的，新客的話我們無非是開拓新管道，以前我們隻賣大賣場，我們現在便利店賣等等，叫做開拓新管道。開拓還有新城、類型，以前賣零售，現在還賣餐飲，就是開拓新類型。
另外一個是深耕老管道，以前覆寫10家大賣場，我們現在覆寫20家，這就是深耕。複活這個客戶他以前在我們這買，現在不買了，我們得想辦法把他拉回來留存。雖然他天天在我們這買，但是他是不是可以買的更多次，或者一周買三次？我們激活他是不是可以買更多次，進而提高他的購買次數。
再看看客單價，客單價由什麼構成。我們經常會圍繞說你買了幾個SKU。你今天買了兩箱牛奶，兩三種奶，大家注意 SKU數其實是有兩類的，一個是個數，你先買2箱，現在買4箱個數變多了，一個是種類，以前就買牛奶，現在還買高鈣牛奶，這是種類多了一種，以前你就買牛奶，無論是什麼高鈣還是什麼，但是你現在買乳酪對吧？乳制品又多了一種，種類變多了，這些的話它都會變成SKU數量變多，展現在這個名額上。
除此之外的話，還有平均SKU單價比較重要的名額，它有兩個，一個是商品價格，價格指的是商品今天促銷一塊錢，價格就是一塊，過兩天它變成正常價10塊錢，它買的就是10塊錢，這是價格的不同。
另外的話還有商品更新，過去一段時間我們經常會津津樂道一件事情，比如10年前買一個牛奶是多少錢，現在的話是價格是多少錢？它會有一些商品的更新，主要這個是價格的上漲。
還一種應對消費者需求改變的商品更新，比如說以前我們會買普通的牛奶，後來我們買高鈣，脫脂，現在買有機牛奶，反映在平均SKU單價的提升上。
我們再往下看，這是一些我們說比較重要的名額，通過抓這些名額，就可以促進銷售額。為什麼一定要拆解這個架構？當我們去做一些營運的時候，我們一定要非常清晰的知道它到底是對哪一個名額要有提升作用，這樣無論在說任何一個細節的事情，我們都是有全局思維考慮的，這個很關鍵。
除了這些名額的話，有哪些營運動作可以去做到這些？再往下，如何讓消費者更多種買設計商品，它會包括商品管理，營銷管理，品類管理，定價模型。
說一說品類管理。門店是有限的，它是質上是基于有限的去選擇商品效率的一個管理方法，其實作線上上網際網路的坑位也是有限的。
這點表現線上下門店是什麼？
就是說我們品類它到底要占多大的陳列面，這一種就是陳列面管理跟品類管理相關，另外的話哪些品類它還可以相鄰的陳放，哪些品類放在收銀口，哪些品類要放在主貨架？比如說洗髮乳跟護膚品是不是要放一起？陳列面有多大，裡面有多少種商品？是把這個味道區分開，還是按包裝區分開？
在這個分類下應該說10隻商品還是20隻商品，20隻商品應該選什麼？所有的這些的話都是基于是說我們要去做研究，然後去推進，我們看如何讓消費者在有限的空間，包括有限的資源有限的時間下，可以買更多種不同商品，進而的話去提升我們的客單價，提升我們的銷售額。
是以這張圖的話可以告訴大家什麼？第一呢我們要知道我們的增長現在主要是在哪個地方有潛力機會，怎麼樣通過這些營運的一些方法和一些子產品去提升名額。為了提升這些東西可以去做哪些研究，從上到下從下到上把業務去做一個梳理，這個是零售行業的。别的行業也可以去嘗試着把你們的增長來源去做一個梳理，這是内生次元這部分。
五、增長哪裡來？外生次元
還有外生次元，當我們的增長遇到一些瓶頸，這邊舉實際的例子，消費品零售業有很多魔力的數字，比如說當一個商品的市場佔有率到40的時候，它很可能就會比較難以突破。
這邊到了40的時候的話，到40之後，我們有時候會給它做重新定位，比如說它在整個休閑食品這個領域對吧？它的市場佔有率是40，但如果說我們把它定位成場景化去做一個定位，不僅餓的時候可以去吃餅幹，早餐是不是也可以吃餅幹？這時候會發現不是隻針對中國休閑食品市場，而是從更廣闊的領域去看市場佔有率。是以經常會拍廣告，給消費者傳遞一個概念，餅幹其實可以作為早餐去享用的。
這時候實際上你是想去切入早餐市場領域，你的市場佔有率可能還沒有到我們說模拟數字的，是以說可以在新市場做更多的産品開發、市場開拓，就是通過市場的重新定位，獲得增長的來源，主要是外生為主。
六、增長哪裡來？協同效率
我們經常說增長哪裡來，一個是内生次元，一個是外生次元，另外還有一個非常關鍵的是協同效率，容易被很多的技術、分析營運忽略。意思是我做了一個很好的分析，定了一個非常好的目标，也有一個很好的分析結論，但是感覺沒有發揮出應有的價值。
目前來講的話，大部分企業它都是一個組織，我們做的這個東西它到底有沒有被别人所了解？既然我們說資料還可以讓業務變得更簡單，是什麼意思？它本質上是說資料是一個統一的管理語言，當公司裡的所有人都在說資料這個統一的管理語言，才可以讓對方100%的了解我們的結論。
大家知道人跟人溝通的時候，其實資訊的衰減是非常大的，有可能說完這個事情之後，大家覺得好像挺有用，回去關了電腦，隻記住30%，再睡醒一覺0%都沒有了。對于資訊的吸收，是人天生會有一些衰減的，但是資料就不一樣。我們經常說英語可以比較好的溝通，它邏輯性比較強，其實資料的話是全球的一個非常好的通用語言，在我們解釋生意情況時候，我們說增長率上升了，這些在全球整個企業管理領域基本上全都是一樣的。當我們在說一樣的一個管理語言的時候，是可以讓對方很好的了解我們。
協同效率會帶來什麼樣的價值？舉個例子，當我們說一個目标，我們是不是所有人都了解這個目标應該如何去做到？是不是所有人都知道是目标，其次的話，是不是所有人了解怎麼去做到？拿多少的費用，拿多少的資源，然後得到多少的目标，需要多少的增長率，我需要多少人，那一個人對應多少客戶對吧？這些的話都可以去把它量化來表達出來。當我們去把他電話表達出來的話，他就可以從我們組織裡的級别一層一層傳遞下去，直到組織的最細的末梢的人。
大家知道基本上一些我們說小型公司也可能有一兩個層級對吧？但是大部分的組織，因為随着我們的資訊的越來越多，很多大型的組織他為了去做一些事情，基本上可能我們說十幾個層級不等，從最高管理層到我們的銷售代表，或者說到最新末梢的員工，十幾個層級，我們在做業務的時候，如何保證十幾個層級都是一緻的，我們看左邊這張圖，實際上是需要拿資料去提升我們的協同效率。
右邊這張圖是指當我們有了這些資料的一些分析，我們其實完全上是可以把它去沉澱到我們的資料系統裡的，變成我們的資料産品。資料産品可以幫助我們去讓更多員工去使用，使用完之後他會有一些資料分析工具的了解，也會去做一些創造，又去影響其他人，這樣子我們會發現通過資料的一些協同，讓整個組織變得更聰明。
注意到了現在的時代，個人他對于整個行業的貢獻價值實際上相對來講是會比較微弱的，在做很多事情的時候，都需要是讓整個組織變得聰明，才能赢下市場。隻有整個組織通過資料變成智慧型組織，協同效率才會非常的高，進而帶來更加極緻的增長。這邊是以前大家會經常忽略的協同效率。
是以做資料化營運，想為公司帶來價值，我們就要在各種各樣的場景去用資料去表達觀點，包括用資料去解讀業務，培養整個公司的資料意識，增強協同效率，它會在更長遠的一個時間段去幫助我們的企業帶來更好的增長。
七、增長哪裡來？——結果與過程的轉化
簡單講一下結果與過程的轉化，我們在做銷售額的時候，我們會有一些結果名額，除了這一類的名額之外，還有過程名額，一定要把過程監測的名額跟結果名額做連接配接之後，才可以說監測了這些過程名額，進而帶來結果的名額。經常會有很多企業過程名額跟結果名額相背離或者相脫離，雖然過程名額跟結果名額完全沒關系，天天追過程名額會帶來什麼結果？
在定完結果名額之後，一定要把它推到過程名額裡。在做完拆解之後，要驗證過程名額到底有沒有帶來結果名額，也就是業績。然後去實施評估，因為市場環境就一直在不斷的變化，結果名額跟過程名額不是說不變的。
八、資料需求矩陣
這塊具體重點講最右側的對内賦能，我們對分析師工具的話有哪些行業的工具？因為我個人用過很多資料分析工具。我們的需求方經常跟我說，幫我寫段SQL吧？今天要提a産品，明天要提b産品，這種其實很浪費時間，還得重新寫一遍。難道copy的一遍不就行了嗎？這個也是需要花時間的。
如果可以去找我們的資料産品和資料技術開發一個産品，針對像這種比較固化的且日常需要的，隻要去給他更換時間，更換商品名稱就可以讓需求方自己去查，它其實是把一些比較固化的簡單的産品節省了分析師的時間。像這種輕量級的SQL産品，我覺得在大部分的企業中都是非常需要的，因為很多人他的一些資料需求實際上都是非常簡單的，但是卻花費了一些分析師的時間，這個其實是非常不經濟的。
另外的話就是可視化産品，可視化産品為什麼會相對比較重要的？
因為大家知道對于人來講，人的資訊讀取的裝置，我們把自己假設成一台機器，其實它讀取裝置最大的傳播速率的是我們的眼睛，眼睛比起耳朵、手，在同樣時間内要讀取更多資訊的。
是以當我們把一些資訊變成圖之後，會更快了解更加複雜、更豐富的資訊。
這裡當然指的是合适的圖，我們會經常看到有一些圖表不是很合适。比如說看增長率，你非給它畫個餅圖就挺奇怪，會給讀圖造成更大的障礙。在你選擇合适的圖之後，可以通過一頁PPT表達很複雜的資訊，很生動化的資訊，是以可視化的産品也非常有用。
另外的話就是方法論沉澱，指的是什麼？當我們做了一套比較好的分析方法論，比如說如何選擇爆品分析方法論，我們有了最好把它牽到資料産品上，不要每次是說分析我都把它做一遍，實際上這樣的話其實沒有意義，一方面的話是浪費分析師資源，另外一方面像這樣的方法沉澱到資料産品上，才可以在公司更大的範圍發揮作用。
是以一個分析方法已經被驗證是成功的，第一步要幹什麼？就是一定要把它遷到資料産品上，這樣整個公司它會變得聰明，才能沉澱越來越多的方法下來。
下面兩個比較正常了，把資料産品達到名額顆粒度通過拖拽名額，就可以實作整個公司大部分的簡單的分析，把它稱為探索平台，像這樣的工具也非常好用的；另外一個就是查一些字段，包括一些常用的語句的資料地圖。
九、兩個實用的場景化方案
- 第一個，面對業務問題，我們怎麼去建立思維架構？
這裡核心我就給大家提幾個關鍵詞，前面分享了一個零售業鍊路圖，因為我們可能不僅是零售行業的，還有各個行業，最好去梳理自己的業務鍊路，然後在業務鍊路這個架構下梳理出名額，運輸名額，并且确定這些名額的先後關系。
你可能第一次做覺得說這個圖處理的不好，但是我建議你多做幾次，包括剛才零售鍊路其實讓我梳理了好幾年，我現在還在不斷的改它，每當遇到新東西，都會把它放到我的思維架構裡，讓整個梳理變得更清晰，是以一定要做刻意練習。
另外的話就是從全局到細節，我們先梳理出來主鍊路，然後在它的上遊，下遊的名額是什麼？這樣去了解問題是為了可以拓展思維的縱深度，從過去到未來，未來會發展成什麼樣，就可能需要一些時間的沉澱。
幾個關鍵動作：想、講、寫、做
我們要不斷的把實體世界的一些事情不斷的抽象、提煉出來，咱們今天前面講了一些資料營運如何發揮價值，到後面開始講心法了，方法論是吧？這個是我個人的一些經驗。
如何把我們整個行業的鍊路梳理出來，核心是第一要刻意練習，比如說今天你看這個行業的一個資訊，你就去把它梳理出來，明天換一個行業把它梳理出來。
核心是去刻意練習梳理，然後去交給别人聽去把它寫下來，這樣子的話才能不斷的讓我們的幹貨變得更幹，也是對自己不斷的刻意挑戰。
舉個刻意練習的例子，替一個高爾夫球場做資料梳理，首先我們會把它分成前端、中端和後端有高爾夫球，你來打打之前你在體驗的時候什麼樣的情況？你打完高爾夫球之後的話，你的口碑情況是怎麼樣？會去做一些梳理，然後再往下的話，會有哪些研究方法？這些研究方法需要收獲什麼資料，收集什麼資料，資料這些資料的話，它會有哪些商業意義，我們都把它先梳理出來。
一定要先梳理業務架構，再去做資料采集跟資料分析，這個是非常關鍵的，也是我們說資料能不能發揮價值的一個7寸點，一定要先把業務流程梳理出來，要不然我們的分析就會比較局部，或者是說對于業務了解不夠深刻，是以這是第一步。
- 第二個問題，如何拆解業務需求的黑匣子？
這裡講幾個我覺得比較關鍵，以及分析師可能最常犯的錯誤。
第一，收到了一個分析之後立刻去幹，比如遇到一個錯誤，也不去問背景資訊也不去問這個是怎麼來的需求，舉個例子老闆說你幫我看一看我們最近銷售額為什麼下降了，然後你跑去花了很長時間去分析，然後後來最後你大概一兩天，然後你會回來又問了老闆說要把我們銷售額沒下降，對吧？你可能後來才發現老闆最開始提的就是有問題的。
老闆說我是讓你看某某城市的下降了，然後為什麼兩天前沒有去跟老闆确認這個背景資訊，因為分析師的工作都比較忙，大家一定要把每個需求的背景資訊确定清晰，确認清楚之後一定要形成備忘文檔。跟他說，我了解是不是跟你了解一緻，這個是很關鍵的，因為資料“失之毫厘謬以千裡”，是以大家一定要注意這些細節的确認，包括背景資訊的确認。
另外一個就是不要刻意避免沖突，很多分析師他在去了解背景資訊的時候，分析師本身就是客觀的角色，不用擔心去對背景對方會不會不高興、認為不專業等等，不要有這些心理負擔。
十、後話
針對資料營運如何驅動業務增長，dbaplus社群邀請做了分享，回報不錯，這是一個好的迹象。在過去很長一段時間，各方對資料營運的概念都較為模糊，對于資料營運發揮的價值也較為存疑。背後的主要原因是，對于資料營運該如何去做，沒有合适的方法論。《資料營運之路》針對這一實際情況，給出了更加适用國内資料現狀的解決方案。本次的分享也圍繞着幾個熱點問題展開：
- 企業搭建資料中台後如何讓資料價值得以真正發揮？
- 資料營運人員如何通過正确的營運方法少走彎路？
- 結合實踐分析如何通過資料做使用者增長和商品管理？
真正可以讓資料價值得以發揮的方法是什麼？
首先，資訊技術隻能解決一部分問題。目前在大資料技術、資料挖掘方面，市面上均有不少著作，讓資料市場增益不少。但是在應用層面，市場上絕大多數企業并不具備網際網路企業的技術實力和資料積累，這些高階的技術至少在現階段無法使用：一方面受困于成本原因和，另一方面資料嚴重不足的局面使，這些高階的技術至少在現階段仍無法使用這些技術無法使用。在業務尚未清晰的情況下，盲目地迷信資料可以解決業務問題，也不切實際。
解決實際的商業問題隻能依靠具備行業經驗的專家，而這部分能力需要長時間的沉澱，以及對于行業的深度了解。對于資料背後的商業邏輯了解，對于資料背後的商業規則明晰，對于資料之間的勾稽鈎稽關系，都需要基于業務的先後和進入的快慢，結合企業的目标，進行名額樹的建立，讓資料在名額樹裡流動起來，讓企業内部的資料像血液一樣流動，激發企業心髒活力，讓整個企業營運“活起來”。
企業從挖掘到發揮資料價值，可分為七步以下步驟：鍊路梳理、名額建立、資料采集、資料流動、資料分析、資料營運、價值輸出。
對于大部分非資料行業從業者來說，将資料行業被等同于資料分析行業，。這是極大的誤解，也讓大部分人認為，資料的價值需要靠“分析”這一動作來實作，進而迷信大量分析技術、和模型，希望可以通過分析技術産生資料價值。市場上衍生出來大量分析工具、分析軟體，軟體即服務（SaaS）應需求而生，但資料價值卻在實際應用中形象模糊，好像有，又好像沒有。分析其背後的原因，其實這是就是由于産生資料價值錯誤的路徑造成的。
分析資料，首先需要了解：資料本身是否已經足夠被分析？品質是否足夠好（全面，、準确）？資料本身是否具備被分析的條件？對照組設定得是否合理？資料分析獲得了好的效果，并不一定是分析技術有多好。其實，在實際工作中，大部分問題在資料采集階段就已經被解決了。
資料這一概念涵蓋的内容衆多，為了有清晰的方向，必須對資料行業有更清晰的了解，資料分為五層：采集/擷取、存儲、展示、聯結、智能。資料智能絕不僅僅是該層所代表的技術算法，而是各層彼此的遞進整合；隻有從第一層開始逐級做好，才能實作最終的資料智能。
以現實場景舉例說明，某資料公司為某餅幹商提供了基于包裝、口味的趨勢分析後，餅幹商要求了解産地的趨勢分析，資料公司無法提供的原因是“資料庫裡并沒有對餅幹的産地進行區分的資料”。在這種情況下，雖然資料公司有商品資料庫，也有技術精良的分析人員，但無法進行準确的分析，。除非回到資料采集層，重新采集商品所需的該字段資料，但這将産生非常大的巨額成本。
資料的興起源于網際網路的興起，圍繞網際網路工具産生了大量資料。在初期，這些資料絕大部分是被動産生的。比如，使用作業流程管理軟體主要為了管理作業流程，但是各個環節有了資料節點，圍繞這些資料節點就被動産生了很多資料。這些資料産生後，被具備資料分析能力的人員收集，用來分析作業效率。
随着資料行業的逐漸發展，部分資料從業人員發現，被動産生的資料可以用來解決商業效率問題，但不足以解決所有的商業問題。解決所有商業問題所需要的資料，往往不在流程工具可以覆寫的範圍内。這個時候，就需要主動擷取資料。依托自身強大的技術能力，網際網路企業被動産生資料的成本幾乎為零，主動采集資料的成本也非常低。
大部分網際網路企業都會對外宣稱和強調自己的資料計算能力，以及運用資料獲得價值的能力，甚至直接把自己定位為資料公司，将資料作為企業的主營業務，并通過其資料能力對外部市場進行賦能。目前，加入這一陣營的網際網路企業越來越多。這也是網際網路企業資料成本低而傳統企業資料成本高的主要原因。
網際網路企業的業務均在工具裡被展開，被動産生的資料在采集/擷取階段并沒有成本，主要成本在存儲、解析、計算和分析上，而傳統企業的資料多為主動采集的資料，成本較高。同時，由于不具備存儲、解析、計算的能力，轉而向外尋求技術外包，甚至一部分分析工作也“在外進行”，進而可以節省精力将其投入主營業務，展現了社會分工的效率性。由于産生資料的方式不同，資料本身的品質和應用範圍也十分不同。
網際網路企業的資料伴随工具産生，在需要主動擷取資料的時候，也會修改工具（在不影響工具功能與體驗的前提下）以擷取該部分資料。不過，仍舊是使用者在使用線上工具時被動産生的這部分資料規模大、互動多。正由于随着這部分規模大、互動多的資料被大家更多地了解和讨論，國際資料公司（International Data Corporation，IDC）推出提出了大資料的标準化定義和大資料差別于非大資料的四個屬性，分别是即資料規模（Volume）、快速的資料流轉（Velocity）、多樣的資料類型（Variety）及巨大的資料價值（Value），并由此定義了什麼是給出了大資料的标準化定義，并拉開了大資料和小資料誰更有用之争的序幕。
在發展後期，我們逐漸發現，這樣的讨論并無實際意義，資料的目标是解決實際問題，根據業務、需求場景的不同，可能單獨應用大資料或、小資料，或者以整合形式來解決問題。資料不分大小、量級、互動等，這些特征本就是資料自身的屬性，隻是技術的發展引起了某個屬性值的不斷突破。
在此基礎上，需要提出資料價值論。規模大小、流通速度、多樣性是資料的内在屬性，而資料則是通過業務邏輯、挖掘資料，最終創造出價值。這一屬性不屬于内在屬性。資料是資料價值的原材料。資料的存在是為了創造價值。沒有價值或者無法獲得價值的資料，無論其規模、流通速度、多樣性多麼突出，對于企業來講，都是成本的浪費，更嚴重的，是甚至可能存在的對決策的誤導。
是以，對于資料來講，選擇合适的方法和人才，以客觀嚴謹的态度擷取資料價值，才是最關鍵的部分。這一部分就是資料應用環節，而這一環節在資料發展至今一直被忽視，導緻大量資料成本産生，卻無法創造相應的價值。資料從業人員經常說的一句話是：資料是金礦。其實資料是礦石，讓礦石變金礦，需要“點石成金”的技能；找到礦山，還需要認知和遠見。
歸納三個核心關鍵點：
- 首先要判斷自己企業所在的資料階段，根據所在階段尋找适合的人以及搭建産品。
- 開展資料營運工作前，先做業務資料架構，把業務和資料有機結合起來。
- 做好資料采集，確定資料品質的基礎工作。
>>>>Q&A
Q1：老師，零售行業的資料應用現在都有什麼經典場景？
A1：零售行業的資料應用豐富多樣，以下是我梳理的零售業務鍊路圖，每一個子產品下都有對應的應用場景和方法論。
Q2：老師您對資料營運人員的職業發展有什麼建議嗎？
A2：資料營運人員在未來5-10年會處于供給遠遠小于需求的階段，會産生很多市場機會，是一個值得深耕的好行業。除此之外，我建議每一個資料人員都需要問問自己，是否真的對資料營運工作感興趣。因為這個領域的工作，不僅工作強度大，而且技術日新月異，業務豐富多樣，如果不是心中有熱愛，很難持續的成長和突破，這份熱愛很關鍵。
Q3：請問老師，資料分析常用工具有哪些？
A3：一般分析師會用到的語言和工具會有：sql, python, R, minitab, spss, tableau, thinkcell。
Q4：企業遇到大量資料，人力有限的情況下，怎麼根據業務需求選擇營運的重點？能否舉例說說？
A4：一方面最節省資源的關鍵是一定要先了解資料品質是否可用，避免工作的反複；其次，資源有限，不過需要快速輸出結果的情況下，最好借助從業15-20年以上的行業分析師，加上業務的判斷協助聚焦問題所在，用驗證性分析減少資源投入。當然，如果資源允許的話，做全面的分析肯定最嚴謹，但在現實的場景中，用專家+業務+分析的方案可以最快解決問題。