我们总说数据驱动业务，可平时看到的，却总是业务部门追着数据部门屁股要数据哪里是驱动业务了，分明是被人牵着鼻子走啊！很多同学都有类似的疑惑：到底数据分析对企业有什么用

 

我们总说数据驱动业务，可平时看到的，却总是业务部门追着数据部门屁股要数据哪里是驱动业务了，分明是被人牵着鼻子走啊！很多同学都有类似的疑惑：到底数据分析对企业有什么用？我的数据用到什么地方去了最关键的：如果数据都对企业没用，我的岗位还值钱吗？。

数据当然会驱动业务，只是在不同的企业发挥作用的形式不一样今天我们一起来看一下，数据驱动业务的六个层次看看你们企业是哪一种1层次一：奴隶监工数据驱动业务，最直接的形式就是给业务下KPI你，今年销售要破千万！。

你，今年销售要破一个亿！类似的场景我们可能早就有耳闻下任务带数据，在中国已经有2000年历史了，古代的军令状就是最早的KPI指标承诺书似乎带个数据，就显得这个命令格外有分量，就必须要完成完成就是英雄，完不成就杀头，也显得格外地对业务有驱动力。

然而，下个KPI就能驱动，只是想象中的事实际上，只是盲目地用数据下KPI，效果并不好因为KPI指标到底怎么来的？为什么要做到这么多？每个人分配多少？完全没有一个标准因此很容易让下KPI变成一个假大空的事情。

办事拍脑袋，承诺拍胸脯，出事拍大腿，结局拍屁股，也成为这种只有空洞KPI的企业的常态

总之，没有分析过程支持的KPI，就是奴隶监控手中的鞭子虽然看起来甩得啪啪作响，煞有威严，打得奴隶们不得不走实际上却没有效率，常常沦为空谈这是数据驱动业务的第一阶段2层次二：账房先生当然，很快大家就发现空下KPI效果不好使。

实际上，一个良好的KPI，是蹦一蹦可以摸得到的KPI，这样既考虑了实际能力，又有挑战性于是人们开始考虑拆分KPI，寻找KPI的来源还拿销售数据举例子：如果是按团队销售的，就开始拆分：● 总销售业绩=团队数*团队人数*人均产出。

● 总销售业绩=团队1业绩+团队2业绩+……● 团队1业绩=张三业绩+李四业绩+……如果是按门店销售的，就开始拆分：● 总销售业绩=大区数*大区门店数*每门店产出数● 总销售业绩=大区1业绩+大区2业绩+……

● 大区1业绩=门店1业绩+门店2业绩+……这种做法，极其类似地主家收租地主家会雇一个账房先生账房先生会先算一个总账，看看今年是丰年还是灾年，预计下地主老爷下边的50个农户总体能产出多少如果遇到灾年，总收入不足，就建议地主老爷趁机多兼并一些土地，把农户总数做多，还能保住总收成。

在往下分配收租指标的时候，会考虑各个农户劳动力多寡，生产能力，分配一下收租数让劳动力好的多交，差的少交这样看起来一举两得，既不会逼死农民，又能多压榨些劳动成果这是数据驱动业务的第二阶段，姑且叫他账房先生好了。

3层次三：事后诸葛实际上，层次二仍然是知其然不知其所以然的阶段因为到底业绩是怎么来的？是卖什么卖出来的？卖得好的业务员有什么诀窍？还是一无所知到头来还是靠拍脑袋：你连续三年都做得好，今年也做得好吧然而这种假设不一定成立，只有真的洞察到业绩的来源，才能分析出到底能做到多少。

还拿销售数据举例，在总销售业绩=大区数*大区门店数*每门店产出数的公式中，只有破解了每门店产出数到底是怎么来的，才能正确地估计，到底这个门店能做多少随着商业模式的进化与数据系统的强大，于是销售解析的公式开始越来越复杂。

即使只有最简单的POS机订单，我们也能把门店业绩，拆成如下：● 门店业绩=订单数*订单单价● 门店业绩=订单数*（件单价*连带率）这里，订单数意味着客流的好坏，件单价代表了产品档次，连带率意味着交叉销售水平。

从这三个指标加上其他一些对比，就可以初步解读出：我们是要多做引流还是力推高端商品，是要考虑降价吸客还是推组合销售（具体解读过程太过复杂，单独有文章介绍）有了会员卡+电商平台以后，就可以进一步拆解指标：●

门店业绩=（全体用户*付费比例*人均订单）*（件单价*连带率）●门店业绩=（全体用户*活跃率*付费比例*人均订单）*（件单价*连带率）到这里，是不是分析公式，已经和目前电商常见的AARRR模型很像了有了会员卡（会员ID）我们就可以区分用户等级，用户价值；有了网站，我们可以记录用户成交以前的活跃行为。

这使得我们可以深入解读“为什么用户会购买”，从而能极大地丰富对业绩来源的分析方式，从而合理地指导业务进行工作除了调整商品价格，品类搭配以外，还多了更多针对用户需求的信息推送动作，而且使得业务行动越发科学。

到这一步，数据已经成为业务方的生意参谋不仅仅是在一旁吆喝着：你要出业绩！而是能帮忙出谋划策：你做XX产品组合销售，针对XX客群做推送，可以更好地出业绩这是数据驱动业务的第三阶段，这个阶段做得好的公司，业务部门会把数据分析师当作顾问和军师，真的认真听取他们的意见。

4层次四：前敌参谋层次三写的内容很多，是因为大部分的分析方法，都是在层次三应用的，展开来写n篇文章都不够但是层次三仍有两个问题问题一，分析过程太长，都是事后的结果，没法在过程中即使调整问题二，军师嘛，都是说话给主公听的，前线的统军大将，不是“将在外军令有所不受“的骄兵悍将，就是“末将糊涂请主公明示”的虾兵蟹将，数据分析结果出不了市场部，前线难以应用。

更好的状态，当然是能上通下达然而这需要技术与业务的双向支持在技术上，需要有简单、易懂的BI工具让一线方便，快速地看到实时数据；需要有强大的后台系统能支持实时计算，缩短数据反馈的时间，基于数据进行行动在业务上，要么有老板强力往下推动，形成数据化管理的氛围。

要么需要数据部门自己有手段，在业务部门里培育出有使用数据习惯，会科学使用数据的人才，大家通力合作，这样才能实现真正的数据驱动

要不然，辛苦做的BI，报表打开率不到10%一线的不是平时不看数据，就是发现问题了喊着：“来个人工智能大数据分析一下吧”，这样还是无力推动业务5层次五：智能打手除了直接买卖数据外数据能自己创造业绩吗？当然可以，数据也可以代替销售们下场卖货！

充当打手直接冲锋陷阵，斩获业绩当然，这是有前提的第一：既然是打手，得能够直接打到人才行因此不需要导购、业务员参与的B2C销售模式，就更容易发挥数据作用比如电商网站、搜索网站的推荐系统，就能通过算法，提供有效信息给用户，提高成交率。

第二，打手想打出成绩，得能打得动痛点才行在消费者对产品有鉴别力的行业更容易生效类似医疗保健美容家装，这些存在巨大信息不对称，存在大量非理性消费的领域，销售、导购还是起着巨大作用第三，智能打手之所以智能而不是瞎打，得有大量数据支持。

这意味着在推荐系统上线前需要有足够数量数据及足够数量的用户。这两点恰恰是很多平台的缺陷。有可能平台本身不是淘宝微信这种超级应用，用户少、数据记录少，就更难发挥作用。

同时凑成这三点相对困难因此所谓精准营销，智能推荐，目前成功案例及可应用的范围均较少但随着消费者本身使用移动互联网越来越多，阿里/腾讯开发部分数据及研究资源，未来类似的系统可以发挥更大作用这是数据驱动业务第五阶段，也是最高级阶段。

数据在这里直接就是生产力6层次六：大内密探自有数据以后，数据就开始成为间谍们交易的筹码数据驱动业绩自然也有了大内密探这种模式然而，数据的黑市交易始终被法律所禁止所以大内密探型的数据驱动，开始转向一些可以公开采集的正当手段，比如财报分析，同业交流，市场调查，爬虫。

通过收集竞争对手的信息，为我们设计战术提供支持。

但始终，大内密探们只是躲在暗影中的少数异类，这一类数据驱动业务也不是主流模式7谈不上驱动：家里老妈家里老妈老是唠叨你：“回家先洗手才吃饭”“有女朋友了没？”“天冷了加条秋裤”……你听吗？当然不咋听，不但不听还嫌老妈唠叨呢。

“我又不是小孩子”“邻居结婚关我屁事”。

有数据部门是这种状态吗，当然有；有数据分析师是这种角色吗，当然有不信大家可以统计下自己发出的日周月报打开率，有多少能去到15%以上的数据驱动业务？驱动个屁，这也是一个状态哈当然还有一个类型是车夫型，就是开篇讲的天天被业务方呼来喝去跑数据，跑完了还要嫌弃数据不准，提供太慢，分析不深的。

但这种已经是被业务方吆喝着满地跑了，不在“数据驱动业务“的范畴内哈车夫型见：【数据分析师，你是车夫，还是拉车的驴子】所以，各位亲，你们现在的“数据驱动业务“驱到哪一步了呢？

《数据治理：工业企业数字化转型之道》，长按下方二维码下单：京东下单链接：

当当下单链接：

免责声明：本公众号所载文章为本公众号原创或根据网络搜索编辑整理，文章版权归原作者所有因转载众多，无法找到真正来源，如标错来源，或对于文中所使用的图片，资料，下载链接中所包含的软件，资料等，如有侵权，请跟我们联系删除，谢谢！。

(欢迎大家加入知识星球获取更多资讯。)

联系我们

扫描二维码关注我们微信：SZH9543邮箱：ccjiu@163.comQQ：2286075659热门文章物料描述模板技术解析及10个典型行业实践示例谈谈典型的数据治理体系框架集团企业指标数据体系框架设计的方法和思路

单位类（法人及组织机构）主数据建设思路及案例分享GB/T34960《信息技术服务治理》解读【附下载链接】125页PPT读懂华为数据之道【附下载链接】一图说：数据标准的建、落、升、对再谈数据架构还不懂元数据？元数据是数据治理的基石

什么是数据资产？从十四五规划看企业数字化转型【附下载链接】浅谈数据治理、数据管理、数据资源与数据资产管理内涵及差异点(建议收藏)大数据数据治理建设文档（推荐收藏）DCMM是啥？

我们的使命：普及数据管理知识、发展数据管理工程师行业、改变中国企业数据管理现状、提高企业数据资产管理能力、推动企业走进大数据时代我们的愿景：凝聚行业力量、打造数据工程师全链条平台，培养不同层级数据工程师人才、构建数据工程师生态圈。

我们的价值观：分享数据管理知识，持续提升数据管理和运营能力。

了解更多精彩内容

长按，识别二维码，关注我们吧！数据工程师微信号：sjgcs构建数据工程师生态圈

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186