• 桑文鋒:數據化建設的時代機遇

    /2018-10-25 13:30:25/

  • \

    每個時代的機遇性發展都有一個大的背景,我們只有在認清所處的背景,自身所處的位置和階段,精準定位面對的最大問題,并解決它,才能抓住這個機遇。

    ——神策數據創始人&CEO 桑文鋒

    以下內容根據桑文鋒的現場演講整理所得:

    本文將為你重點介紹:

    1. 中國信息化建設所面臨的問題;
    2. 信息化建設由面向“業務流”轉變為面向“數據流”;
    3. 數據化建設之產品、運營及產品智能;
    4. 行業成熟度及數據驅動的企業落地。

    一、中國信息化建設所面臨的問題

    以井岡山的故事為引子,來闡釋一直以來信息傳遞面臨的三個問題:

    1. 不及時,在過去信息從發出到使用者獲取往往歷經幾個月時間;
    2. 不準確,經過間接傳遞會出現理解偏差,導致誤傳的情況;
    3. 不全面,長時間的傳遞過程中會遺漏信息,導致偏差性決策。

    如今,信息傳遞問題解決了嗎?

    答案是沒有,但是近幾十年,信息化建設使信息的傳遞速度和準確性有了可觀的飛躍性進步。

    二、面向“業務流”是信息化建設的核心問題

    1. 決策和執行

    做好任何一件事,存在兩個核心環節:決策和執行,兩者缺一不可,相輔相成。

    指令和反饋是通信的兩個環節,也是決策和執行能無縫對接,發揮最大能量的“連接器”。

    1. 指令,指決策要變成一個可執行的指令傳遞下去;
    2. 反饋,只有通過反饋才能評估過程的進展和質量,同時有益于佐證決策,做出更科學正確的決策。

    2000-2015 是 15 年的中國 IT 化建設時期,眾多企業做了 OA、ERP、CRM 等的開發和應用,這些實際上是在解決指令的下達和傳遞問題,比如通過電子郵件可以把一個決策立刻傳達下去。

    2. 解決了“指令”的實現,那么“反饋”呢?

    執行過程的有效反饋很重要,大多數企業會通過周報和日報來進行工作執行的反饋,但是這種方式會忽略工作的細節和反饋的時效性。

    我們可以將反饋分成兩個部分:

    1. 一個是內部反饋。在內部,有一些工作是人工操作,存在沒有記錄進而導致缺數據的情況,且因為內部會存在多個不同的 IT 系統,會導致數據不互通的問題,比如市場部門和研發部門的數據。
    2. 另一個是外部反饋。在外部,反饋往往依賴市場調研機構,所獲取的數據也通常不全面,還會出現反饋滯后、周期長的問題。

    從根本上來說,面向業務流的信息化建設是核心問題,可以從傳統和互聯網兩個角度來看。

    3. 面向業務流的信息化建設(傳統)

    傳統企業,在企業的發展中工作結構和方式發生了從純人工,到引入機器,再到建設 IT 系統的轉變,例如:某個集團性公司的運作機制,會形成如上圖的網狀結構。一系列 IT 系統和不同職能線的人構成了整個服務體系,意味著缺少了人,這個體系就無法運轉。

    4. 面向業務流的信息化建設(互聯網)

    互聯網企業,像 BAT 這些互聯網公司通過接近 20 年的發展,相比傳統企業,整個體系運作起來相對完善,即使在一天內沒有人工工作,整個服務受到的影響也不會很大,因為整個服務和系統的 IT 化還可以支持企業正常的有效運轉。

    但這樣就完成了反饋嗎?

    并不一定,用戶使用 IT 化系統的過程中,用戶需求是否被有效地反饋很難決斷,機器擁有的互動性和理解力與人相比,還是相差很多。

    因此,11 年的從業經驗,我都在思考如何有效地收集用戶數據,并基于這些數據進行有效地反饋,讓產品變得更加強大和智能。

    事實上,過去的信息化建設是面對“業務流”的,也就是說,企業通過引入一些 IT 系統,減少某些業務職能,使整個服務能更高效地正常運轉,不管是針對傳統企業,還是互聯網企業來說,在過去信息化建設的過程中,數據也只是 IT 化的副產品,這樣會導致當業務存在問題時,沒有數據支撐解決問題。

    比如:電商業務中存在一些數據,運營人員想通過這些數據找到出現的問題和優化方案時,往往會發現數據不全,無法做深度的分析。所以,歸根到底是底層思路的問題。

    三、信息化建設轉變為面向“數據流”

    因此,解決信息化建設的根本問題,要在整個企業信息化建設過程中,實現面向“業務流”到面向“數據流”的轉變,不單只是考慮業務流,而是更多考慮如何把整個數據體系建立起來,來支撐業務更好地發展。

    如何建設企業的數據流?

    如圖所示,未來 IT 系統的定位將改變,以前 IT 系統是核心,未來建 IT 系統是為了更好地收集數據,使數據流更高效地流轉,最后再建立應用層,這樣一來,不管是業務本身還是科學決策和產品智能都能更好地實現。

    四、數據化建設賦能產品迭代

    今天,存在多種多樣的產品形態,越來越復雜,用戶在不同的場景使用不同的產品形態(如下圖)。

    為了更好地滿足用戶的需求,產品需要不斷地迭代,某種意義上,“迭代”決定了一個產品的未來。

    1. 傳統的產品迭代方式

    傳統的產品迭代方式相對簡單,可以理解為兩個步驟:點子和產品。

    時至今日,依舊有很多互聯網公司僅憑借一個好的想法,開始盲目地做產品,如此非常依賴于產品經理的悟性,但人難免犯錯。所以,我們要思考如何讓整個產品迭代的過程變得更加科學,面向數據流的產品迭代,就是一個科學的方式。

    2. 面向數據流的產品迭代

    在傳統的產品迭代方式中加入數據變成三個環節:點子、產品、數據。

    如上圖,有了數據的加入,我們在將想法轉化為產品時,可實現建立可衡量的假設和指標、數據采集方案以及 A/B 測試的實施,讓想法先得到科學的驗證,再投入技術的開發,防止無畏的技術資源、時間、精力的浪費,實現投入產出比最大化產品迭代。

    迭代后的產品會產生相關的新數據,通過數據分析,企業員工可以有所學習和思考,從而產生新的點子,然后讓這個循環有效地運轉下去。如此,將產品迭代變成一件科學的事情,所謂科學就是不斷地假設、實驗,驗證。

    五、數據化建設之數據驅動產品智能

    通過迭代可以使產品不斷改進,但是更多的時候我們期望產品能自動感知、適應、滿足用戶的實際所需,也就是產品智能。

    所謂的智能,就是使產品具備學習能力,而具備學習能力,需要知識的輸出與輸入,對于機器來說,數據就是它最好的知識。將用戶的行為數據、交易數據、業務數據等整合起來,使用一定的機器算法,構建產品的指令和反饋的閉環,也就使機器具備了決策和執行能力,實現了智能。

    目前中國的智能發展還尚不完善,但是未來十幾年,必定會出現新的變革。

    六、數據化建設之運營革新

    對于運營,數據化建設可以實現什么價值呢?如下圖是一個電商運營人員發起一次營銷活動的完整過程。

    仔細觀察整個過程,我們會發現多次的跨部門配合,使整個周期非常長,且不能得到實時的效果驗證。最大的問題是,每次營銷活動關于優化過程可汲取的經驗很少,無法簡化流程,也就是無法實現運營流程的迭代。

    當搭建好數據流,可以實現運營人員做的每一步操作,不依賴于有具體的研發人員的配合,通過自助式操作可完成整個運營過程(如下圖)。

    構建可執行的運營分析閉環,從時效性和投入產出比,以及運營人員自身的提升都有很大的價值。如下圖當有了數據根基,我們通過給用戶打標簽,實現用戶分群,構建用戶畫像,并根據其制定運營策略,實施運營方案,實現用戶觸達。再通過效果分析,進行優化迭代,最終讓每一次運營都變成一次學習。

    七、數據化建設的行業成熟度

    本文開頭就介紹了把握機遇需要結合時代的大背景,下面我們來看看,目前中國大數據建設的行業成熟度。

    通過調研結合實際經驗,我將行業成熟度分為成熟、崛起、趨勢三大類(如下圖):

    八、數據化建設之數據驅動的企業落地

    實現企業真正落地數據驅動,需要具備以下三個條件:

    1. 老板及管理層有數據意識;
    2. 業務流程和組織要進行數據化改造;
    3. 重視數據采集,構建數據平臺。

    1. 老板及管理層要有數據意識

    一個企業變成真正數據化的核心是老板、管理層具有數據意識,能自上而下地推動數據驅動的落地。

    假如:一線工作人員花費 2 天時間進行數據分析選出最優方案交給老板,最后老板還是憑他的喜好拍板做決定,那么以后就不會有人再去真正的做數據分析,而全部都想變成心理專家,去洞察老板的喜好。

    相反,如果老板本身有數據意識,員工開周會匯報工作,需要有數據為依據。那么,這個企業至少在形態上具備數據驅動的前提條件,即人人在意數據,也就是樹立數據驅動文化。

    從百度的第一天入職,“用數據說話”的文化就深深地印在了我的腦海,8 年時間在百度做任何事都要基于數據。探討Google 文化的《重新定義公司》這本書,其中有一大篇是講 Google 是如何用數據說話的,例如 Paypal 表示有數據就有更大的自由權。

    2. 業務流程,組織的改造

    前面已經闡述了很多業務流程改造的內容,這里不過多描述,簡單來說,不管是市場、產品、運營、銷售都要做到讓數據成為核心的一部分,讓自身成為整個流程的一個核心環節。

    關于組織改造,公司中的各個部門,包括市場、產品、運營、研發等人員,都要基于數據流程對自己的定位進行改造。

    對于業務人員不僅要提出數據需求,還要提出業務需求,業務需求和數據需求要同步提出。對于研發人員來說,要意識到整個產品開發跟數據收集,數據建設是同等重要的事情,不要覺得產品經理提數據需求是副產品。也許,未來評判一個研發工程師的標準,不僅要看開發和寫程序的能力,還要看數據收集、數據建設上的能力如何。

    寫在最后的話

    我對歷史非常感興趣,我認為通過閱讀與歷史相關的書籍和文章,可以加強對數據的認識,產生遞進式的認知。比如:

    《萬歷十五年》,作者為歷史學家黃仁宇,這本書講整個明朝的管理,一個國家是一個大企業,整個管理過程中的效率是一個非常大的問題。作者認為,真正要管理好一個國家,最重要的是數目字管理。

    《反對本本主義》,90 年前的毛澤東寫了這篇文章,其中有一句話“沒有調查就沒有發言權”經久不衰,在今天仍是真理。

    這些是歷史沉淀下來的真知灼見。我們走到這個蘊含機遇的十字路口,讓中國數據化建設變得更好是我們的使命,相信未來,我們會一起創造中國的數據化建設輝煌!

     

<
上一篇: 方法論:量化思維/數字化思維 下一篇: 從動效設計到代碼 | 網易云音樂2018年度聽歌報告的背后

聯系我們

一個新的需求,從這里開始。歡迎填寫表格或發送合作郵件至: [email protected] [email protected] 加微信: 13765801787

13765801787
在線留言
贷款中介真赚钱吗 炒股票新手入门教程 甘肃快三预测 云南十一选五遗漏期数 河北11远5任5推荐号码 七乐彩149期开奖时间 山东体彩11选5走 大乐透1000期走势图 贵州11选五前三直选 竞彩的玩法介绍 在线配资企业