編輯導讀：很多公司都在談論數字化轉型，而數字化的基礎即是大量的、繁雜的、高度業務關聯的基礎資料。數字化運營是其中的一個分支，如何高效地做好數字化運營呢？本文作者將從四個方面進行分析，希望對你有幫助。
在高度互聯的數字化世界中，各類網際網路技術發展愈發成熟，多數企業也相繼開展名為數字化轉型的戰略。目前大家都在談論的數字化轉型其實有著這樣的背景和特徵：客戶/市場為先的文化、即時反饋、實時接受請求處理需求、自動化服務、智慧化處理、線上訪問、推進改變業務並重新定義業務等。
而數字化的基礎即是大量的、繁雜的、高度業務關聯的基礎資料。基於各類資料進行加工處理，分析呈現，靈活應用，改善業務的過程可被稱為數字化運營。簡單來說，數字化運營的本質還是注重“運營”的過程和手段，即發現問題-分析問題-解決問題的過程，從業務指導管理到運營分析，從經營策略制定到企業的戰略規劃，資料都承擔至關重要的角色。
任何基於資料的運營手段，無一例外的最終目標就是為企業帶來價值增長，諸如人員規模、GMV、AUM、財務利潤或其他核心指標，背離這樣目標的運營將失去主要意義，數字化運營的最終目標也應當是完全服務於業務，在這裡簡單將資料與業務劃分為四個層次關係。即：資料來源自業務，資料反映業務，資料驅動業務，資料驗證業務。
一、資料來源自業務
資料來自哪裡？原始的資料由業務層產出，由業務層維護至基礎資料系統中，原始資料基本無法直接應用，需經過資料探勘，預處理，清洗，轉換等各種加工流程方可進入分析使用階段。這一過程也是業務流程數字化的一部分。一般情況下最終的資料使用者（商業分析師或業務決策層）基本不再關心前期資料採集清洗或業務流程數字化等處理工作，而更在意最終展現在決策場景下資料內容，搭建一套符合業務邏輯的指標體系能更清晰說明業務情況：
可根據業務的整體轉化流程建立指標體系，如訪問客戶-註冊客戶-諮詢客戶-訂單客戶-付款客戶，也可從龐大的指標體系中提取重點指標日常關注，或定期進行固定的專題分析（如客戶消費軌跡分析），或週期性的產出一定的資料看板（日度、周度、月度）；
也可從整體業務邏輯出發建立完善的分析體系：Ø 業務指導：透過對資料的收集、統計、追蹤和監控搭建日常業務的管理模型來指導業務。如日、周、月銷售額，每日流量轉化，新增使用者轉化情況等日常看板。
運營分析：運營分析更多注重對收集來的資料進行整體的分析和管理，一般呈現為週期性的報告，如周度月度分析報告，周度財務狀況分析，客戶關係分析等。
經營策略：經營策略管理屬於高層的管理決斷，根據各經營環節對應的資料分析來修改和制定策略，如消費者行為分析，活動策略的制定採取何種模式等。
戰略規劃：戰略規劃是透過企業內部和市場外部資料制定長遠的規劃的過程，如企業競爭力分析，行業環境分析等。
使用XMIND或者腦圖等工具來進行業務指標拆分是梳理思維是不錯的選擇（思維導圖，邏輯圖，組織結構圖，樹形圖，時間軸，魚骨圖，矩陣圖等）。
二、資料反映業務
完善的符合業務發展邏輯的指標體系建成後，下一部就是讓資料學會說話，及時反饋業務短板，針對業務場景的深刻理解和邏輯推理能力是解讀資料必須的，為了讓業務層更好的理解資料反映的業務情況，適當模型的使用也是必要的，例如基礎的漏斗模型，AARRR模型等：
另外一些常用的分析方法也經常應用於各個業務場景，如四象限圖，帕累託圖等；
資料展示模型和方法多種多樣，選取最適合業務場景和業務邏輯的模型和展示方法能更簡明扼要的說明業務現狀。
三、資料驅動業務
資料驅動業務一直是難度很高的話題，透過資料模型或者視覺化解讀出的資料短板必須得到重視和解決，應用資料推進業務發展、解決業務短板也應當成為企業的日常工作之一。培養企業的資料思維，形成資料習慣也是一個長期過程。一個快速、高效、易用、可靠性高的資料平臺，提供準確性高，及時響應，保證更新頻次的資料供給將會對資料使用者和業務夥伴大有裨益。我行的資料產品矩陣逐步成型，為業務層提供全面、及時、準確、可靠的資料服務，其中自助式客戶洞察分析的知秋平臺提供客戶全流程轉化分析，互動式分析的輕舟平臺滿足各類定製化資料需求，資料資產地圖可查詢各類資料結構和指標標準，報表平臺能實現一分鐘拼表。
數字化轉型過程中離不開各資料產品/平臺、資料團隊和業務團隊的高度協作，這也體現了資料運營精細化程度，從資料使用顆粒度的細分到管理層至一線業務夥伴對數字化的深度認可都應有體現。除了自上而下的對業務資料和數字化的高度重視，專業的資料運營/支撐團隊也是有必要的，這樣一隻數字化團隊除了掌握必備的資料分析方法，對整個企業的資料產品矩陣和資料指標也要有深刻的理解，最為關鍵的是需要深耕業務，如何處理好後臺資料和一線業務夥伴二者的互通是相當困難的。很簡單的方法，新人資料工作者到業務前線崗位輪崗或者兼職一定週期，全身心參與到業務過程將會對其後期的業務分析能力大有提升，也會對業務過程數字化有更深刻的理解。
數字運營本質還是人為干預的過程，在於資料使用者如何分析和使用資料進行決策，好的資料產品某些情況也能解決問題，這裡舉個可能不是很恰當例子：我們透過資料統計發現某條道路堵車機率極高，分析原因是路兩旁車輛亂停亂放嚴重，要治理道路兩旁的亂停車現象，一是由交警給亂停放車輛貼罰單，後續亂停亂放現象就會減少，這屬於人為干預的運營手段；二是給道路旁設定非機動車道圍欄，導致路邊沒有停車位置，也可改善現象，這屬於產品手段。但實際施展過程需要結合具體道路情況，這時就需要熟悉街道的協警來參與決策是人為貼條還是設定圍欄。
即 運營（人為干預）+工具（資料產品）+業務經驗（深耕行業）=資料驅動業務，而資料驅動業務的最終結果就是業務過程數字化的過程。
資料偶爾是不可靠的，如資料統計漏洞，資料口徑不一造成的資料差異，大環境因素造成的資料波動等，資料本身是無法解讀特殊情況的，並且資料本身是不具備業務背景的，這些都需要具備老練行業經驗的人進行解釋和處理。
資料解決不了的問題：感性問題（如人為的思想感情因素），產品創新問題（需要產品經理的創新想法和經驗）等，因此更說明了人為用數的重要性。
四、資料驗證業務
資料應用於業務層後，是否能帶來預期收益，是否促進了數字化轉型過程，其實答案並不肯定。過往資料僅能指引或者反映業務方向性的問題，並不能精準預測業務未來的結果，因此也需要形成一定“閉環”，源自業務層的原始資料，加工後呈現出的資料模型反饋出業務過程的短板，經過人為使用資料對業務進行干預和調整後，業務結果的反饋對先前的資料系統、資料指標體系，資料模型、資料分析結論作出反饋和修正，以此形成正迴圈過程，促使資料和業務同時不斷完善，促成數字化轉型的最終目標。
在這裡再舉個小例子：很多企業都喜歡透過目標管理來管理日常業務，即給業務團隊制定一定週期內（如月度/季度）的業績目標，喊口號拍腦門的制定方法已經不適用於科學管理，數字化過程中應當更多的使用資料參與決策。這裡提供一種思路：在大環境穩定，整體行業形勢波動不大的情況下，先鎖定公司整體業績目標（管理層決策），根據各個業務團隊過往一定週期對公司整體業績的貢獻度（可以是過去季度/半年或者更長週期）來分配業績目標，可以引入各種係數影響，如團隊規模，人員流動情況，庫存情況，客戶質量，時間係數，業務型別係數等各種維度的影響因素，所有因素動態調配，均可成為管理層的業務抓手。每次業績分配完成後業務團隊反饋目標制定準確度和合理性，提出改善意見，來不斷完善目標分配模型。
數字化過程中各類資料都應當被高度應用，不僅參與至各業務流程中對業務進行最佳化改善，更應該參與到最終的業務決策中。
數字化過程帶來的資料化的管理和運營可探索的深度非常廣闊，在於資料和業務之間複雜的聯絡和對業務過程的深刻理解，其本身不能帶來最大化的業績和效率，只有將正確的分析結果以最實際的方式應用到業務層面才能產生效益，任何運營手段都需要考量最終為業務層或企業帶來的真實價值。
作者：中原資料老工匠，一名金融科技從業者；微信公眾號：數匠筆談
本文由 @中原資料老工匠 原創釋出於人人都是產品經理。未經許可，禁止轉載
題圖來自Unsplash，基於CC0協議
