海致BDP孙佳：打破数据桎梏，驱动业务增长

本文编自2017年3月11日［数据动力· 数据化企业是如何炼成的］数据分析私享会（上海站）演讲嘉宾之一——海致BDP华东区总经理孙佳分享的内容。

大家好，我是海致BDP的孙佳，我今天分享的主题是《数据驱动业务增长》。

提到数据的概念，大家都不陌生，因为现在人工智能和大数据非常热门，各行各业都在拥抱或尝试拥抱大数据。例如前段时间，我和一个制造业管理者聊天，他说：“数据的价值我也非常认可，我们也一直在做数据积累的工作。我们有很多系统，ERP系统、CRM系统等，这些年我们已经累积了大量的数据，但还不知道怎么使用它们。”

“不知道这些数据怎么用”是一个普遍的问题，这家企业也只是许多中国企业运用数据现状的一个缩影而已，不止中国，在全球都是这样。IDC的报告显示：2012年，全球数据供应量达到了2.8 泽字节(ZB)，即2800 万亿GB，但是其中仅有0.5%被用于分析。

再列举第二个数据，中国的GDP在2015年已经跌破了7，到了6.9个百分点；2016年，初步核算下来是6.7个百分点。这是意味着什么呢？意味之前企业粗放式的增长，快速地扩充产能、扩充销售队伍以赢得更高的营收的这种方式已经不那么行之有效了。之前我们是努力地去做大蛋糕、做大市场， 但是现在蛋糕可能就那么大了，如何能够赢得一个更大的市场份额，这也是现在企业所面临的核心问题。

很多企业已经意识到需要从粗放经营转型到精细化运营。精细化运营其中有一个核心点，就是数据化管理。之前很多的决策是拍脑袋决定的，高速的增长将这种决策的缺点掩盖了。但是现在我们已经到了存量时代，意味着现在的运营必须趋向精细化，所做的决策必须是通过市场调研、论证、数据分析等所得出的科学决策，这样才能提高企业的竞争力。

企业在积累数据，数据积累到一个量级的时候，可能产生质变，催生出一个新的商业模式。

举个例子——蚂蚁微贷。阿里巴巴利用多年的线上零售数据、支付金融数据、个人身份数据等，通过多维数据的整合、加工、计算，构建信用维度，可以极大地提高蚂蚁微贷发放贷款的效率。这是人工智能和大数据在金融领域的初步应用，很多的金融产品机构也在进行这方面的改进。

数据是金矿，这一点已经被大家认同，但是如何从这金矿中淘到金子，是我们所面临的一个问题。

企业该如何利用数据驱动业务增长？

那么，企业该如何利用数据驱动业务增长呢？首先需要从以下四个方面入手：

一、 数据源

我们讲数据分析，数据从哪里来？可能来源于网站、来源于系统、来源于一些excel表格。那么这些数据的管理需要注意哪些方面呢？

1、数据源的广度

比如说，服装业企业客户，分析成交单数、客单价，成交单数是进店人数乘以成交率，进店人数呢又是路过人数乘以进店率，那么路过人数、进店人数就属于数据广度这一块儿，数据足够全面，未来支撑分析的维度就会更多。

2、数据的深度

比如看某个订单的时候，需要知道时间、地点、价格、款式等。数据源整体数据质量如果不够的话，未来是不足以支撑细化的数据分析的。

我们做的第一件事情就是把所有数据全部收集起来，并实现“一键接入，随需更新”，提升数据源的广度和深度。

二、 场景

场景分为两块儿：

1、移动端场景

现在我们很多的应用场景是在移动端，尤其C端的应用基本都是。 传统的数据分析是PC端的模式，那么PC端的模式需要能够往移动端迁移。

2、业务场景

我们希望数据分析不止是一个概念或形式，它需要更加贴合我们实际的业务场景，发挥它的价值，解决业务过程当中实际碰到的问题，所以必须涵盖业务场景。

三、性能

性能在传统软件中是非常不被关心的指标，我们最开始想去上一套系统，最关注的是功能，只要功能能够满足，系统慢一些没关系。现在不一样了，现在大量的C端应用培养了用户的使用习惯，当你已经习惯了一个非常简单、非常快速的运行环境的时候，让你切换回一个反应非常缓慢的系统的时候，相信你就对这个系统应用很难接受了。

BDP线上亿级数据计算时间是0.28秒；我们线上有超过60万个数据模型，从数据源变化到模型计算完成的平均时间是24秒等等；这些性能数据足以保障用户在前端体验到的是一个快速、反应灵活的分析平台。

四、可视化

未来，数据分析会往业务部门做一个迁移，因为只有业务人员才最懂业务，才能最大发挥数据的价值。但是通过大量的表格，一般业务人员很难从中快速发现一些业务问题。所以，数据也会从数据表格的形式向图形化转变。毕竟，人类对图形的接收处理的速度远高于数字。

以上是我们提到的企业运营过程中的需要解决的问题。

以业务为中心的数据平台具备哪些特点？

我们已经明确，对企业最理想的情况是业务人员来自助分析数据，因为业务人员应用才能最大程度挖掘出数据背后的价值。

但是业务部门分析数据，会面临很多问题，最主要的是数据分析的门槛是否够低？因为现在的情况是很多企业数据部门制作的报表分发到业务部门中，业务人员无法使用或者业务人员根本看不懂的情况比比皆是。

所以，企业构建一个以业务为中心的平台需要具备以下特点，才能被高效应用起来：

一、建立统一的数据口径

如我们之前提到，在企业运用数据的时候，需要对数据源的质量进行一个管理，要保障数据需要足够广、足够深；数据需要整合到一个统一的管理平台上。例如企业在开会，当销售出现问题的时候，A部门拿出一个销售数据，B部门拿出一个销售数据，但是对不上号，来回推诿扯皮，无法解决问题，这样对于企业的发展是非常不利的。

这个问题我们认为需要企业把数据管理起来，例如，我们在设立数据指标框架的时候，要定义的核心指标是什么？是成本、利润还是营收？以营收为例，又拆分成客户数和客单价等等，这些数据分别来源于哪些数据源、哪些系统？系统数据录入人员，录入是否规范？我们对数据指标的定义是否一致？

所以需要我们整体从数据管理的角度，定义出一致的指标，将数据治理做好，然后在统一的平台上统一输出数据，这样确保了统一口径。

二、自助式数据准备

第二，我认为要实现数据分析向业务部门的迁移，需要业务部门能在一定程度上自助准备所需数据，在数据准备的过程中，利用BDP平台可以帮你轻松实现数据关联、整合，迅速准备好你所需的所有数据，数据建模就像搭积木一样简单，使得业务人员不需要完全依赖技术部门。

三、可视化探索式分析

早前几年的数据分析工具，有一个预先建模的过程，很多时候，预先配置好分析维度是什么，然后往里灌数据，得出结果，将结果推送给业务部门，这样的效果不太好，因为这局限了业务人员的思维。我们希望未来业务人员能在平台上通过简单拖拽，随时获取数据，去做探索式分析，结合自己对业务的理解，具体的业务场景，去分析出自己想要的结果。

如果可视化探索分析要真正地应用到业务人员当中，需要具备以下特征：

易用：现在数据分析平台以及整体科技应用发展趋势一定是朝着简单易用发展。

比如以前我们拍照需要摄影师、照相馆，但是现在我拍照如果说要去照相馆，你就会很自然地问：难道你没有手机吗？人人都可以拍照，如果你学习一些摄影的知识，甚至用手机可能拍摄出摄影师水平的作品。所以数据分析平台也要降低门槛，向业务人员开放，前提就是易用。

灵活：尤其是互联网企业，业务发展变化非常快，今天要分析A数据，明天要分析B数据，后天要换一个维度去分析A和B的数据。这时候，如果是传统平台，有限的资源、有限的研发人员永远无法满足无穷无尽的改变，无法满足业务的需求也意味着无法快速的去响应市场，使得企业运营的效率会降低，竞争优势会慢慢丧失。所以这个平台一定要灵活、快速，以支撑业务的变化。

高性能：随着物联网、互联网发展，数据量越来越膨胀。当数据量达到一定的体量的时候，比如说1亿条数据，如果要做一个分析，到底多长时间能够反馈出一个结果？在很多企业当中，性能已经成为了数据分析的短板。比如，我们的一个零售客户，之前分析一个数据，需要6个小时，运用了BDP平台后，2到3分钟即可得出结果，大大缩短了分析过程，大幅提高了企业的运营效率和经营绩效。试想一下，你分析过程6个小时，你的对手只需要5分钟，日积月累下来，差距可想而知。

四、安全快捷的分发体系

经过数据的收集、处理、可视化的分析之后，需要进行数据分发。BDP平台支持单个分发，也支持批量分发，确保用户只可以看到自身权限内的数据，保障数据安全。

五、覆盖全面的应用场景

BDP覆盖的应用场景也是全面的。

1、覆盖PC端、移动端

现在很多企业管理已经朝着移动端转化，打开手机即可查看，也是用户体验的一部分。

2、对业务场景的结合

这是之前容易被忽略的场景。比如，要看一个月环比相对简单，要看一个周环比，可能需要花点时间，当你想要看一个日环比，这就是非常让人头疼的事情了，需要花大量的时间。而BDP平台通过简单拖拽，即可快速得出环比数据，而且每天自动更新，大大减少了运营人员制作日常报表的时间。

所以，数据分析平台要满足用户场景需求，切实有效解决业务人员和操作人员在实际业务过程中发现的问题，真正带给他们价值，才能将这个平台在企业中运用起来，否则随着时间的推移可能会弃置不用。

部分行业应用示例

BDP数据分析平台如果单纯只做可视化分析的话，无非就是满足了用户更好性能、更易用、更美观的需求，但我们还是想要带给客户更高的价值，结合行业专家的好的理念，在平台中形成切实可落地的方案，真正指导业务。比如说我们在这些行业中的应用：

一、零售快消

零售快消是我们可视化分析的一个业务场景。

比如购物篮分析，其实这块最著名的应用莫过于<啤酒和尿布>，把看上去没有直接关系的商品摆放在一起组合销售获得了更好的销售收益。在实际服务客户的过程中，我们经过对不同地区的商品进行关联规则分析，给出top10销售商品组合后，客户对员工进行相关话术培训，在一些门店销售A商品的时候，营业员会提醒顾客：“和B产品搭配起来味道更好，来买A产品的，很多都买了B产品，您要不要试一试？”，小小的话术改变，在试点门店，销售数字倍增。

这就是我们希望的，数据分析不要只分析指标，而要了解指标背后的意义和这些指标背后的关联关系，进而发现问题，做相关的优化和调整。

二、泛互联网

我们也服务了很多泛互联网客户，泛互联网用户对我们的平台普遍反馈了这些价值：

1、降低了成本

有些客户自己考量，如果要自建一个平台，首先要招一个架构师加几个工程师，可能6个月框架研发出来了，还要不断去修补bug，而且泛互联网业务发展飞快，构建数据平台的周期太长，浪费不起这个时间。

现在整个社会往细分和专业化发展，不同细分行业的合作将越来越多，将专业的事情交给专业的人去做，选择外部合作，能够有效降低成本。

2、提升了运营效率

原来很多企业的数据分析师的主要时间花费在做业务人员的需求报表这件事情上，这多不科学啊。很多企业高管也说，希望数据分析师80%时间能够花在分析上，促进企业良性发展，而不是总在做报表，这是极大的浪费。

所以，通过BDP分析平台，业务人员可以自主进行数据分析，大幅提升效率。

三、网络营销

网络营销的成本如何得到最高程度的优化？线上的SEM推广，通过BDP分析平台洞察每个关键词的投入和产出，分析每个页面的转化，每个客户的签单转化等，能够有效降低投放成本。

四、实况排名

在网络营销的基础上，延伸出实况排名，实时监控自己和竞争对手的投放情况，了解对手的投放策略，支持自定义设置数据更新的时间点、监控频次和时段，及时调整策略，不落后于对手，不错过任何商机。

五、物流行业

在物流行业中，BDP轻松接入订单、仓储、配送、售后服务及财务等各系统中的数据，打通业务系统，让前端投入和后端产出数据形成闭环。

数据平台的应用流程

之前我们是业务人员提一个需求到分析部门或研发部门，然后研发部门了解需求、设计模型、写代码、做报表、二次沟通、调整、优化、测试，周期很长。在BDP平台上，技术人员只需要将业务人员要分析的数据连接到平台之上，分析人员可以快速响应业务人员需求，制作相关的分析指标，通过权限，推送给不同的业务部门和具体运用的业务人员，整个应用流程畅通高效。

以上是我针对《数据驱动业务增长》这个主题的分享，谢谢大家！

Q & A

1、BDP主要受众是什么？想要运用这个平台，学习周期需要多久？

BDP平台希望整个企业所有人员都能够使用，这是我们的设计理念。不同的企业应用的部门和人员也不尽相同，当然在目前阶段大多数客户这里，管理层、数据分析部门、业务运营部门应用的会更多一些。

BDP平台易用性很强，学习周期比较短，如果想进行一些浅层次的运用，通过简单的培训，可能半小时一小时就能够掌握绝大部分基础操作，也包括后端建模，都是有可视化的操作界面；对于技术人员，我们也提供SQL创建等相对复杂的应用。当然，系统都是越用越深，我们也在不断更新迭代产品新的功能，所以有可能会活到老学到老啊。

2、如何保护用户数据安全？从财务到销售到运营的整体数据都可以进行分析吗？

首先，我们是一个自建的云平台，保证数据可控。数据的传输，是256位ssl加密的方式；数据的存储，随机存储在多台服务器上；同时还有账号权限隔离，确保他人无法接触用户数据；另外当用户数据出现问题，需要协助的时候，会有一个授权机制，用户开放一个帐号给运维人员去登陆解决问题，运维人员的操作全部被记录日志；还有一些局域网登陆、手机验证码登录设定等，当然如果不接受云端也可以采取本地化部署的方式。

第二个问题，是的，财务、生产、运营的数据都可以整合进行分析，我们服务的很多企业都已经在这么做了。但是额外说一句，很多时候我们对数据应用有一个误区，就是贪大求全，我们建议先找出核心关注点，将核心关注点做深做透，然后通过培训，进行一个知识转移，让用户能够学会运用平台，利用平台对数据做分析，用数据指导业务，真正促进业务的发展。