大數據專家車品覺：企業如何存量再造和增量探索 | 云徙直播第二講

　 阿里云優惠券 先領券再下單

近日，云徙科技邀請大數據專家車品覺老師，進行了《數智驅動營銷增長》公益直播課，車老師針對疫情之下企業面臨的挑戰，如何利用數據與技術的力量推動業務增長，以及數智時代，企業如何進行存量再造和增量探索進行了精彩分享。

一、疫情挑戰下的企業應變之道

疫情造成假期延長和人員流動限制，給企業復工帶來了較大沖擊。BCG波士頓咨詢發布最新洞察《新冠肺炎疫情直擊——現狀、風險及影響》，主要把這次疫情分為3種不同的可能性。

樂觀預期：疫情可以在2月份得到有效控制，對整個中國GDP的影響比較低。

基線預測：3月底能夠完成有效控制，這是一個標準線。

悲觀預測：疫情在6月份左右才能控制。

具體到對于市場的影響，我們可以看下面這張圖。其中，影響大的屬于享受類的，非居家場景，因為線下的場景減少的關系。而方便食品、糧油、生鮮等居家場景的商品，影響較小。

宏觀環境是這樣的，那對于自己公司的影響是怎么樣，我們需要做什么呢？可能我們需要有兩方面準備，一是需要有目前的應急方案，另一個是需要思考整個業績增長方面我們應該怎么做。也就是說一個是解決目前的風險，一個是保證未來的發展。

二、如何利用數據與技術的力量驅動增長？

我們應該考慮，通過自己的數據能力，是不是可以讓我們更早的知道某些東西對于企業的影響，也可以更早的知道什么是我們的機會。

一直以來我都用這個框架做數據應用的閉環，首先其實我們需要用數據來去描述一下，到底現在企業的現狀是什么？你們希望診斷的這個東西，為什么會發生，以及可能會預測，還會有什么發生，這種情況不會再出現嗎？再出現的時候我們應該采取什么樣的行動？

在實踐數字化運營的過程中不要說是一個小企業，就是一些比較大的企業有可能問題更大，因為大企業往往人數很多，容易出現堵、獨、慢、漏。

一、堵：日常報表信息量大，難以捕捉有效信息。

二、獨：信息分散在不同部門，缺少有效整合。

三、慢：業務異動的處理往往是自下而上來推動的。

四、漏：關鍵分析成果取得實效，但未實現沉淀。

這是因為我們根本就沒有一個系統可以把一些問題沉淀下來，讓我們未來在發生某種事情的時候做出更快捷的洞察，以及快捷的行動。這4個問題其實在很多企業來講，包括很多機構來講都是一個蠻大的常態。

把一個企業全面的數據化一般我們會有8步：

Step 1. 關注決策的過程，加強數據分析能力

Step 2. 建立數據資源，整理數據標準

Step 3. 形成管理規范，建設數據管理平臺

Step 4. 建立海量數據的深入分析能力

Step 5. 建設外部數據的戰略儲備

Step 6. 建立數據的外部創新能力

Step 7. 推動自身數據的開放與共享

Step 8. 數據產業的戰略布局

這8步里面第一步是要搞清楚，什么決策是對一個公司影響非常大的，而這個決策是用你的經驗去做，還是去用數據分析來做，還是結合經驗再加數據分析？答案肯定是結合了，為什么呢？

有時候我們從經驗知道了有可能是有2、3個可能性，但是我們用數據來證明這2、3個可能性里面哪一個比較好時，會從數據的分析里發現問題，我們要用經驗來判斷，數據出來的結果是不是根據我們的經驗是一樣的，這樣會加強自己的經驗跟數據之間的互動。

今天有很多人可能都對數據中臺非常感興趣，以前我們不叫它數據中臺，叫它是數據分析平臺或者是商業智能的一種平臺，那為什么突然今天叫數據中臺？

原因是因為第四步，因為我們要建立海量數據的深入分析能力，包括第五步有很多的外部數據的加入，在這么多不同結構的數據量進來的地方，我們如果不建立一個中臺，那整個公司每個人要使用數據的時候，都要重新從海量數據里面清洗，成本是非常高的，同時效率也非常低。

5、6、7、8步之后，一家公司基本上就逐步的把外部的包括數據、能力、人才都為我所用了。5、6、7、8步實際上是實現數據化的一個生態，讓生態來幫助整個公司數據化的進程。

為什么我們今天要這樣做呢？實際上我們想用數據來達到幾個點，我們想用數據來發現發生了什么，想知道那些事情為什么會發生，我們想知道未來會再發生嗎？以及什么時候會發生，我們能做什么？

當有第一方數據，也就是你自己的數據的時候，能不能因為有第三方的數據進來，讓決策變的更準確更重要，這是整個數據化思考的核心點。就是我們相信當有海量數據包括外部數據進來的時候，對于某一些決策可能有非常大的進步，而這個非常大進步的決策有可能成為企業的核心競爭力，這就是我們為什么要花這么大的力氣，為什么要建立一個數字化公司的非常重要的核心。

三、數智時代，如何進行存量再造和增量探索？

今天的很多企業可能對于自己的消費群體都沒有一個非常明確的分群，我首先想說的一個分群并不是用戶畫像的一個分群，用銷售的角度來講，是頭部的5%的用戶群，頭部以下25%的用戶群，以及下面70%的用戶群。

實際頭部5%的用戶群跟中部的25%的用戶群是很不一樣的。頭部5%用戶群其實是你非常重要的用戶，你必須要花多一點時間去看這5%的用戶群。下面25%用戶群的話就不一樣，他可以從25%里上升到頭部，怎么樣可以讓他們提升的更快，當然，他們也可能變到其它的70%里面，這是一個非常好的經營上分析。

另外一個是說，這個客戶其實在公司里面已經有幾年歷史了，所以說他已經是我一年的客戶，兩年的客戶，三年的客戶，這樣的客戶分析是用時間來說，就是說他是我的多少年的客戶。

最后的一種是說他是0到1個下單，1到3個下單，3到8個下單，以及8以上的下單，這里面講的這個用戶跟我們公司不是以年份來計算，而是以他每次跟我有交易中間產生的對我的信賴。

從這上面我們會發現我們還可以把整個人口的信息、生命周期、教育信息來建立一個客戶的圖譜，這是一個更細化的用戶群的劃分，以及我們也可以把這種畫像再換成一個特殊的用戶客群，比如說他是大學生，是農民，是海外的華人種種，這種其實是把我們的用戶更細化了。

為什么要把用戶畫像做這么細化？因為只要我們對消費者的理解或者了解越深，我們在營銷上就可以在他們要離開的時候，把他們拉回來。在不同的渠道場景，對不同的商品，我們可能會有更好的策略。

有了這么多的信息，如果沒有很好的對業務進行跟蹤的話，或者是說沒有一些異動分析的話，也沒用，所以我們在阿里的時候曾經做了一個叫觀星臺的平臺，可以做到對業務的跟蹤，異動的分析。

在這里，特別提出的是大事記非常重要的，最好是可以讓一些實踐能記錄在一個數據分析的系統里面，這樣的話將來當我們去分析一個數據的異動的時候，可以看到企業里的一些事件跟這些分析的數據的關聯度到底是怎么樣，但如果沒有事件配合的話，就算你有一個非常好的數據系統，也不一定可以沉淀業務上的經驗。

今天，我們對于數據的需求可能每個禮拜，每個月都在變，不是說我們想變，而是產品的競爭太快了，所以當業務的層面，商業的層面在改動的時候，數據也跟著要改變。另外一個是，我們發現有很多的公用或者通用的數據其實他們是很類似的，所以我們可以把這些數據沉淀，沉淀之后去清洗，當有一個業務需求來的時候我們不需要重新再做，因為公用的東西一般改變的比較慢，我們可以保持它的穩定性。

中臺的理念是通過共創、復用、沉淀的平臺和機制，促進效率、協同、創新。這樣的話我們既可以有一個非常敏捷的反應，多樣的創新的前端，同時我們可以有支持小前端里面變化的一個數據終端，這是整個DT技術的理念，也是為什么我們要對數據中臺特別關注的原因。

申請創業報道，分享創業好點子。點擊此處，共同探討創業新機遇！