[[399597]]

本文轉載自微信公眾號「接地氣學堂」，作者接地氣的陳老師等。轉載本文請聯系接地氣學堂公眾號。

 我們總說數據驅動業務，可平時看到的，卻總是業務部門追著數據部門屁股要數據。哪里是驅動業務了，分明是被人牽著鼻子走啊!

很多同學都有類似的疑惑：到底數據分析對企業有什么用?我的數據用到什么地方去了。最關鍵的：如果數據都對企業沒用，我的崗位還值錢嗎?

數據當然會驅動業務，只是在不同的企業發揮作用的形式不一樣。今天我們一起來看一下，數據驅動業務的六個層次。看看你們企業是哪一種。

1層次一：奴隸監工

數據驅動業務，最直接的形式就是給業務下KPI。你，今年銷售要破千萬!你，今年銷售要破一個億!類似的場景我們可能早就有耳聞。

下任務帶數據，在中國已經有2000年歷史了，古代的軍令狀就是最早的KPI指標承諾書。似乎帶個數據，就顯得這個命令格外有分量，就必須要完成。完成就是英雄，完不成就殺頭，也顯得格外地對業務有驅動力。

然而，下個KPI就能驅動，只是想象中的事。實際上，只是盲目地用數據下KPI，效果并不好。因為KPI指標到底怎么來的?為什么要做到這么多?每個人分配多少?完全沒有一個標準。

因此很容易讓下KPI變成一個假大空的事情。辦事拍腦袋，承諾拍胸脯，出事拍大腿，結局拍屁股，也成為這種只有空洞KPI的企業的常態。

總之，沒有分析過程支持的KPI，就是奴隸監控手中的鞭子。雖然看起來甩得啪啪作響，煞有威嚴，打得奴隸們不得不走。實際上卻沒有效率，常常淪為空談。這是數據驅動業務的第一階段。

2層次二：賬房先生

當然，很快大家就發現空下KPI效果不好使。實際上，一個良好的KPI，是蹦一蹦可以摸得到的KPI，這樣既考慮了實際能力，又有挑戰性。于是人們開始考慮拆分KPI，尋找KPI的來源。還拿銷售數據舉例子：

如果是按團隊銷售的，就開始拆分：

• 總銷售業績=團隊數*團隊人數*人均產出
• 總銷售業績=團隊1業績+團隊2業績+……
• 團隊1業績=張三業績+李四業績+……

如果是按門店銷售的，就開始拆分：

• 總銷售業績=大區數*大區門店數*每門店產出數
• 總銷售業績=大區1業績+大區2業績+……
• 大區1業績=門店1業績+門店2業績+……

這種做法，極其類似地主家收租。地主家會雇一個賬房先生。賬房先生會先算一個總賬，看看今年是豐年還是災年，預計下地主老爺下邊的50個農戶總體能產出多少。如果遇到災年，總收入不足，就建議地主老爺趁機多兼并一些土地，把農戶總數做多，還能保住總收成。

在往下分配收租指標的時候，會考慮各個農戶勞動力多寡，生產能力，分配一下收租數。讓勞動力好的多交，差的少交。這樣看起來一舉兩得，既不會逼死農民，又能多壓榨些勞動成果。這是數據驅動業務的第二階段，姑且叫他賬房先生好了。

3層次三：事后諸葛

實際上，層次二仍然是知其然不知其所以然的階段。因為到底業績是怎么來的?是賣什么賣出來的?賣得好的業務員有什么訣竅?還是一無所知。到頭來還是靠拍腦袋：你連續三年都做得好，今年也做得好吧。

然而這種假設不一定成立，只有真的洞察到業績的來源，才能分析出到底能做到多少。還拿銷售數據舉例，在總銷售業績=大區數*大區門店數*每門店產出數的公式中，只有破解了每門店產出數到底是怎么來的，才能正確地估計，到底這個門店能做多少。

隨著商業模式的進化與數據系統的強大，于是銷售解析的公式開始越來越復雜。即使只有最簡單的POS機訂單，我們也能把門店業績，拆成如下：

• 門店業績=訂單數*訂單單價
•  門店業績=訂單數*(件單價*連帶率)

這里，訂單數意味著客流的好壞，件單價代表了產品檔次，連帶率意味著交叉銷售水平。從這三個指標加上其他一些對比，就可以初步解讀出：我們是要多做引流還是力推高端商品，是要考慮降價吸客還是推組合銷售(具體解讀過程太過復雜，單獨有文章介紹)。

有了會員卡+電商平臺以后，就可以進一步拆解指標：

• 門店業績=(全體用戶*付費比例*人均訂單)*(件單價*連帶率)
• 門店業績=(全體用戶*活躍率*付費比例*人均訂單)*(件單價*連帶率)

到這里，是不是分析公式，已經和目前電商常見的AARRR模型很像了。有了會員卡(會員ID)我們就可以區分用戶等級，用戶價值;有了網站，我們可以記錄用戶成交以前的活躍行為。

這使得我們可以深入解讀“為什么用戶會購買”，從而能極大地豐富對業績來源的分析方式，從而合理地指導業務進行工作。除了調整商品價格，品類搭配以外，還多了更多針對用戶需求的信息推送動作，而且使得業務行動越發科學。

到這一步，數據已經成為業務方的生意參謀。不僅僅是在一旁吆喝著：你要出業績!而是能幫忙出謀劃策：你做XX產品組合銷售，針對XX客群做推送，可以更好地出業績。這是數據驅動業務的第三階段，這個階段做得好的公司，業務部門會把數據分析師當作顧問和軍師，真的認真聽取他們的意見。

4層次四：前敵參謀

層次三寫的內容很多，是因為大部分的分析方法，都是在層次三應用的，展開來寫n篇文章都不夠。

但是層次三仍有兩個問題。問題一，分析過程太長，都是事后的結果，沒法在過程中即使調整。問題二，軍師嘛，都是說話給主公聽的，前線的統軍大將，不是“將在外軍令有所不受“的驕兵悍將，就是“末將糊涂請主公明示”的蝦兵蟹將，數據分析結果出不了市場部，前線難以應用。

更好的狀態，當然是能上通下達。然而這需要技術與業務的雙向支持。在技術上，需要有簡單、易懂的BI工具。讓一線方便，快速地看到實時數據;需要有強大的后臺系統能支持實時計算，縮短數據反饋的時間，基于數據進行行動。

在業務上，要么有老板強力往下推動，形成數據化管理的氛圍。要么需要數據部門自己有手段，在業務部門里培育出有使用數據習慣，會科學使用數據的人才，大家通力合作，這樣才能實現真正的數據驅動。

要不然，辛苦做的BI，報表打開率不到10%。一線的不是平時不看數據，就是發現問題了喊著：“來個人工智能大數據分析一下吧”，這樣還是無力推動業務。

5層次五：智能打手

除了直接買賣數據外。數據能自己創造業績嗎?當然可以，數據也可以代替銷售們下場賣貨!充當打手直接沖鋒陷陣，斬獲業績。當然，這是有前提的。

第一：既然是打手，得能夠直接打到人才行。因此不需要導購、業務員參與的B2C銷售模式，就更容易發揮數據作用。比如電商網站、搜索網站的推薦系統，就能通過算法，提供有效信息給用戶，提高成交率。

第二，打手想打出成績，得能打得動痛點才行。在消費者對產品有鑒別力的行業更容易生效。類似醫療保健美容家裝，這些存在巨大信息不對稱，存在大量非理性消費的領域，銷售、導購還是起著巨大作用。

第三，智能打手之所以智能而不是瞎打，得有大量數據支持。這意味著在推薦系統上線前需要有足夠數量數據及足夠數量的用戶。這兩點恰恰是很多平臺的缺陷。有可能平臺本身不是淘寶微信這種超級應用，用戶少、數據記錄少，就更難發揮作用。

同時湊成這三點相對困難。因此所謂精準營銷，智能推薦，目前成功案例及可應用的范圍均較少。但隨著消費者本身使用移動互聯網越來越多，阿里/騰訊開發部分數據及研究資源，未來類似的系統可以發揮更大作用。這是數據驅動業務第五階段，也是最高級階段。數據在這里直接就是生產力。

6層次六：大內密探

自有數據以后，數據就開始成為間諜們交易的籌碼。數據驅動業績自然也有了大內密探這種模式。

然而，數據的黑市交易始終被法律所禁止。所以大內密探型的數據驅動，開始轉向一些可以公開采集的正當手段，比如財報分析，同業交流，市場調查，爬蟲。通過收集競爭對手的信息，為我們設計戰術提供支持。

但始終，大內密探們只是躲在暗影中的少數異類，這一類數據驅動業務也不是主流模式。

7談不上驅動：家里老媽

家里老媽老是嘮叨你：“回家先洗手才吃飯”“有女朋友了沒?”“天冷了加條秋褲”……你聽嗎?當然不咋聽，不但不聽還嫌老媽嘮叨呢。“我又不是小孩子”“鄰居結婚關我屁事”。

有數據部門是這種狀態嗎，當然有;有數據分析師是這種角色嗎，當然有。不信大家可以統計下自己發出的日周月報打開率，有多少能去到15%以上的。數據驅動業務?驅動個屁，這也是一個狀態哈。

當然還有一個類型是車夫型，就是開篇講的天天被業務方呼來喝去跑數據，跑完了還要嫌棄數據不準，提供太慢，分析不深的。但這種已經是被業務方吆喝著滿地跑了，不在“數據驅動業務“的范疇內哈。