人人都在谈数据驱动，如数据化管理、数据驱动的运营、或者数据驱动的测试等，关于数据驱动的应用的讨论很多，那么，数据到底如何驱动？能够驱动什么？数据驱动能力如何提升？
提高数据驱动能力能够做到哪些事？
如果我们能够提升数据驱动能力，那么我们就能做到以下这些事情：
1）通过数据挖掘和特征值分析，发现用户增长点和探索业务场景；
2）设计合理的核心指标和衍生指标，并通过有效手段增长；
3）根据数据分析评估产品设计方案，并通过用户研究和实验来优化设计；
4）设计产品优化排列规则和AB测试实验；
5）有效推动数据埋点，数据报表系统完善；
6）建立内部的用户画像系统，用于设计有效的产品和运营方案
特别是对于创业阶段的企业，数据分析的目的是为了在钱用完之前，找到正确的产品方向和市场，这时候提升数据驱动能力就显得至关重要。难点在于创业公司的关键指标由于商业模式会有变化，所以需要产品和运营团队通过不停的数据分析和产品市场迭代交替，来逐步调整方向。
我们要知道，数据本身是没有意义的，如果它不能转化为信息和知识的话，对我们来说数据本身并没有什么用处，但如果没有数据，或者数据匮乏，信息和知识的产生也就成了无水之源。因此，在拥有数据的同时，我们要积极提升数据驱动能力，充分发挥数据的作用。
如果你经历了某件事，把它记录下来。
如果你记录了某件事，把它上传。
如果你上传了某件事，分享它。
这意味着每个人都成为数据的采集、处理和分享者。
提升数据驱动能力的过程中，企业往往存在两个问题：
1. 缺乏有效的数据分析工具：
少数大型企业（如银行和电信公司）一般拥有BI系统可以实现将不同源的数据进行整合、并支持在线分析处理和报表，但很多企业还是依靠Excel进行分析和报表，比如一家拥有上百家门店的中型珠宝公司，老板很重视数据，强调用数据说话，每次开经营分析会，大区经理就要熬夜用Excel来做各种分析报表，效率很低，也很让区域经理窝火：我是带兵打仗的，却需要我做这么多案头工作！
2. 缺乏将数据转化为信息的分析能力：
有一定规模的企业现在都拥有大量的数据，例如我们从一家互联网公司各业务系统导出来的数据，就达数千万行之多，如何从这些数据里看到数据之间的联系，将他们组织成有意义的信息，无疑是一个挑战，一般的企业不具备既了解业务又会数据分析的人才。
大多数企业在知识层面做得较差，一些企业虽然建立了知识管理系统，但并没有一个有效的知识生成、应用和更新机制；更多的企业没有知识管理的体系，这些企业存在大量隐性知识。
有效的数据驱动机制将能实现企业里隐性知识显性化，显性知识结构化，从而让企业里的每个人可以随时随地获取相关知识进行业务操作。
