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。