解析：大数据专家车品觉：企业如何存量再造和增量探索 - 云徙直播第二讲

发布时间：2021-10-23 15:41:01 阅读：次来源：体重秤厂家

近日，云徙科技邀请大数据专家车品觉老师，进行了《数智驱动营销增长》公益直播课，车老师针对疫情之下企业面临的挑战，如何利用数据与技术的力量推动业务增长，以及数智时代，企业如何进行存量再造和增量探索进行了精彩分享。

一、疫情挑战下的企业应变之道

疫情造成假期延长和人员流动限制，给企业复工带来了较大冲击。BCG波士顿咨询发布最新洞察《新冠肺炎疫情直击——现状、风险及影响》，主要把这次疫情分为3种不同的可能性。

乐观预期：疫情可以在2月份得到有效控制，对整个中国GDP的影响比较低。

基线预测：3月底能够完成有效控制，这是一个标准线。

悲观预测：疫情在6月份左右才能控制。

具体到对于市场的影响，我们可以看下面这张图。其中，影响大的属于享受类的，非居家场景，因为线下的场景减少的关系。而方便食品、粮油、生鲜等居家场景的商品，影响较小。

宏观环境是这样的，那对于自己公司的影响是怎么样，我们需要做什么呢？可能我们需要有两方面准备，一是需要有目前的应急方案，另一个是需要思考整个业绩增长方面我们应该怎么做国标鼓式制动。也就是说一个是解决目前的风险，一个是保证未来的发展。

二、如何利用数据与技术的力量驱动增长？

我们应该考虑，通过自己的数据能力，是不是可以让我们更早的知道某些东西对于企业的影响，也可以更早的知道什么是我们的机会。

一直以来我都用这个框架做数据应用的闭环，首先其实我们需要用数据来去描述一下，到底现在企业的现状是什么？你们希望诊断的这个东西，为什么会发生，以及可能会预测，还会有什么发生，这种情况不会再出现吗？再出现的时候我们应该采取什么样的行动？

在实践数字化运营的过程中不要说是一个小企业，就是一些比较大的企业有可能问题更大，因为大企业往往人数很多，容易出现堵、独、慢、漏。

一、堵：日常报表信息量大，难以捕捉有效信息。

二、独：信息分散在不同部门，缺少有效整合。

三、慢：业务异动的处理往往是自下而上来推动的。

四、漏：关键分析成果取得实效，但未实现沉淀。

这是因为我们根本就没有一个系统可以把一些问题沉淀下来，让我们未来在发生某种事情的时候做出更快捷的洞察，以及快捷的行动。这4个问题其实在很多企业来讲，包括很多机构来讲都是一个蛮大的常态。

把一个企业全面的数据化一般我们会有8步：

Step 1. 关注决策的过程，加强数据分析能力

Step 2. 建立数据资源，整理数据标准

Step 3. 形成管理规范，建设数据管理平台

Step 4. 建立海量数据的深入分析能力

Step 5. 建设外部数据的战略储备

Step 6. 建立数据的外部创新能力

Step 7. 推动自身数据的开放与共享

Step 8. 数据产业的战略布局

这8步里面第一步是要搞清楚，什么决策是对一个公司影响非常大的，而这个决策是用你的经验去做，还是去用数据分析来做，还是结合经验再加数据分析？答案肯定是结合了，为什么呢？

有时候我们从经验知道了有可能是有2、3个可能性，但是我们用数据来证明这2、3个可能性里面哪一个比较好时，会从数据的分析里发现问题，我们要用经验来判断，数据出来的结果是不是根据我们的经验是一样的，这样会加强自己的经验跟数据之间的互动。

今天有很多人可能都对数据中台非常感兴趣，以前我们不叫它数据中台，叫它是数据分析平台或者是商业智能的一种平台，那为什么突然今天叫数据中台？

原因是因为第四步，因为我们要建立海量数据的深入分析能力，包括第五步有很多的外部数据的加入，在这么多不同结构的数据量进来的地方，我们如果不建立一个中台，那整个公司每个人要使用数据的时候，都要重新从海量数据里面清洗，成本是非常高的，同时效率也非常低。

5、6、7、8步之后，一家公司基本上就逐步的把外部的包括数据、能力、人才都为我所用了。5、6、7、8步实际上是实现数据化的一个生态，让生态来帮助整个公司数据化的进程。

为什么我们今天要这样做呢？实际上我们想用数据来达到几个点，我们想用数据来发现发生了什么，想知道那些事情为什么会发生，我们想知道未来会再发生吗？以及什么时候会发生，我们能做什么？

当有第一方数据，也就是你自己的数据的时候，能不能因为有第三方的数据进来，让决策变的更准确更重要，这是整个数据化思考的核心点。就是我们相信当有海量数据包括外部数据进来的时候，对于某一些决策可能有非常大的进步，而这个非常大进步的决策有可能成为企业的核心竞争力，这就是我们为什么要花这么大的力气，为什么要建立一个数字化公司的非常重要的核心。

三、数智时代，如何进行存量再造和增量探索？

今天的很多企业可能对于自己的消费群体都没有一个非常明确的分群，我首先想说的一个分群并不是用户画像的一个分群，用销售的角度来讲，是头部的5%的用户群，头部以下25%的用户群，以及下面70%的用户群。

实际头部5%的用户群跟中部的25%的用户群是很不一样的。头部5%用户群其实是你非常重要的用户，你必须要花多一点时间去看这5%的用户群。下面25%用户群的话就不一样，他可以从25%里上升到头部，怎么样可以让他们提升的更快，当然，他们也可能变到其它的70%里面，这是一个非常好的经营上分析。

另外一个是说，这个客户其实在公司里面已经有几年历史了，所以说他已经是我一年的客户，两年的客户，三年的客户，这样的客户分析是用时间来说，就是说他是我的多少年的客户。

最后的一种是说他是0到1个下单，1到3个下单，3到8个下单，以及8以上的下单，这里面讲的这个用户跟我们公司不是以年份来计算，而是以他每次跟我有交易中间产生的对我的信赖。

从这上面我们会发现我们还可以把整个人口的信息、生命周期、教育信息来建立一个客户的图谱，这是一个更细化的用户群的划分，以及我们也可以把这种画像再换成一个特殊的用户客群，比如说他是大学生，是农民，是海外的华人种种，这种其实是把我们的用户更细化了。

为什么要把用户画像做这么细化？因为只要我们对消费者的理解或者了解越深，我们在营销上就可以在他们要离开的时候，把他们拉回来。在不同的渠道场景，对不同的商品，我们可能会有更好的策略。

有了这么多的信息，如果没有很好的对业务进行跟踪的话，或者是说没有一些异动分析的话，也没用，所以我们在阿里的时候曾经做了一个叫观星台的平台，可以做到对业务的跟踪，异动的分析。

在这里，特别提出的是大事记非常重要的，最好是可以让一些实践能记录在一个数据分析的系统里面，这样的话将来当我们去分析一个数据的异动的时候，可以看到企业里的一些事件跟这些分析的数据的关联度到底是怎么样，但如果没有事件配合的话，就算你有一个非常好的数据系统国标逆止器资料，也不一定可以沉淀业务上的经验。

今天，我们对于数据的需求可能每个礼拜，每个月都在变，不是说我们想变，而是产品的竞争太快了，所以当业务的层面，商业的层面在改动的时候，数据也跟着要改变。另外一个是，我们发现有很多的公用或者通用的数据其实他们是很类似的，所以我们可以把这些数据沉淀，沉淀之后去清洗，当有一个业务需求来的时候我们不需要重新再做，因为公用的东西一般改变的比较慢，我们可以保持它的稳定性。

中台的理念是通过共创、复用、沉淀的平台和机制，促进效率、协同、创新。这样的话我们既可以有一个非常敏捷的反应，多样的创新的前端，同时我们可以有支持小前端里面变化的一个数据终端，这是整个DT技术的理念，也是为什么我们要对数据中台特别关注的原因。

（本内容属于网络转载，文中涉及图片等内容如有侵权，请联系编辑删除。市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。）