01
数据运营的本质
“如果产品足够强大，商品天下无敌，那根本没运营啥事。——用户自己就抢着买到断货，玩的乐不思蜀了，运营啥运营”。
可是，现实中，大部分产品或商品没有当年苹果手机那么厉害，因此需要运营打辅助，通过用户激励、促销活动、内容传播、商品运作等等手段，来保持用户的新鲜感，促进用户持续活跃和付费。
因此，很多人认为数据运营本质上就是营销，或者说通过数据的手段赋能营销的业务。无论是用户运营、产品运营，还是渠道运营、活动运营或是内容运营，其最终的目标还是提升用户转化率进而增加产品的销售。
可以说，游戏运营、电商运营的本质都是营销。但在笔者看来，数据运营是一个比较大的范畴，其本质并不限于营销，更精准的说应该是企业运营，从技术层面讲数据运营包含了数据治理、数据管理、数据分析、数据挖掘等工作。
我们之所以听到更多说数据运营的都是与2C行业营销相关，只不过是在互联网行业运营工作很早就是一项职业了，互联网行业的运营都是围绕营销开展的。
那么，互联网行业的数据运营在B端企业中是否适合呢？为什么笔者说数据运营的本质是企业运营？请继续往下看。
02
B端企业数据运营是什么？
大家知道，从业务上来讲B端企业的业务相对C端企业要复杂的多。拿工业制造型企业为例，其运营业务覆盖了前端的市场营销、产品销售，中端的产品设计、原材料采购、生产制造、仓储物流、售后服务，还有后端的人、财、物管理。
其数据运营不仅需要服务于企业内部的管理，甚至需要服务于企业所在的整个产业链生态的上下游。
为了方便大家理解，我画了几个圈圈：
企业内部管理的大圈圈中有一个绿色圈圈组成的闭环小圈圈是制造企业的主价值链，即企业的主要业务活动，包括：产品设计、原料采购、生产制造、仓储物流、营销、售后服务。
围绕主价值链的企业的支持业务活动，例如：基础设施管理（固定资产、设备、工程等）、人力资源管理、财务管理、安全环保能源等。
企业内部管理外围的三个圈圈是产业链的上下游生态。任何一个工业企业都不可能是独立的存在，他必须融入到产业的生态当中。
如果企业运营是一个大树的话，其一定根植在整个社会资源中，树干是产业链生态，树枝企业运营，树叶是营销。
综上，笔者认为：对于B端企业来说，数据运营的本质是企业运营，一方面是主价值链各环节的运营，为企业获取更大的利润（在价值创造过程中实现盈利是企业的本质）；
另一方面是在上下游产业链的运营，为企业获取或巩固在产业链中更高的位置，进而增强企业的竞争力。
03
2B企业数据运营的误区
B端企业的数据运营存在着两大误区，一个是将数据运营与数据运维之间画上了等号，另一个就是数据运营只服务于营销。
首先，数据运营≠数据运维
数据运维工作一般包含两个层面的工作内容：
第一是数据平台的运维，侧重于大数据平台的构建、部署、容量规划、性能调优、监控，以及数据平台运行期间的应急响应、故障诊断、问题处理、数据备份和恢复，其目的是保证数据平台的安全稳定运行。
严格来讲，这个不能叫做数据运维，而是叫数据系统/平台的运维。
第二是数据的运维，侧重于数据建模、写ETL脚本，进行数据的采集、处理、加工、转换，为用数部门提供数据服务。数据运维目的是为业务提供及时、准确、高质量的数据，这个层面的数据运维工作其实就属于数据运营范畴了。
在很多2B的公司中，分工没有那么明确，很多工作都安排一个人在做，也就将数据系统的运维和数据运维放到一起了。我们看到，这两项运维工作虽然都与数据相关但有本质的不同：一个重点在系统运行层面、另一个在数据层面。
第二，数据运营不止服务于营销
在2B企业中，数据运营不只是服务于营销这一项业务，而是服务于企业运营的每个业务活动。价值链各业务活动的协同需要数据运营、企业的内部管控需要数据运营，产业链企业之间的业务融合需要数据运营等等。
当然，营销似乎更需要数据运营，数据+营销就组成了“数字化营销”。但同样是营销，同样在B端，工业品和快消品的营销差别也很大。
对于快消品行业的数据运营，其实和2C运营基本类似，无外乎用户运营、渠道运营、广告运营、活动运营等等，关注的依然是用户的转化、产品的销量等。
而工业品的数据运营可能也有用户运营，更确切来说是客户运营，强调以客户为中心，满足客户需求；工业品营销一般是以项目形式运作的，其运营可能也包含广告运营、活动运营、内容运营，但这些运营活动一般都不能直接产生交易，而是为了多维度取得客户的信任，更多的是为了增加项目成交的机会。
因此，对于工业品企业的数据运营在于如何通过数据来驱动业务运营，帮助业务员进行项目跟进、帮助业务员提升业务能力和客户关系，进而促成项目成单。
04
2B企业的数据怎么运营？
不同企业的数据运营侧重不同，我们还以工业制造企业举例，按照“以终为始”的原则，从数据运营目标出发，我们可以将一个制造企业的数据运营大致包含以下几个方面：
数据运营驱动企业经营管控
结合公司战略目标，经营指标及上级控制指标，构建指标体系，建立分析模型，对企业财务、人力资源、销售、生产、采购、库存等关键指标数据进行自动化采集，实现数据分析和挖掘，实现数据可视化展示。
通过数据分析发现从销售到生产执行过程中的问题，层层追溯和挖掘找出原因，逐步加强业务数据的真实体现，提高决策层对于业务数据的关注度，提高经营决策效率，实现从“流程驱动”到“数据驱动”的转变。
这个过程说起来简单，做起来难。
第一，指标体系定义是否是基于各业务部门共识基础之上的？对于同一个指标，其业务含义、业务规则、计算公式、数据来源，必须进行标准化定义。如果不同业务人员有着不同的理解，就容易导致用户需求和数据供应之间的矛盾。
第二，数据采集、处理、加工的过程的数据质量保证。“垃圾进、垃圾出”数据运营人员关注的不仅需要关注数据采集和处理的技术，保证数据能够采集过来，更需要关注数据的质量。数据治理工作就显得十分重要。
第三，促进管理和业务人员使用，这个过程才是数据运营的关键。数据运营人员不想成为一个被动的“跑数”工具，就得将能力和视野向上和向前延伸。
向上延伸是要了解决策者、管理者的需求，站在决策和管理的角度进行数据指标体系和数据可视化的规划设计；向前延伸是要了解业务需求和业务核心诉求，这样才能为业务提供想要的数据服务。
同时，要清楚了解数据的完整供应链，这样才能对数据问题进行快速溯源。
数据运营重塑IT架构
很多制造企业的信息化历程建设都存在一个相同的问题：信息化建设缺乏统一规划，烟囱式系统建设，数据标准不统一，信息孤岛问题严重。
数据运营还有一个重要使命就是重塑企业的IT架构，这不仅是IT的需要，更是业务运营的需要。
数据运营的过程需要一个支撑平台：一方面，这个平台需要具备整合不同来源、不同类型数据，并且实现数据标准化和数据治理的能力，通过这个平台实现各业务系统的数据拉通；另一方面，这个平台需要沉淀各种数据分析的模型和算法，能够提供面向业务、基于场景的数据分析能力。
具备这样数据运营能力的平台是个啥？好吧，我们还是称他为“数据中台”吧，尽管“中台”目前遭到了很多人的诟病！
中台的基本思想是不重复“造轮子”，把能够复用共享的东西提炼出来，变成一个可以被其它业务单元引用的基本能力，为前端的业务赋能，实现前后台系统的连接。
通过数据运营的方式重塑企业IT架构，并不是将原有的业务系统推到重建，而是通过局部改造的方式实现各业务系统中数据的统一，能够基于业务场景实现各系统数据的拉通，以满足赋能业务的目的。这种重塑，必然会给老的IT架构带来一定的阵痛，这是在所难免的。庆幸的是，这种方式没有伤及各业务系统的“筋骨”，更不必推到重来，应该算是最小的代价了吧。
写在最后的话
有效的数据运营能够帮助企业快速掌握业务状况，发现业务问题与偏差，促进管理改进，利用准确、及时的数据洞察来优化企业业务流程，控制分析提升效率，指导业务决策并创造新的商业机会。这是数据运营的价值。
而如何做好数据运营？
笔者认为：一名优秀的数据运营人员不仅需要过硬的数据治理和数据分析技术，还需要丰富的业务知识，更需要这种“共享、复用”的中台思维和对数据的敏感。
具备这三样能力，你就是公司的数据专家，为业务赋能、驱动业务就不会是“空谈”，而如果只关注技术的数据运营就容易被业务牵着鼻子走，而沦为业务的“跑数机”。