神策数据桑文锋：重构数据根基，实现数字化经营

 

 本文内容根据神策数据创始人 & CEO 桑文锋在「神策 2020 数据驱动用户大会」上的演讲整理而成。（文末附 PPT 下载地址）主要内容包括：

·公司成立五年的成绩单

·TO B 蝴蝶迎合市场变化

·在市场、产品、认知方面的思考与迭代

·神策公司愿景更新

一份五年的成绩单

如图从公司、产品、服务、行业四个方面展示了神策在过去五年所取得的成绩。 

To B 蝴蝶迎合市场变化

我从神策的角度来分享 To B 公司是如何运作的，我认为 To B 业务的核心分为三部分，好比一只蝴蝶：产品是躯干，一扇翅膀是“营销”，包括“市场、销售”，另一扇翅膀是“服务”。“营销”让客户知道你、接受你，“服务”让客户真正用起来。

在中国的市场环境中，只有产品是不够的，需要将“产品 + 营销 + 服务”这一整体做好。这个整体的背后是员工、组织。因此一家 To B 公司能否做得好，要从四个角度去考虑，营销、服务、产品、组织建设。

神策在市场、产品、认知方面的思考与迭代

（一）市场

1、从 IPM 思维到 MRP 思维
过去这几年我接触比较多的是创业者，五年来我看到了大量的创业公司倒了或者转型了。一些看起来没什么问题的公司，为什么突然做不下去了？

90% 的创业都是 IPM 模式——I 是 Idea ，P 是 Product，M 是 Market，创业通常从 Idea 开始，并根据 Idea 打造一款产品，并将其推向市场。神策创业经历也是遵循 IPM 模式：最初考虑做一款可以私有化部署的数据分析产品，于是推出了神策分析，之后再看哪里有市场，哪些企业需要数据分析，这个过程就是有了锤子找钉子。

当时我们认为：越和交易相关的企业，就越需要做数据分析。而在交易类企业中，金融类的神策做不了，因为对金融业务了解有限，当时能做的是电商 O2O……这个创业思路是直接、顺其自然的。

但是 IPM 的创业模式中，如果团队无法将其 Idea 落地为有价值的产品，或者在推向市场时，发现市场盘子与想象中有落差，那么业务就无法进行。

过去这一年多，我也关注到另外 10% 的创业者，他们是反着来的。比如雷军做小米手机、李想做理想汽车、杨浩涌做瓜子二手车、庄辰超做便利店等。他们先看市场，市场足够大才做。万亿市场，才有做成千亿美金企业的机会。我把他们的模式抽象为 MRP 模式，即从 Market 到 Requirement 再到 Product。他们会先研究市场，看行业有哪些关键痛点，能不能解决，然后再打造产品出来。

他们和初次创业者不同，他们有人、有钱、有资源，不愁打造不出产品来。他们会花大量精力进行市场研究，对市场深度分析。

市场研究先行，这与毛泽东当年重视调查研究的思路如出一辙，毛泽东将调查研究看作一切工作的基础，也是各级干部必须练就的基本功，例如发表《湖南农民运动考察报告》，基于调查，明确指出了其在农村建立革命政权和农民武装的必要性。总之，我们需要学习这种 MRP 的思维。

2、看待市场的两个角度：基础设施 + 市场成熟度

那么应该如何分析市场？这个没有万能的方法论，在我看来，看待市场需从两个角度：基础设施与市场成熟度。

先说基础设施。

尤其对于科技产品来说，将其推向市场时，有赖于客户具备的基础设施。比如要安装一款移动 APP，就必须要有智能手机。如果科技产品所依赖的基础设施不具备，那么就会影响潜在客户池。

如图所示，曲线表示企业的发展过程所形成的基础设施就绪程度，有些企业发展衰落，就会变成向下的曲线。如果你的科技产品所需要的客户基础设施条件是橙色的线，那么有些企业等到衰落，都没有满足购买你的产品的条件。但如果是绿线，就可能有更大的客户池。所以要降低产品所需要的基础设施。  我盘点了整个与互联网相关的基础设施，包括网络、终端、云服务、OS、支付、物流。每一次基础设施的变革都是值得关注的，它会带来新的红利与新的增长。  过去十年基础设施最大的变量是移动互联网的发展。就现在看，微信是一个新的 OS，它不再只是即时通讯工具，小程序、公众号、视频号等一同构成了完整生态，这是新的平台，我相信这里蕴藏很大的机会，比如给品牌零售带来新机会。

除了微信生态外，还有智能车。造车新势力、传统车转型新能源等，这些都是新的终端，新终端给我们带来的想象力有限，正如在我们 2009 年使用 HTC 的智能手机时，根本想不到移动互联网在今天带来的行业变革。

再说，市场成熟度。

2015 年刚开始创业，《跨越鸿沟》这本书教会我如何把科技产品推向市场。鸿沟理论介绍，客户是分层的，新科技产品投放市场经过 5 个阶段：革新者、早期使用者、早期大众、后期大众、落后者。
 革新者与早期使用者，是理想主义者，他们会思考新技术给产品带来的颠覆性；早期大众是实用主义者，会关注这个产品能否真正发挥价值；晚期大众，关注产品是否有用，是否好用、易用等；落后者即是对新技术无任何兴趣的群体，比如智能手机完全普及时，还有些人不愿意接受智能手机。

当产品推向市场，市场环境在改变，市场成熟度不同，客户群体也存在行业差异，企业需要做市场细分，感知不同客户群体的需求，从而采用不同的市场策略、营销策略等。

3、三大行业在数据应用的差异

神策服务的客户主要分三大类，分别是互联网、传统金融、品牌零售。在这三大类行业中，企业的组织、营销、产品与服务都有较大不同。对神策来说，三类行业在数据应用和数据治理上会有较大差异。

（1）三大行业在数据应用上的差异  比如从营销角度来说，互联网企业可以直接触达用户；传统金融因为线上、线下业务割裂，能够直接触达线下网点，而线上触达较难；品牌零售第三方平台生态封闭，旧渠道不能直达用户。

以车企为例，车企并不直接接触客户，之前通过 4S 店的代理来触达用户，通过调研机构进行市场调研，后来有了天猫、京东、拼多多等第三方平台，但是这些平台开放度有限，车企大多只能拿到订单数据。

另外，DTC （Direct To Consumer）的营销模式也成为品牌零售发展趋势。比如小米成功开创了“在网上卖手机”的商业模式，理想汽车通过网上售卖省掉了 25% 的渠道费用……这都是重大的商业变革。接下来品牌零售遍地开花的可能性很大，新的物流条件、新的互动方式等，都是我们值得关注的基础变量，否则容易错失商机。

（2）三大行业在数据治理上的差异

数据基础是数据应用的前提，在数据治理方面也存在很大差异。如图所示，列举了三大行业在营销、产品服务、组织上的差异。  以品牌零售为例，2017 年神策切入新零售，当时能做的有限，近些年我们已陆续服务很多大型品牌零售企业。为什么品牌零售的复杂度远高于其他行业？

一方面，从用户触达渠道来说，与大多数互联网企业只有一个 APP 相比，品牌零售有官网、APP、小程序、加盟店……多渠道、多数据来源增加了数据治理、ID 打通、数据采集准确性等问题；另一方面来说，零售企业追求薄利多销，只有当规模到达一定程度才可能做自己的"核武器"——搭建数据体系。这些无疑增加了品牌零售企业在数据治理层面的难度。

总之，什么样的市场，决定要用什么样的服务与产品来攻打，就是 PMF(Product-Market Fit)，不断找到产品和市场的契合点。

我大致画了一张关于市场成熟度的进程图。互联网公司从 2015-2018 的四年时间，数据应用和数据治理已经进行相对完整的重塑；相比之下，新零售概念在 2017 年提出，约从 2018 年数字化起步，现在有早期创新者，还有晚期大众……当市场成熟度不一样，产品推向市场时的难度会不一样，使用的方法策略也应该是不一样的。 

（二）产品

1、从单品极致到产品矩阵

神策产品我之前讲的比较多了，神策产品可以说经历了三个阶段。 2015 年 4 月到 2018 年 4 月，在创业前三年，一直坚持“单品极致”的产品理念，即只做一个产品——神策分析，并将它做到极致，干掉所有竞争对手。在产品迭代过程中，我们践行 “把事情做到极致”的企业文化，因为在真实的战场上，总是 90 分的产品，干掉 60 分的产品。

但是单一产品具有一定的局限性，在早期面对客户的时候，我们和客户坦言：这不能做，那也不能做，只能做「这几点」，但「这几点」是市场上最好的。神策是认真做事的，这也给神策积累了口碑。

2018 年神策开始做产品矩阵，做数据便利店。因为企业的数据化建设是系统工程，神策分析只解决了客户部分的场景需求，而且随着神策服务的传统客户越来越深入，特别是建立信任后，围绕数据化转型的需求点也开始增多，客户希望所有的产品都用你的。就神策来说，自身也具备了产品线扩展的能力，也希望通过多角度来解决客户数据化建设上的问题。
 迭代至今，如图是神策的产品矩阵，从产品角度来说，神策给客户提供的主要包括三块：下面是底盘的数据根基，上层应用包括营销云、分析云，最上层是神策的数据驱动咨询服务。

2、全方位的产品服务：航母 + 护航舰

随着神策落地 SDAF 运营框架及“产品组合创新”解决方案，神策正式推出“航母 + 护航舰”的新舰队。以“产品矩阵 + 咨询 + 服务”为新型航母，以“培训专家团队、项目制团队、神策学堂”为护航舰，致力打造一支装备精准良的企服舰队。  今年神策开始了项目制。这是由市场大环境所决定的，在服务传统的大客户，如金融类客户、零售类客户，只提供产品已经无法满足企业发展需求。为了不影响之前已有的运作模式，神策成立了专做项目制的子公司。子公司与母公司都坚持“给客户带来价值”的价值观，与母公司做 90 分的产品理念一致，子公司要做出 90 分的项目，这与市面上其余做到 60 分的项目制公司截然不同。

另外，神策一直在建设自己的培训专家团队，除了提升客户数据应用能力外，我们发现有大量的数据知识需求者希望在大数据领域提升自己。我希望将神策学堂打造成为“中国学习数据分析技能的第一阵地”，希望越来越多的数据分析爱好者，甚至在校学生都能在神策学堂有所收获。作为一个数据信仰者，我认为每个人都应该具备数据分析能力，且应该从学生时代抓起。

（三）认知

神策对数据的认知也是在不断迭代的。

1、2015-2018 神策产品理念

百度八年，我从 0 到 1 创建了百度用户日志大数据平台，创建神策数据是基于我在百度工作的两点认识，一是，数据源很重要。只要把数据源头解决好，就解决一半了，正是在这种认知的支撑下，神策坚持做难而正确的事情——在数据采集与数据治理上花了大量的功夫，把数据治理好。二是，数据的价值，一方面是驱动业务决策，另一方面是驱动产品智能，80% 的价值都在驱动产品智能。

2、2019 数据化成熟度体系

2019 年，神策首发中国企业数据化成熟度评估模型，从 IT 化、DT 化、DO 化三个层面评估企业的数据化建设现状；2020 年，神策基于 1500+ 家中国数字化转型领先企业原型，升级迭代成“数据化成熟度评估模型 2.0 版”。2.0 版主要升级了 DT 化评估维度，基于 SDAF 模型重新梳理评估体系，新增迭代用户画像感知力、人工决策能力、机器决策能力、数据运营能力、数据反馈能力等维度，全方位综合评估分析企业的数据化成熟度情况。

3、2020 基于数据流的运营框架

今年疫情期间，我想通了一件事情，我发现所有企业都是按照一种模式运作的。任何企业都是基于数据流的一个闭环，即 SDAF 模型：Sense 感知，没有调查就没有发言权；Decision 决策，没有基于 Sense 的决策叫拍脑袋，要基于 Sense 来做决策；Action 行动，基于决策做出行动；Feedback 反馈，要全面复盘，及时反馈。在反馈之后又会形成新的 Sense……再进入下一个循环。

有点类似《精益生产》的 PDCA，精益生产的整个流程就是一个 PDCA 循环的过程，计划（Plan）→ 执行（Do）→ 检查（Check）→ 改进（Act）再进入下一个循环。两者不同之处在于，生产制造的目标往往是确定的，而互联网是一个快速迭代的行业，需要不断做决策、不断执行与反馈。

我认为任何一家企业最终都归为 SDAF 模型，数据让这四个环节具象化：Sense 感知，从抽象的数据中形成对业务和用户的洞察；Decision 决策，感性与理性的平衡，人与机器共同决策；Action 行动，基于数据的全方位智能触达手段；Feedback 反馈，实现全端数据全面、实时的反馈。  SDAF 闭环的四环节缺一不可，神策要做的是帮着客户把整个闭环建立起来，神策推出的神策智能运营、神策用户画像、神策智能推荐等产品，都是为了帮客户搭建闭环。

比如早期客户如小米、Keep 等，客户掌握闭环能力，需要的是一个工具，那么神策就提供工具。深入到各行各业后，发现客户需要的是全套解决方案——业务场景上真正发挥价值的方案。因此我们更改了客户的合作流程，忽略我们在做的事情，关注客户的 KPI。

神策公司愿景更新

总结一下，五年来神策围绕产品、市场在不断地往前推进，如图所示。外部看到神策一直在提供数据分析，实际神策一直在变化，一路走来，神策提供产品服务取决于市场需要什么。  基于新认知，神策数据定位不止提供用户行为数据分析工具，而是整合多种数据源，提供从数据分析到业务行动的全新的数字化营销闭环解决方案。同时新愿景由之前的“重构中国互联网数据根基”更新为“帮助中国三千万企业重构数据根基，实现数字化经营。”数字化经营即 SDAF 的业务闭环，这将是神策的基本工作。

最后，总结我过去五年的认知：Think High，Think Deep，Think Big。我们关注市场，要 Think High，做事要 Think High，仰望星空；Think Deep，要把事情想透，钻透；做大生意要 Think Big，奔着千亿、万亿美金的市场规模去思考。神策是一家志存高远的公司，未来可期！