数据驱动的三个阶段

在互联网带来的变革中，数字化开启企业观测客户、监测业务的新视角。受其启发，一夜之间，企业开始正视数据，开始正视数据背后巨大的驱动力。

▌数据驱动的三个阶段

第一阶段是数据管理，第二阶段是数据分析，第三阶段是数据驱动精益成长。前两个阶段并不是真正的数据驱动，顶多算是数据化，而第三阶段，以驱动精益成长为标志的数据驱动才真正落了地。

第一阶段是数据管理。数据管理是数字化企业的首要任务。这个时期的数据往往存在于各个信息孤岛上，而零星的数据触点，点缀着尚不完整的由客户和业务构成的数据地图。这一时期，企业对数据的要求仅仅是将数据汇集在一起。并且大多数情况下，只有数据工程师才会去触碰数据，此时的数据价值挖掘过程，是复杂的、点状的、低效的。正因如此，当讨论到数据能为企业提供些什么的时候，往往会变成一个没有定论的开放性课题。

第二阶段是数据分析。当企业将自身数据进行整合梳理后，分析和挖掘数据的需求便会紧随其后；这个阶段，数据可视化的需求也会随之诞生。人们希望直观地看到数据背后的含义，洞察一切。业务专家则能从数据中发现机遇，分析师也能在需求方的引导下给出结论；可这一阶段的数据分析依然是按需的，点状的，至多是线状的。数据的使用者和数据背后价值的需求者，往往也不是同一类人群。数据依然掌握在工程师、分析师等专业数据使用者手中，不具普适性。

第三阶段是数据驱动精益成长。数据驱动是指数据附着在原有业务流程上，通过数据将固化的流程激活为进化式的流程，从而帮助企业实现成长的过程；精益成长则是企业基于对客户和业务的了解，通过精细化的运营手段，对业务进行优化提升的过程。精益的核心是按需驱动，精益成长是企业数据驱动的核心目标。

举例来说，持续地做任何流程事务都是在遵循“PDCA” 的方法在优化，而PDCA 中非常重要的是一个环节 “C” ，它是需要数据支撑的（PDCA循环的含义是将质量管理分为四个阶段，即计划（Plan）、执行（Do）、检查（Check）、调整（Adjust））。

PDCA持续改进示意图（来源：维基百科PDCA词条）

从业务场景出发，在检查的环节中提供数据采集和分析能力，为后续调整、优化提供数据支撑，在执行阶段，针对运营和产品改进，又能提供特定的人群进行有针对性地触达。