七星彩808彩票网

快捷搜索:

PPT 下载 神策数据桑文锋:「矩·变」加速中国数

  在以“矩·变”为主题的 2019 神策数据驱动大会现场,桑文锋发表了名为《矩·变——加速中国数据化建设》的主题演讲,分享了新时代数据化建设面临的挑战和机遇,并指出了企业落地数据驱动的方。

  在大数据分析领域从事的 12 年间,通过实践再三验证了做好数据驱动的最重要前提是数据源的把控,关于数据源的评估我总结了四个字:大、全、细、时,这也是我对大数据的定义,现在所提倡的大数据与过去最主要的一个区别就是数据源,且数据源的把控方法与程度不一样结果便会千差万别。

  大数据的“大”强调宏观的“大”,而非一味追求数据量的“大”;“全”是全量,强调多种数据源,包括前端、后端的数据,以及日志、数据库数据等;“细”强调度数据,包括事件、商品的各种维度、属性、字段等。比如我现在问“你所在公司的客户中,不同身高的群体在平均消费额上有什么差异”,你很可能回答不出来,因为你没有记录“身高”这一维度的数据;“时”强调时效性,即实时数据采集和实时数据分析的价值。

  最初 2015 年之前大家谈大数据时,更多是空谈,很难发现真正起作用或例子很少。而现在关于数据的价值,经过一段时间的实践与验证已经逐渐变的清晰,我认为数据的价值主要体现在两个方向上:业务决策和产品智能。

  数据价值首先体现在驱动业务决策,不管是做运营分析、产品改进、战略决策还是做量化管理,企业产生了数据,数据的价值体现在辅助人做正确的决策,不过这只能发挥数据价值的 20%,更多的价值释放在产品智能,企业将数据套上一定的策略方法,把产品回到本质,让数据成为产品的本身,有人将其称为 AI,我称其称为产品智能,其本质都一样,这也是神策数据构建平台帮助客户实现数据驱动的两个关键。

  在神策数据服务客户的过程中,我一直在思考如何帮助企业把数据化做的更上一层楼,这里的企业包括互联网企业、互联网+企业、传统企业等,尤其处于转型中的企业,他们遇到的问题比我们想象的难很多。

  而如今,神策数据已经服务了 1000+ 企业,恰好有一个“小数据”可以辅助解决这个问题,我经常看到神策数据的客户融资或上市新闻,也就是说被市场验证发展不错。为此,我也一直在思考如何构建一个模型来衡量企业的数据化程度,现在我有了答案。

  我认为,企业数据化程度的评估可分为三个层面:第一个层面是 IT 化,相比美国六七十年代便已经开始 IT 化,中国的 IT 化起于互联网化,在 1998 年互联网开始兴起时很多企业着手做 IT 化。

  IT 化是 DT 化的前提,企业要做好 DT 化必须要做好 IT 化,很多企业每间隔一段时间便提出各种各样的理念,但是却无法有效应用,很大程度上是因为产品没有线上 IT 化。

  第二个层面是 DT 化,这也是神策数据与众多企业正在携手做的事情,DT 化简单来说就是构建数据流,在神策 2018 年数据驱动大会上我演讲的《面向数据流的信息化建设》中,我分析了信息化的建设究竟是让 IT 化面向业务就可以,还是需把 IT 化的目的做为数据的载体,作为支架来看待的问题。

  其归根到底是构建一条数据流,该数据流的建设,包括数据的采集、建模存储、分析、可视化或反馈等。企业要把整个数据流建好,一方面建好数据流,一方面要把数据产品化,也就是让数据成为企业业务的一部分,就像阿里的理念“数据即业务”。

  第三个层面是 DO 化,这是我最想强调的一点,熟悉我的人应该了解我个人对历史比较感兴趣,特别是中史,我也学习了阿里的组建思路。在学习的过程中,我一直在思考历史上的各种人物如何使用数据?当时他们甚至可能不将其称为数据,比如楚汉争霸刘邦获胜的理由是因为他有箫何,箫何可以帮他分析各种各样的事情;毛主席为何伟大,其中一点是他洞察数据分析,他的名言是“没有调查就没有发言权”,调查换句话说就是数据采集。

  纵观历史会发现即使时代、名字变了,但是数据的关键性作用没变,我们都要重视数据,再从另外一个角度考虑伟大的组织怎么打造,比如刘邦、朱元璋等历史上伟大的团队,我发现其关键是组织建设。

  关于组织建设,我将其分成三个耦合体:第一个耦合体是组织架构与决策机制,其为整个企业的框架;第二个耦合体是文化与制度;第三个耦合体是人才与激励。组织建设一般离不开这 3 个耦合体,同样,若企业想实现数字化转型,其需要思考能否让数据起到关键作用,成为企业不可分割的一部分。比如,企业的组织架构是否有专门负责数据决策对应的部门,其决策机制必须是以数据为依据而不是凭空想象等。

  再就是激励,网上经常说 KPI 是万恶之源,事实上,正确的 KPI 本身就具有数据驱动的逻辑,企业要把数据作为组织的组成部分,就像马云所说,当战略调整,组织一定要调整,组织没有调整等于战斗没有调整,利益群体没有变化,没有大家就会坐吃山空,等着山滑掉、倒掉。所以,企业的数据化重组路要从 IT 化、DT 化、DO 化三个维度综合考量。

  信息化(IT 化):是否具备数据化的载体,即是否有稳定的线上产品和是否有成型的技术团队,这里的技术团队包含产品、运营,即企业是否构建一个完整的数据驱动团队。

  数据化(DT 化):即面向数据流的信息化建设是否完善,具体来说,数据模型、数据丰富度、数据质量、二次开发能力、AI 模型各个维度做的如何。

  数据组织建设(DO 化):数据组织建设包含数据意识和组织流程两大部分,即将数据化建设作为一个系统化工程来整体考量。这一点吕厚昌在 1997 年就提出过,但现在还在解决这个问题,我也曾给团队分享,从 2015 年成立的时候我们的目标是花十年时间重构中国互联网数据根基,当时我认为离这个目标有十万步,现在发现有十万八千里,变得越来越远,因为接触的企业越多,发现牵扯的因素更繁杂,当把它当成系统化的工程分析,发现需要做的事还有很多。

  神策数据对服务的 500+ 家合作企业进行了数据化成熟度测评,测评标准主要围绕三点,IT 化占 20%,DT 化占 40%,DO 占 40%,如下图:

  我们围绕这些评分维度科学评估后,得出这 500+ 家客户的平均分为 71 分,中位数为 73 分,74% 的客户超过 60 分,总体来看,神策数据的这 500 多家客户的数据化成熟度比较高,如下图:

  从上图中,我们可以发现,数据组织能力(DO)是形成差异化的关键,数据组织能力占比越大,评分越高,即企业的数据成熟度更完善。下面我们再看看不同行业的数据化成熟度差异:

  从行业数据化成熟度的平均分来看,不同的行业类型在数据化成熟度上确实有明显差异,可以粗略分为三个梯队:电子商务、工具软件、互联网金融、房产服务为第一梯队;在线教育、游戏、文化娱乐、本地生活为第二梯队;汽车交通、医疗健康、企业服务等为第三梯队。

  互联网与互联网+数据化成熟度差距比较明显,互联网的高分段明显大于互联网+,当然神策数据服务的互联网+ 企业已经是其中数据化成熟度较好的企业了,因此,两者的数据成熟度差异存在一定的鸿沟。再看上图右半部分,其差异的关键点依旧是围绕 DO 化。

  不同的融资阶段有不同的影响,从天使轮到 D 轮以上呈现数据化成熟度越来越高的趋势,这与企业发展阶段明显相关,发展越靠后组织越完善,整个数据驱动建设越好,数据化程度也越高。反过来,数据化成熟度建设好是否会帮助企业发展呢?我认为存在一定的相关性,上市公司分布具备多样化,因上市公司中存在大量的传统企业,该分布更加接近于天使轮的公司所处特点。

  前面我主要介绍的是数据驱动的认知,认知的变化最后依旧需反映在战略调整中,认知、战略、组织是一个动态整体。

  神策数据在企业服务和数据分析领域发展态势比较好,如下图概括了神策数据近一年时间中取得的成绩:

  现在神策数据帮客户采集的结构化的行为数据超过 1000 亿条,这一点比较自豪,这与我创立神策数据的初心一致,神策数据希望帮企业梳理业务,确定可用数据源,建好数据源,不仅在大数据时代,在智能时代若大量数据没有被应用起来,也会被浪费掉。

  神策数据本身的技术也成为了行业学习的定义,我与很多大的互联网公司打交道,他们经常告诉我其做了一个类似神策数据产品的模型,当时 Alex 加入百度的时候带着我们从零摸索出一个数据模型,这是我们在百度大环境下真正实践出来的经验,现在随着神策数据服务的客户越来越多,我们一直在不断迭代,力求打造一个每次都更优的数据模型。

  互联网企业占 80%,包含小米、百度视频等一些头部企业。但神策数据不只服务头部企业,我们也有很多创业和初创公司的客户;关于互联网+企业,其中 IT 化程度最高的是金融,金融天然与数字打交道,如银行、证券、保险的数据建设,现在包括招商银行、银联云闪付都是我们服务的客户,另外四川航空、东方明珠、中青旅也是我们的客户,所有的企业也逐渐呈现线上线下双管齐下的趋势,值得强调的是,线上线下的结合及线上各个端的整合是一种必然的趋势。

  很多人认为神策数据是大数据公司什么都可以做,这是个错误认知,我们经常告知客户我们有些事情不会做,但神策数据围绕用户行为分析建设,可以比其他对手做的更出色。

  (1)全渠道分析,神策数据可支持企业的各种拉新渠道进行策略评估,如对于某教育企业,神策数据可支持其进行不同约课路径的用户转化分析,Kafka 数据订阅与内部业务系统打通等。

  (2)用户运营,神策数据支持自定义精准用户分群,促进精细化运营。如对于某快消品企业,神策数据可支持精准分群,对其拉新、复购类活动和不同营销手段效果评估,APP、小程序、实体店等全渠道运营效率和业务数据对比实时分析。

  (3)产品迭代,产品迭代是精益创业的理念,通过数据驱动指导产品的有效高速迭代是企业发展的动力,如神策数据帮助小米实现 MIUI 国际线核心工具 APP 改版功能实时分析、内部核心产品线相互流量转化分析、产品功能 AB 测试效果评估和反馈。

  (4)产品智能,通过数据和算法技术让企业实现产品智能,如对于某视频企业,神策数据可支持视频业务标签及推荐算法的提供,实现首页、分类页、各个频道页的个性化瀑布流推荐、用户视频内容“千人千面”等。神策数据不只做基础数据平台建设,还会做 AI 服务,帮助客户更好地实现智能化。

  在神策数据成立之初,我为整个公司定了一个底线——给客户带来价值。在企业服务领域,某企业引入新的 IT 服务或第三方服务,若要落地,需对基础架构做改造、对人做培训,配合的人力、投入、时间都是成本,因此价值不是卖的产品有用,而是产出大于投入。

  另外一方面神策数据不做免费的客户,我们认为要做好数据建设,从神策来讲一定是产品+服务才能更好。前面讲了 DO 就是数据组织,我们需要培训、指导客户,让组织升级换代,而不是让产品、系统升级换代。

  我曾对外分享过一些神策数据服务客户的小故事。比如有一家客户与我们签了合同并已付款,但两个月后却没有用起来,最后给出的理由是该企业的业务调整后不需要了,后来我便要求将钱全部退回,无功不受禄。还有一个互联网+的大客户有需求做用户标签画像,双方开始合作、立项,一开始定了实验场景去做,但后续出了一些问题,如客户没有技术团队采用外包,大家的意识有一些欠缺,最终效果并不好,客户准备终止该合作,并准备给神策数据二十万辛苦费,我在内部管理层开会说这二十万我们不能要,不是因为没有给客户带来价值,而是客户没有最终上线就是没有取得最终价值,即使我们投入非常大,我们也不能要钱。

  两三个月后,该企业的业务负责人联系我们进行再次的探讨,我和其复盘了整个过程,他便打算继续启动项目,并计划落地更多场景。这再一次验证了坚持价值观虽然短期可能有损失,但是长期来看是更有利的。神策数据的大多数客户都是订阅式客户,只签一年,对于客户来说,会有一定的安全感,对于神策数据来说,虽然很多 TO B 企业一次签两三年营收会大一些,但我们认为订阅最好的模式就是把刀架在乙方的脖子上,这样从双方的角度来不断促进神策数据的服务进行迭代,搭建更好的服务流程,给客户带来价值,让他们心甘情愿的与神策数据合作一年再合作一年。

  “把事情做到极致”是神策数据的做事理念,在神策数据 2015 年刚开始做产品时本身定了十个模块,但最后决定先做三个,但是每个功能都做到 90 分,而不是 10 个模块做到 60 分。这与雷军所说的“专注、极致、口碑、快”异曲同工,专注和极致是搭配,不能一百个方向都极致却没有专注。再比如阿里巴巴如此大的公司,资源也有限,也需要专注每一个模块,这是互联网时代的特点,你不做到九十分将会一无是处,注定会被市场淘汰。

  神策数据过去经历了四年,前三年就是一个理念,单品极致,我们坚持做一个产品做到九十分,干掉所有的竞争对手。但是我们也发现了整个市场是在变化的,企业的认知也要跟着变化,现在这个市场已经不是四年之前的市场了。四年之前对许多公司来说就是数据分析工具可有可无,至少不是刚需。但是今天为止数据分析其实是一个刚需,没有一个公司说我不用数据分析,不用数据。因为我打交道的投资人非常多,在微信里有超过四百个投资人,投资人说不重视数据的公司是没有价值的,我们是不会看的,这就是时代的可能,你要顺势而为,数据化是显著的特点。

  从去年开始我们转变思路,从单品极致考虑做产品矩阵,转变的核心原因和契机是客户的需求,而不是自己想要做什么就根据自己的思路做,我创业四年最开始考虑的是产品如何做创新,这对我来说是最重要的事情,现在我觉得需优先考虑市场,企业要对市场本身做分析,客户的需求是什么?商业化能力如何?客户群体有多少?竞争态势怎么样?企业面前若有十万亿的市场,需要思考市场哪一部分领域是你的。

  但是,一个企业的扩展一定是组织能力的溢出,就是在你组织能力强大到一定程度之后才可以扩展。如果你的组织能力没有溢出的话,这意味着你的能力跟不上。神策数据的产品矩阵意味着要从多个角度满足客户,能服务化就不要咨询化,神策数据最终是要成为产品致胜的公司,发动机就是产品研发能力,神策数据要从单缸发动机变成八缸发动机,需要不断地强化研发能力。

  神策数据在开一家数据便利店,当然我们不掌握任何数据,更不卖数据,神策数据是卖数据能力的,神策帮企业建立好自己的基础数据,帮企业使用数据做好支持,赋能企业。我们的数据便利店不只有五款产品,未来可能会有十款、一百款,我们会提供一系列围绕数据方面的工具,企业有数据的要求,我们的数据顾问会与你合作,并围绕企业做一个定制化的方案,围绕企业特定的场景评估要引入哪些数据工具,从而让企业的数据化做的更好,这是我们的理念。

  神策数据是专业的大数据分析平台服务提供商,致力于帮助客户实现数据驱动。公司围绕用户级大数据分析和管理需求,推出神策分析、神策用户画像、神策智能运营、神策智能推荐、神策客景等产品。

  此外,还提供大数据相关咨询和完整解决方案。神策数据积累了中国银联、中国电信、百度视频、小米、中邮消费金融、海通证券、广发证券、东方证券、中原银行、百信银行、中青旅、平安寿险、四川航空、翼支付、好未来、VIPKID、东方明珠、华润、有赞、百姓网、货拉拉、闪送、驴妈妈、Keep、36氪、拉勾、VUE、春雨医生、聚美优品、惠头条、纷享销客、妈妈帮等 1000 余家付费企业用户的服务和客户成功经验,为客户全面提供指标梳理、数据模型搭建等专业的咨询、实施和技术支持服务。希望更深入了解神策数据或有数据驱动相关问题,请拨打 4006509827 电话咨询,会有专业的工作人员为您解答。

您可能还会对下面的文章感兴趣: