数据驱动业务:你是车夫,还是拉车的驴子
![](https://image.woshipm.com/wp-files/2019/08/0GkAbc8ZooEsibtWEUNO.png!/both/32x32)
驱动力是我们市场在讨论的商业概念,当数据成为生产要素之后,数据驱动业务也应运而生。究竟什么是数据驱动业务,它有什么作用?
“数据驱动业务”是句非常时髦的话,也是让很多同学头疼的话。因为这玩意看得见摸不着呀。天天光听着喊“驱动”“驱动”,可到底咋驱不知道。
而且问个问题被业务喷,提个意见业务也不听,还总嫌弃数据分析不够深入,建议不够具体,咋整!
一、到底什么叫驱动
说到驱动,最典型的场景就是驾驶马车的车夫了。马儿拉着车子,车夫拿着鞭子,一声:“驾!”马儿就拉着车子快跑。那么问题来了:车夫要怎么样驱动马儿拉车呢?
思考一秒钟——
直观能想到的是:
- 指明方向:揪着马儿往正确的路上走。
- 提高速度:一鞭子抽马儿屁股上。
- 增加补给:多给马儿吃点料。
- 预告危险:看到有坑就把马拉住。
这才是驱动直观的做法。
这四点,其实对应四大问题:
- 目标问题:起点、终点。
- 方法问题:怎么做才能更好。
- 投入问题:投入多少资源。
- 限制问题:限制条件影响下是否会出事。
在企业里也是一样,想要驱动业务,首要解决就是四大问题(如下图):
二、数据对驱动的作用
然而注意,这些看似简单的动作,做起来并不容易:
- 指明方向:意味着得清楚起点、终点。
- 提高速度:得清楚马到底能跑多快,不然光抽鞭子,马都痛死了,咋跑。
- 增加补给:得清楚马跑一天需要多少草料,一顿吃多少。太饱,撑着;太饿,没力气。
- 预告危险:得清楚路上哪里有坑,得知道马车能承受住什么样的颠簸。
可以看到,四个问题都和数据有关系!其中最重要的就是量化目标。起点、终点直接决定了要走什么路,有几条路可以走,路上要准备多少草料,会有什么坑。
所以目标不确定,一切免谈。目标不但要确定,而且要清晰。不然光甩一句:带我在若羌县逛一圈吧,听着很简单。到了才发现,这个县居然有两个浙江省大!跑死也跑不完。
这里就有一个问题产生了:如果我们从来没驾过马车咋办。如果我们从来没走过这条道咋办。如果我们用的马从蒙古马换成了阿拉伯马咋办。这些都是全新,没有数据的问题。在没有数据的情况下,可以先做测试。小范围地跑一段,看看路况,看看马的体力,学习下马车咋拉。
这就是数据驱动的两种基本模式:
- 对于已经熟悉的业务,总结经验,发现问题,剔除bug
- 对于刚刚开展的业务,测试效果,分组对比,发现规律
三、数据驱动的高级玩法
注意:以上是基于“马儿不能换,车子也不能换”这个前提来讨论的。如果车夫的驱动目标不是“驱动马儿”而是“驱动车子更快、更便宜地把货物送到目的地”,那就有更多可以做的事了:
- 选好马:哪只马跑得快,耐力好,用哪只
- 换好车:车轴上油、车身加固
- 分配货量:分几次跑,别一趟累死一只马了。
- 用便宜的:货主给不起钱,那换个驴子,便宜。
这就是驱动的更高级玩法。从目标出发,不局限于手段,选择更合适的方法达成目的。
四、数据驱动的一种脑残搞法
问,如果有一天,你看到一个车夫在:
- 自己撸起袖子拉车,要什么马!
- 车上套个猪,然后抽鞭子赶着猪拉车
- 车上套个死猪,然后研究怎么把死猪起死回生
请问:你会认为这个车夫掌握了强大的宇宙力量,还是认为这个车夫是个神经病。他当然是个神经病啦!马车,马车,有马的车才叫马车。
驾车的人不去研究怎么驾驭马匹,怎么强化车身,而是试图代替马儿跑,这不搞笑吗!猪拉不了马车,这是常识,用猪来车这不搞笑吗!企图把死猪搞活不更搞笑吗!他都有本事起死回生了,他还当车夫??!!
然而:当车夫变成数据分析师,把马车变成运营、营销、策划……把鞭子变成“大数据”“人工智能”“算法模型”……
你会发现:试图用鞭子抽着老母猪拉车的事,在各个企业都有上演,层出不穷,精彩得很。
很多业务一听“数据驱动”四个字,立马撒手不干,啥都指望数据干。
很多业务把全部希望寄托在“100%精准预测”上,不考虑其他可能,不做应急方案。
很多业务大谈特谈“数据分析要具体”,然后连做几个页面,画几个按钮都甩给数据。
很多业务本身流程存在问题、产品质量低下,自己懒得改进,全指望“数据精准推送”。
这不是让车夫来拉车这是什么。这不是用鞭子抽死猪这是什么。更不要提那些连基础数据收集都没有,连数据分析都懒得做,连业务目标都不清楚。
上来就喊:“我们要提高业绩,请具体分析出提高业绩的方法”的货色——就这么说吧,你去庙里拜菩萨,你都得跟菩萨说个具体事:“保佑我赚100万”“保佑我生儿子”之类的。况且你的数据分析师不是菩萨。
五、数据驱动的另一种脑残搞法
问,如果有一天,你看到一个车夫在:
- 对着马儿的长耳朵说:”你说咱咋跑比较好呀???”
- 赶车?赶车无非就是喊:“驾!”“驾!”,你一喊马就跑了。
- 在微信群里问:有没有头、腾、阿的高级车夫,有问题,可付费!
- 在网上搜《21天0基础精通赶车》的pdf版资源
你是会觉得这个车夫是个赶车科学家,还是个书呆子。当然是个书呆子啦!只有基础科学才有系统化的书给人学,类似拉车这种实操性这么强的事,不去现场观摩,你找头腾阿有毛线用,因为小马哥名字里有马,所以他们家员工都会驾马车?
局限于书本,企图硬搬书本知识解决实际问题,盲目迷信所谓“大厂”“高级”,是很多数据新人常犯错误。
然而,你一提理解业务,很多新人又跑到另一个极端去了:啥都是直接问。人家说啥他信啥。数据呢?检验呢?总结呢?全都忘到脑后了。事后还洋洋得意:我跟业务沟通过啦!可能被人卖了还在帮人数钱呢。
所以数据驱动业务,需要的是数据和业务一起努力。业务自己清晰方向,努力提升设计、运营、美工、产品研发等业务能力。数据认真采集数据、监控过程、复盘结果、总结经验、测试创新,才能发挥做大效果。
然而,这两年人工智能概念的流行,让数据驱动业务越发变得一塌糊涂。现在流行的是:业务懒得思考,指望着“100%精准预测”的模型魔法,能帮他们开天眼。
然后数据自以为自己真的能做出来“100%精准预测”,只要他能找到一个头腾阿的大神给他一本《21天0基础100%精准预测》pdf版然后保存到电脑D盘-干货-数据挖掘-算法模型文件夹里。结果嘛,自然是骂人骑瞎马,夜半临深池了。
作者:接地气的陈老师
来源:微信公众号“接地气的陈老师”
本文由 @接地气的陈老师 原创发布于运营派。未经许可,禁止转载。
题图来自 Unsplash,基于CC0协议。
我刚进职场的时候,按照领导安排的任务完成,持续几个月后发现和同行差距很大,这个时候我意识到自己可能是青蛙效应的那只青蛙,把青蛙丢进油锅,青蛙是会跳出来的,而把青蛙放温水,青蛙是会被煮,所以我开始给自己寻求工作外的目标,尝试跳出舒适区,最终自己得到了积累。
棒!这篇写的很通俗易懂
努力就好,做真实的自己,不留遗憾。
转发朋友圈炸一下
看完这篇文章,我对这个话题有了更深的理解,作者的分析很有逻辑,很有说服力。