导语：我们总说数据驱动业务，可平时看到的，却总是业务部门追着数据部门屁股要数据。哪里是驱动业务了，分明是被人牵着鼻子走啊！很多同学都有类似的疑惑：到底数据分析对企业有什么用？我的数据用到什么地方去了。最关键的：如果数据都对企业没用，我的岗位还值钱吗？
数据当然会驱动业务，只是在不同的企业发挥作用的形式不一样。今天我们一起来看一下，数据驱动业务的六个层次。看看你们企业是哪一种。
数据驱动业务，最直接的形式就是给业务下kpi。你，今年销售要破千万！你，今年销售要破一个亿！类似的场景我们可能早就有耳闻。
下任务带数据，在中国已经有2000年历史了，古代的军令状就是最早的kpi指标承诺书。似乎带个数据，就显得这个命令格外有分量，就必须要完成。完成就是英雄，完不成就杀头，也显得格外地对业务有驱动力。
然而，下个kpi就能驱动，只是想象中的事。实际上，只是盲目地用数据下kpi，效果并不好。因为kpi指标到底怎么来的？为什么要做到这么多？每个人分配多少？完全没有一个标准。
因此很容易让下kpi变成一个假大空的事情。办事拍脑袋，承诺拍胸脯，出事拍大腿，结局拍屁股，也成为这种只有空洞kpi的企业的常态。
没有分析过程支持的kpi，就是奴隶监控手中的鞭子。虽然看起来甩得啪啪作响，煞有威严，打得奴隶们不得不走。实际上却没有效率，常常沦为空谈。这是数据驱动业务的第一阶段。
当然，很快大家就发现空下kpi效果不好使。实际上，一个良好的kpi，是蹦一蹦可以摸得到的kpi，这样既考虑了实际能力，又有挑战性。于是人们开始考虑拆分kpi，寻找kpi的来源。还拿销售数据举例子：
如果是按团队销售的，就开始拆分：
总销售业绩=团队数*团队人数*人均产出
总销售业绩=团队1业绩 团队2业绩 ……
团队1业绩=张三业绩 李四业绩 ……
如果是按门店销售的，就开始拆分：
总销售业绩=大区数*大区门店数*每门店产出数
总销售业绩=大区1业绩 大区2业绩 ……
大区1业绩=门店1业绩 门店2业绩 ……
这种做法，极其类似地主家收租。地主家会雇一个账房先生，账房先生会先算一个总账，看看今年是丰年还是灾年，预计下地主老爷下边的50个农户总体能产出多少。如果遇到灾年，总收入不足，就建议地主老爷趁机多兼并一些土地，把农户总数做多，还能保住总收成。
在往下分配收租指标的时候，会考虑各个农户劳动力多寡，生产能力，分配一下收租数。让劳动力好的多交，差的少交。这样看起来一举两得，既不会逼死农民，又能多压榨些劳动成果。这是数据驱动业务的第二阶段，姑且叫他账房先生好了。
实际上，层次二仍然是知其然不知其所以然的阶段。因为到底业绩是怎么来的？是卖什么卖出来的？卖得好的业务员有什么诀窍？还是一无所知。到头来还是靠拍脑袋：你连续三年都做得好，今年也做得好吧。
然而这种假设不一定成立，只有真的洞察到业绩的来源，才能分析出到底能做到多少。还拿销售数据举例，在总销售业绩=大区数*大区门店数*每门店产出数的公式中，只有***了每门店产出数到底是怎么来的，才能正确地估计，到底这个门店能做多少。
随着商业模式的进化与数据系统的强大，于是销售解析的公式开始越来越复杂。即使只有最简单的pos机订单，我们也能把门店业绩，拆成如下：
门店业绩=订单数*订单单价
门店业绩=订单数*（件单价*连带率）
这里，订单数意味着客流的好坏，件单价代表了产品档次，连带率意味着交叉销售水平。从这三个指标加上其他一些对比，就可以初步解读出：我们是要多做引流还是力推高端商品，是要考虑降价吸客还是推组合销售（具体解读过程太过复杂，单独有文章介绍）。
有了会员卡 电商平台以后，就可以进一步拆解指标：
门店业绩=（全体用户*付费比例*人均订单）*（件单价*连带率）
门店业绩=（全体用户*活跃率*付费比例*人均订单）*（件单价*连带率）
到这里，是不是分析公式，已经和目前电商常见的aarrr模型很像了。有了会员卡（会员id）我们就可以区分用户等级，用户价值；有了网站，我们可以记录用户成交以前的活跃行为。
这使得我们可以深入解读“为什么用户会购买”，从而能极大地丰富对业绩来源的分析方式，从而合理地指导业务进行工作。除了调整商品价格，品类搭配以外，还多了更多针对用户需求的信息推送动作，而且使得业务行动越发科学。
到这一步，数据已经成为业务方的生意参谋。不仅仅是在一旁吆喝着：你要出业绩！而是能帮忙出谋划策：你做xx产品组合销售，针对xx客群做推送，可以更好地出业绩。
这是数据驱动业务的第三阶段，这个阶段做得好的公司，业务部门会把数据分析师当作顾问和军师，真的认真听取他们的意见。
层次三写的内容很多，是因为大部分的分析方法，都是在层次三应用的，展开来写n篇文章都不够。
但是层次三仍有两个问题：
问题一：分析过程太长，都是事后的结果，没法在过程中即使调整。
问题二：军师嘛，都是说话给主公听的，前线的统军大将，不是“将在外军令有所不受“的骄兵悍将，就是“末将糊涂请主公明示”的虾兵蟹将，数据分析结果出不了市场部，前线难以应用。
更好的状态，当然是能上通下达。然而这需要技术与业务的双向支持。在技术上，需要有简单、易懂的bi工具。让一线方便，快速地看到实时数据；需要有强大的后台系统能支持实时计算，缩短数据反馈的时间，基于数据进行行动。
在业务上，要么有老板强力往下推动，形成数据化管理的氛围。要么需要数据部门自己有手段，在业务部门里培育出有使用数据习惯，会科学使用数据的人才，大家通力合作，这样才能实现真正的数据驱动。
要不然，辛苦做的bi，报表打开率不到10%。一线的不是平时不看数据，就是发现问题了喊着：“来个人工智能大数据分析一下吧”，这样还是无力推动业务。
除了直接买卖数据外。数据能自己创造业绩吗？当然可以，数据也可以代替销售们下场卖货！充当打手直接冲锋陷阵，斩获业绩。当然，这是有前提的。
既然是打手，得能够直接打到人才行。因此不需要导购、业务员参与的b2c销售模式，就更容易发挥数据作用。比如电商网站、搜索网站的推荐系统，就能通过算法，提供有效信息给用户，提高成交率。
打手想打出成绩，得能打得动痛点才行。在消费者对产品有鉴别力的行业更容易生效。类似医疗保健美容家装，这些存在巨大信息不对称，存在大量非理性消费的领域，销售、导购还是起着巨大作用。
智能打手之所以智能而不是瞎打，得有大量数据支持。这意味着在推荐系统上线前需要有足够数量数据及足够数量的用户。这两点恰恰是很多平台的缺陷。有可能平台本身不是淘宝微信这种超级应用，用户少、数据记录少，就更难发挥作用。
同时凑成这三点相对困难。因此所谓精准营销，智能推荐，目前成功案例及可应用的范围均较少。
但随着消费者本身使用移动互联网越来越多，阿里/腾讯开发部分数据及研究资源，未来类似的系统可以发挥更大作用。这是数据驱动业务第五阶段，也是更高级阶段。数据在这里直接就是生产力。
自有数据以后，数据就开始成为间谍们交易的筹码。数据驱动业绩自然也有了大内密探这种模式。
然而，数据的黑市交易始终被法律所禁止。所以大内密探型的数据驱动，开始转向一些可以公开采集的正当手段，比如财报分析，同业交流，市场调查，爬虫。通过收集竞争对手的信息，为我们设计战术提供支持。
但始终，大内密探们只是躲在暗影中的少数异类，这一类数据驱动业务也不是主流模式。
家里老妈老是唠叨你：“回家先洗手才吃饭”、“有女朋友了没？”、“天冷了加条秋裤”……你听吗？当然不咋听，不但不听还嫌老妈唠叨呢，“我又不是小孩子”、“邻居结婚关我屁事”。
有数据部门是这种状态吗，当然有；有数据分析师是这种角色吗，当然有。不信大家可以统计下自己发出的日周月报打开率，有多少能去到15%以上的。数据驱动业务？驱动个屁，这也是一个状态哈。
当然还有一个类型是车夫型，就是开篇讲的天天被业务方呼来喝去跑数据，跑完了还要嫌弃数据不准，提供太慢，分析不深的。但这种已经是被业务方吆喝着满地跑了，不在“数据驱动业务“的范畴内哈。
