數據的重要性已經被越來越多的公司、個人所熟知與接受，甚至于有過猶不及之勢頭。大數據的概念滿天飛，似乎一夜之間人人都在談論大數據，見了面不用大數據打招呼，好像就不是在數據圈子里混的了。那么，被外界傳得神乎其神的數據，到底可以在哪些方面促進業務的騰飛?或者換種說法，業務對數據有哪些層次的需求?數據在哪些地方能夠幫助業務?

結合筆者多年的工作經驗以及對數據與業務的理解，業務對數據的需求歸納為四個層次。

第1層：知其然

我們可以通過建立數據監控體系，掌握發生了什么、程度如何，做到“知其然”。

具體來說，切入數據的角度主要有這幾個方面。首先是“觀天”，觀察行業整體趨勢、政策環境影響;再是“知地”，了解競爭對手的表現;最后是“自省”，自身做得怎么樣了，自己的數據表現怎么樣。從看數據的周期上來講，“觀天”可以是季度性或者更長的周期;“知地”按周或者月，特殊時間點、特殊事件情況下除外;“自省”類的數據拿到的是最全面的，需要天天看，專門有人看，有人研究。

在這一層上，分享兩個看數據的觀點：

1. 數據是散的，看數據需要有框架。

怎么看數據很有講究。零碎的數據很難發揮出真正的價值，把數據放到一個有效的框架里，才能發揮整體價值。所謂有效的框架至少包含兩重作用：

(1) 數據很多，不同人對數據需求不一樣，如CEO、中層管理者、底層員工關注的數據通常是不一樣的，有效的框架能夠讓不同的人各取所需。

(2) 有效的框架能夠快速地定位問題所在。舉個例子，交易量指標大家都關心，如果某一天交易量指標掉了20%，那么，業務很大可能下是出了問題，但問題到底出在哪兒呢?如果只有幾個高度抽象的指標，如轉化率、成交人數、客單價等，是定位不到問題的。好的框架能夠支持我們往下鉆，從品類、流量渠道等找到問題所在，板子也就能打到具體的負責人身上了。這也是我們通常所說的，看數據要落地。

2. 數據，有比較才有真相。

我有120斤，你說是重還是輕呢?一個孤零零的數據是很難說明問題的。判斷某個指標增長快慢，需要選擇正確的比較對象、參考系，也就是基準線。這個基準線可以是一個預先設定的目標，可以是同行業平均水平，也可以是歷史的同期數據。

第2層：知其所以然

通過數據看到了問題，走到這一步還不夠。數據只是表象，是用來發現、描述問題的，實操中解決問題更重要。數據結合業務，找到數據表象背后的真正原因，解決之。解決問題的過程就會涉及數據、數據加工，還可能會涉及數據模型之類的方法或者是工具，這里面技術含量比較高，另作篇幅介紹，這里不展開了。

在第二層里也有兩點分享：

1. 數據是客觀的，但對數據的解讀則可能帶有很強的主觀意識。

數據本身是客觀的，但消費數據的是有主觀能動性的人。大家往往在解讀數據的時候帶入主觀因素：同樣一個數據在A看來結論可能是好的，從B看來可能卻得出截然相反的結果。不是說出現這樣的情況不好，真理越辯越明。但假如不是通過數據找問題，而是先對問題定性，然后有選擇地利用數據證明自己的觀點，這種做法就不可取了?？墒聦嵣?，我們的身邊經常發生這樣的事情。

2. 懂業務才能真正懂數據。

車品覺老師的博文《不懂商業就別談數據》對這個觀點作了深刻闡述，這里不展開講了。只是由于本觀點的重要性，筆者特意拿出來做一下強調。

第3層：發現機會

利用數據可以幫助業務發現機會。舉個例子：淘寶上有中老年服裝細分市場，有大碼女裝市場，這些市場可以通過對周邊環境的感知，了解到我們身邊有一些中老年人或者胖MM在淘寶上面沒有得到需求的滿足。那么還有沒有其他的渠道找到更多的細分市場呢?

數據可以!

通過用戶搜索的關鍵詞與實際成交的數據比較，發現有很多需求并沒有被很好地滿足，反映出需求旺盛，但供給不足。假如發現了這樣的細分市場，公布出來給行業小二，公布出來給賣家，是不是可以幫助大家更好地去服務消費者呢?這個例子就是現在我們在做的“潛力細分市場發現”項目。

講這個案例，不是想吹牛數據有多厲害，而是想告訴大家：數據就在那里，有些人熟視無睹，但有些人卻可以從中挖出“寶貝”來。差異是什么呢?商業感覺。剛剛提到的搜索數據、成交數據很多人都能夠看到，但以前沒有人把這兩份數據聯系在一起看，這背后體現出的就是商業感覺。

第4層：建立數據化運營體系

我理解的數據化運營，包含了兩重意思：數據作為間接生產力和直接生產力。

1. 數據作為間接生產力。

所謂間接生產力，是指數據工作者將數據價值通過運營傳遞給消費者，即通常所說的決策支持，數據工作者產出報表、分析報告等供各級業務決策者參考。我稱之為決策支持1.0模式。然而隨著業務開拓和業務人員對數據重要性理解的增強，對數據的需求會如雨后春筍般冒出來，顯然單單依賴人數不多的分析師是滿足不了的。授人以魚不如授人以漁，讓運營、產品的同學都能夠進行數據分析，是我腦子中的決策支持2.0模式。

決策支持2.0模式有三個關鍵詞：產品、能力、意愿。

讓運營和PD掌握SQL這類取數語言，掌握SAS、SPSS這類分析工作，顯得不大現實和必要。提供低門檻、用戶體驗良好的數據產品是實現決策支持2.0模式的基礎。這里講的產品，不僅僅是操作功能集，還需要承載分析思路和實際案例。

但是，數據分析的門檻始終是存在的。這就對運營和PD提出了新的基本能力要求，即基礎的數學能力、邏輯思考能力和學習能力。

最后一個意愿，也許是最關鍵的，只有內心有強烈的驅動，想做好這件事情的時候，才有可能做好。

2. 數據作為直接生產力。

所謂直接生產力，是指數據工作者將數據價值直接通過前臺產品作用于消費者。時髦點講，叫數據變現。隨著大數據時代的到來，公司管理層越來越重視這一點。大數據時代帶來了大的機會，但也可能是大災難。如果不能利用數據產生價值，那么，它就是一個災難——產生的數據越多，存儲的空間、浪費的資源就越多。

現在比較好理解的一個應用就是關聯推薦， 你買了一個商品之后，給你推薦一個最有可能再買的商品。個性化是數據作為直接生產力的新浪潮，這個浪潮已經越來越近。數據工作者們，做好迎接的準備吧。