数据驱动，在国内企业的落地中很“骨感”

 数据驱动，在国内企业的落地中很“骨感”

在国外，有一个名为Instagram的照片分享软件，这个软件早期并没有火起来，后来他们通过数据分析发现了一个非常强硬的用户需求点，即“纯粹拍照并分享”。围绕这一点，他们对产品进行了大改版，并在较短时间内实现了用户数量快速增长，这是一个很好的数据驱动案例。反观国内，大一点的创业公司会优先考虑如何做概念，如何存活下来，像上述那样用数据实现业务驱动的很少。

对于数据驱动，很多人做到一定程度之后，脑海中会形成一定的方法论和体系，进而形成驱动流程和组织机制。大家也听了很多方法论，包括增长黑客等，貌似自己已经很懂数据驱动了，但是实际操作起来可能连“什么是事件属性这种基础的概念都不了解”，这是很多业务线同学普遍的现状。

另外，很多公司认为做数据驱动就应该有一个高大上的数据平台，这两年标签画像平台或者数据中台的概念比较火，它们真的能够实现数据驱动吗？不见得。目前，很多公司的数据质量非常差，数据驱动就更无从谈起，这是国内大中小企业普遍存在的情况。

早些时候，大家对“数据驱动”的理解是“报表驱动”。2016年、2017年的时候，一家处于C轮、D轮的深圳公司，该公司有1000多份报表，每张有10个Sheet，每个表格有20多个指标，大家可以算下一共有多少个指标，他们内部的数据团队都不知道哪些指标有用、哪些没有用。为了督促大家去看这些报表，公司还监控了邮箱。

“早前，我做数据产品和数据分析的时候，很多产品同学说所有的都要埋点，包括头像、点击次数等，他会问这些点真的有用吗？想好这些指标数据的目的了吗？这些都是十分有意思的现象和问题。数据驱动是一件好事，但在国内企业的落地中确实很“骨感”。数据驱动不是一个简单的工具，也不是多个分析师或者少个分析师的问题，而是整体的格局问题。“陈新祥在直播中提到。

02 从几个案例进行拆解

现在，很多企业都想实现数据闭环，其实闭环就是非常典型的方法论。那么，这个方法论究竟能不能解决问题？能不能在组织和团队里运行起来？背后是否缺失了哪些环节？在这里，陈新祥分享了一个国内的实际案例。

如上图所示，Phase 1是初定的观测指标，包括日活、PV、注册书、功能使用次数、收入、客单价、日活跃占比、新老用户占比、增长率、X转化率等。他们的CEO发现，虽然该有的指标都有，但就是因为都有才失去了聚焦。于是开始精简思路，把团队力量凝聚到一根绳上，Phase 3是最终剩下的两个指标。

当然，这是他们根据产品的情况以及公司所处的发展阶段做的取舍：当时公司不急着变现于是收入被拿掉了，日活做的数据没有太大作用于是被拿掉了，拉新也被拿掉了。他们觉得产品留存很好，在当下阶段团队已经做到能力范围的上限了，投入更大的精力也不会有很大的提升。之后，他们只留下了日活跃占比和日活跃参与度，并调整了内部的报表体系。

今天，很多C端产品要改版要升级，那么，在改版之前要搞清楚为什么要改？目标是什么？之后所有的工作都是以这两个问题的答案为导向。

以友盟+服务的客户为例，每一年都会提出很多新的需求，比如进一步提升产品粘性、进一步提升用户量等诸如此类，我们要做的是尽力满足他们，但不论对产品做什么样的功能升级，都要以客户的目标为主。