前几天在知乎 Live 做了《如何成为数据驱动型公司》的分享，目标主要针对的是互联网公司的从业者。但也有不少的偏线下传统企业的学员参与听讲，咨询如线下实体企业如何收集数据，有些是企业已经有了些数据，如何去发挥数据的价值我个人工作以后主要是在互联网公司，所以对传统企业的生产、物流、经营可以说是缺乏实战经验，只能谈谈我对传统企业实现数据驱动的一些看法。
实现数据驱动有两个关键环节：一是数据采集，二是数据分析。对于传统企业来说，往往是这两点都不太具备条件。
神策数据 CEO 桑文锋
数据采集的痛点
前一段知乎上有人提问，说大家都在讨论大数据与互联网、金融、政府等领域的结合，为什么谈农业大数据的这么少相关的公司这么少我想很大的原因是农业信息化的程度还不够。现在大家很少再提“信息化建设”这样的词，但在我的印象里从 2000 年左右，“信息化建设”是一个像现在谈“机器学习”一样时髦的词汇。那个时候不管是政府还是大企业，都在推进信息化建设，上线 ERP、官网、办公系统等，那是一波浪潮，持续了十年左右。从 2010 年左右开始，这种生意就没那么好做了，许多的潜在企业已经被挖的差不多了。但农业的信息化，可以说是原地踏步，和工业领域完全不在一个阶段。那么到了大数据时代，工业领域至少还有了一定的数据基础，但农业是完全没有的，可以说数据驱动的前提肯定是要信息化的。
对于许多传统企业来说，即使经历了信息化建设的过程，但限于条件，收集的数据类型也比较有限。一般是进销存的数据有，财务数据有，但其他数据就比较缺失了。有些企业是有 CRM 系统，但许多客户的信息都是死的，并没有实时更新和激活。对于一些财务和销量数据，也只是有一些宏观的总数，没有太多的维度分析。生产经营的目标，往往取决于老板拍脑袋，完全没有数据做决策的思维。我们这里看看就拿一个线下零售店来说，它和线上电商网站比，到底少了哪些数据。对于店铺卖了多少货，买了多少钱，每个 SKU 的具体销售情况，这些是可以获取到的。但是，有多少人看了某个商品，有多少人摸了某个商品，有多少人是回头客，像这些信息都是没有的，但电商网站就可以获取的到，就可以基于这些信息做出更精准的判断。
数据分析的痛点
再来谈数据分析，如果没有数据，就谈不上分析了。最近听到一个新员工讲到她在一个企业做数据分析的经历。当时一个部门，每天都在做各地仓库的配货，各个品类配多少，是凭经验来的，往往是漏洞百出，每隔一段时间，都要做次清货。于是她自告奋勇，在 Excel 上写了一段代码，根据以往的销售记录，来预测配货量。就这么一个简单的程序，让经营效率提升了很大。这里并不是这家企业掌握了更多的数据，而是采用了更多的数据分析的方法。这里我想说的是首先要培养数据驱动的思维，就是在各个业务环节，能不能基于某些数据来更好的做决策，利用机器去代替人工的工作。这种意识培养起来了，对企业就是一种革新，有了新的发动机。
我们再来说说为什么要做数据分析。在上世纪 80 年代的时候，曾经发生过商店买的冰箱门已经坏了，然后问顾客要不要买，如果不买，就让下一个顾客买，还有更多的人排队。那个时候是商品匮乏，供应不足，销售的问题根本不需要考虑，主要矛盾是把商品生产出来。到了 2000 年之后，像家电类的商品，供大于求的时候，就开始铺广告，建销售体系，只要这些做好，产品就可以卖出去了，归根到底是需求还在。可最近这几年，人口红利渐渐没了，竞争变的更激烈了，导致人力成本变高和供大于求，这样赚钱就没那么容易了，靠以前那种堆人的思路玩不转了，必须考虑精细化运营。对于铺的广告，不是说央视上播放了，看着挺气派，这就成功了，还是要看实际转化效果如何。对于潜在客户及已有客户，分析他们的特点，制定针对性的营销策略和提供合适的服务，这些都需要数据分析的支持。
如何做数据采集
对于数据的采集，我觉得有两个思路。
一是部分业务变为线上业务，就是现在说的互联网+。几年前李彦宏提的一个观点我很认同：以后就不会再有互联网公司和非互联网公司这种区分，因为所有的公司都会有互联网的部分。这就像蒸汽机加上一系列的旧行业形态，带来了蒸汽时代。而电力加上各种各样的旧行业形态，带来了电气时代。在电力刚刚推广时，电灯、电话、电报、电车，这些都是时髦的东西，后来就不会再区分电力和非电力公司了。一旦业务变成了线上业务，我们就可以按照互联网公司的模式，来进行数据采集，这和互联网公司没有区别，相信神策分析能够比较好的解决。
二是增加传感器(Sensor)，提升数据采集的能力。有个朋友的公司是做视频监控的，他们做的监控系统，目前都可以做到识别老人摔倒行为、工人是否带安全帽、参观者的性别等。虽然现在还相对比较初级，但可以预见的是以后线下的所有行为都能够被采集到，各种各样的传感器都会被生产出来。Google 的无人驾驶汽车，周围装了一圈的传感器，每秒钟产生 2.5 GB 的数据，实现自动驾驶。以后可能通上电的设备，都会带有传感器，采集到的数据也会很巨大。正是基于这点判断，我把公司起名叫 Sensors Data(神策数据，音译)，我觉得未来就是传感器时代。
如何做数据分析
有学员问我：目前已经有了一堆数据，如何从这些数据中获取更大的价值这个问题如果让我直接给解决方案话，大部分的时候是给不出来的。虽然我对大数据分析技术比较熟悉，但对于各种各样的实际业务，那是很不了解的。大面上的思路，可能谁都能想到。在大数据概念的普及之下，大家都对数据的重要性不再怀疑，你再见到人时，不用花时间去说服对方相信数据很重要了。但这也带来了一个误区，就是不管有了什么数据，都想通过这些数据来产生巨大的效应。我的建议还是反着思考，先要围绕现有的业务场景，思考还有哪些关键问题没有解决，然后考虑解决这个问题，需要用到哪些数据，如果正好有，那就省事了，如果还没有，再想办法收集这些数据。也就是问题驱动，而不是数据驱动，数据起到的是辅助作用。还有就是前面提到的数据驱动的意识，这是第一重要的。
说了这么多问题，那到底有没有传统企业在大数据分析这块做的好的呢我这里讲个餐饮业的案例。盈客在线是一家为餐饮业提供 S-CRM 的公司，会帮着餐饮品牌店做会员营销方案，比如会开展会员日这样的活动，某些菜品针对会员客户半价优惠。那这里问题就来了，这样会不会导致会员们只会在会员日过来用餐，其他时间就过来的少了单凭猜测是不行的，我们还是要看数据。于是盈客在线的数据工程师针对一家品牌店做了用户留存分析，就是看有会员日活动的会员店，和没有会员活动的会员店，在用户留存上有什么差异结果分析发现，有会员日活动的留存，要明显超过那些没有会员日活动的店家用户留存。
最后，总结一下我对传统企业在大数据分析方面的看法，一是要培养数据驱动的意识，二是要尝试将部分线下业务变为线上业务，三是尝试新的数据采集手段。相信未来几年，会有越来越多的传统企业在大数据分析上的成功案例。
本文为专栏文章，来自：桑文锋，内容观点不代表本站立场，如若转载请联系专栏作者，本文链接：https://www.afenxi.com/24941.html 。
