二、數據在工作中的四類作用

那么，如何讓數據做好“鏡子”，幫助企業更幸運呢？

數據分析在日常工作中可以起到四類關鍵作用，也代表了四個循序漸進的步驟，分別是：反映客觀真相、準確量化評估、定期優化迭代和驅動業務發展。

1.反映客觀真相

這一點聽起來像是一句廢話，實際上是最重要，又極其容易被誤判的一點。

數據固然具有呈現事實真相的能力，但這需要采集數據的人不帶著主觀經驗和態度去收集。我們要收集的數據與信息，是讓企業了解自己真正的樣子，而不是“你經驗中的樣子”“你想象中的樣子”“你期望中的樣子”。

不知道你之前在做一些關鍵性決策的時候，是都認真進行了情況分析，基于客觀事實來做思考的，還是只是簡單整理了一下思路，就開始依靠經驗或靈感做了判斷？

只有基于客觀的、正確的事實前提，后面的分析判斷才能“有據可依”。很多我們耳熟能詳的調查主題，都是源自這個出發點，比如“北京市‘90后’薪酬情況調研”“二線城市未婚人士結婚意愿調查”等，都是為了快速了解事實真相所進行的數據采集。

如果一個人，現在需要做一份年度傳播計劃。但對于品牌的影響力現狀，企業的用戶基數，用戶對品牌的認知情況、好感度和購買情況全都不太了解，或者只是簡單了解，就開始寫方案，就算他再才華橫溢，方案也是不敢用的。因為沒有調查就沒有發言權。

2.準確量化評估

基于客觀真相，接下來就可以進行量化評估了。也就是判斷一下：之前發現的這些事實，比如企業的影響力、用戶的基數、產品的銷量等，真實效果怎么樣，做得好不好。

也就是，了解自己的位置。

這是一個對比分析的過程，選擇“評價的標準”很重要，也就是“和誰去對比”。可以選擇和上年同期自己的成績對比、和核心競爭對手對比，也可以選擇和行業平均水平對比，等等。

“評估的維度”也很重要，即選擇哪些核心指標來進行評估。例如，評估一個線上營銷活動的效果，在維度上可以使用“活動的網絡曝光總量”“參與用戶的數量”“活動的互動數量”“產品的銷量”“目標用戶的營銷覆蓋率”“每千人曝光背后的營銷成本”等多個維度。那么，選擇什么樣的維度最能反映真實的效果，并且還能對業務的改進有幫助呢？這都是需要認真思考的。很多的行業亂現象，比如購買假粉絲、假曝光等，固然有急功近利之人鉆空子、掙黑心錢的原因，但也有評估方法上的問題。當企業設置的評估維度片面潦草、不合理、不科學的時候，執行方也會被KPI壓得疲于奔命，而喪失了原本做事的初衷。

舉個極端一點的例子，某企業做了一個小紅書賬號，目標是提升品牌對一線城市高端用戶的影響力，給的評估維度是：粉絲數量一年增長1000萬個。

按照這個評估目標，執行團隊人人都是營銷鬼才，且運氣特別好，還得預算管夠才行。因為高端用戶人數本身就遠低于普通用戶，小紅書平臺的運營算法又是內容至上，平臺上面擁有幾十萬粉絲的賬號，就已經是影響力不錯的了。在這樣一個“魔鬼目標”的鞭策下，如果再加上“完不成就不給付尾款”，你再去看“購買假粉絲”這種數據造假行為，是不是又覺得水軍公司也就沒有那么“可恨”了？

其實里面最大的問題，還是營銷團隊。因為他們沒有在項目開始的時候，想明白怎么評估是科學合理的。沒有在企業負責人提出這個“拍腦門”目標的時候，堅定地拒絕并給出理由和解決建議。

關于量化評估到底怎么做，KPI怎么制定才科學這個主題，我會在后面第三章詳細展開。但要說明的是，量化評估不僅是用來判斷關鍵性工作或項目的成果，日常的工作中也時常需要用到。比如，廣告公司出了兩個版本的平面廣告，哪個實際投放的效果好呢？可以先做小規模的測試，評估相對的成績，選一個測試結果好的廣告進行大面積的市場投放。再如，企業內部組織員工培訓，結束之后給大家發了一個滿意度調查問卷，以了解大家的真實感受及培訓的效果。

3.定期優化迭代

優化迭代，也是前面做評估的目的。基于事實真相，和對過往工作的準確評估，你可以進一步思考和找到下一步發展可以改進和優化的空間。

這個價值點在很多部門的實際工作中都很受重視，無論你是在運營部、產品部，還是市場營銷部，可能都遇到過基于數據來做優化的工作。比如，通過產品的運營數據和產品滿意度調研來優化調整產品和服務的內容。或者通過監測一個傳播活動實際在市場上取得的反響，也就是“傳播效果監測”，來調整下一步的傳播計劃等。

聽起來很簡單，在實際工作中，卻常會發現知易行難：明明仔細分析了運營數據，也認真做了用戶滿意度調查，等到做優化建議的時候卻提不出什么有效的見解。

究其原因，有可能是分析水平尚需磨煉，也有可能是前兩個步驟沒有做到位：事實呈現得不夠全面真實，或者評估得并不周到準確。比如，小王為了給產品做優化，認真做了用戶訪談，收集大家的建議。但訪談對象大多是企業內部其他各部門的領導或自己的親朋好友，真正的用戶樣本很少，而且這群人里還有一些沒用過這款產品的，對產品有著想當然的理解。就算“認真”做了訪談，結合了這些信息去進行優化，也勢必會有偏差，因為調研樣本本身是有問題的。

所以無論是信息收集還是評估，都需要一步一個腳印地穩扎穩打，這是精準優化的前提。

最后提醒一下，優化迭代是需要定期進行的。產品上市之后或者營銷活動開展的過程中，企業需要定期了解工作的進展并快速作出調整和反饋。在傳統媒體時代，由于傳播渠道有限和信息收集困難，大家無法很頻繁地做出優化迭代。這些限制在今天早已不存在了，而且由于信息化環境的升級，面對復雜多變的市場環境，不快速高頻地進行優化迭代，很容易跟不上市場的“節奏”。

4.驅動業務發展

數據分析最重要的價值體現——對關鍵性的戰略決策作出洞察，并且驅動業務的發展，這是基于前面三步的深化和落地。

當企業持續一段時間收集數據、評測、進行優化并收集策略的市場反饋之后，手中累積的高價值信息資產越來越多。這些數據信息在制定下一階段的市場戰略、用戶策略，產品創新或品牌定位提升等層面都至關重要。

除了使用數據來進行上述關鍵性決策，如果企業擁有的數據足夠豐富，甚至可以通過建模來直接驅動業務。這兩者的區別在于，做決策的是人還是數據本身。

前者很好理解，后者我舉一個例子。起步于支付寶的螞蟻金服集團，旗下有一條業務線，主要是為有需要的線上小微企業提供金融服務，比如貸款。

傳統銀行在做企業貸款的時候，流程是這樣的：

（1）接到一個貸款需求；

（2）銀行收集該企業的相關數據以作評估；

（3）評估通過；

（4）發放貸款。

在評估的時候，如果企業規模不大，線上信息有限，有的時候銀行甚至需要派專人去企業實體店鋪蹲點來進行數據的采集。比如，一家美甲店向銀行申請貸款，銀行會派一個信貸員到那家店鋪里，收集相關的關鍵性信息，如日客流量、產品種類、日交易額、服務評價等。隨后，銀行會根據這些數據的評估來進一步判斷是否貸款、貸多少。

這個過程里，數據固然重要，但決策還是由人來進行的。

但螞蟻金服這個產品的貸款業務不是這樣的流程。他們先是發現很多網店店主是有貸款需求的，但去找銀行貸款又很困難。因為他們的規模太小，融資的額度又低，還沒有抵押品，很難通過銀行風控這一關。可是這些店鋪的很多關鍵性數據，在淘寶平臺上是都有的，而且十分豐富，完全可以通過這些數據來判斷店鋪業務的健康程度。

于是，他們最先通過自己的理解去給部分店鋪發放貸款，然后進一步收集數據，跟蹤和分析貸款行為給店鋪帶來的影響，研究一些關鍵數據和還款違約率之間的關系，不斷優化放貸邏輯。很快，他們就擁有了成熟的貸款模型，從而可以由數據后臺自主決策。在這個案例里，前期還是由人來做決策，但伴隨著模型越來越成熟，就變成了數據決策。

無論是人決策，還是數據決策，收集和分析數據都是為了讓商業決策更準確和高效。每個人其實都在各種數據中生活和工作，你可能已經把它當成空氣一樣對其習以為常了。如何發掘背后的價值呢？

我們要先從了解日常可獲取的數據類型和方式開始。