神策数据桑文锋：聚焦“矩·变”，加速中国数据化建设

在以“矩·变”为主题的2019神策数据驱动大会现场，桑文锋发表了名为《矩·变——加速中国数据化建设》的主题演讲，分享了新时代数据化建设面临的挑战和机遇，并指出了企业落地数据驱动的方法论，本文将为你重点介绍：

·数据源的重要性及数据的价值

·数据化成熟度体系

·神策数据的战略

一、数据源的重要性

在大数据分析领域从事的12年间，通过实践再三验证了做好数据驱动的最重要前提是数据源的把控，关于数据源的评估我总结了四个字：大、全、细、时，这也是我对大数据的定义，现在所提倡的大数据与过去最主要的一个区别就是数据源，且数据源的把控方法与程度不一样结果便会千差万别。

大数据的“大”强调宏观的“大”，而非一味追求数据量的“大”;“全”是全量，强调多种数据源，包括前端、后端的数据，以及日志、数据库数据等;“细”强调多维度数据，包括事件、商品的各种维度、属性、字段等。比如我现在问“你所在公司的客户中，不同身高的群体在平均消费额上有什么差异”，你很可能回答不出来，因为你没有记录“身高”这一维度的数据;“时”强调时效性，即实时数据采集和实时数据分析的价值。

数据源的重要性

二、数据的价值

最初2015年之前大家谈大数据时，更多是空谈，很难发现真正起作用或例子很少。而现在关于数据的价值，经过一段时间的实践与验证已经逐渐变的清晰，我认为数据的价值主要体现在两个方向上：业务决策和产品智能。

数据的价值

数据价值首先体现在驱动业务决策，不管是做运营分析、产品改进、战略决策还是做量化管理，企业产生了数据，数据的价值体现在辅助人做正确的决策，不过这只能发挥数据价值的20%，更多的价值释放在产品智能，企业将数据套上一定的策略方法，把产品回到本质，让数据成为产品的本身，有人将其称为AI，我称其称为产品智能，其本质都一样，这也是神策数据构建平台帮助客户实现数据驱动的两个关键。

三、数据化成熟度体系

在神策数据服务客户的过程中，我一直在思考如何帮助企业把数据化做的更上一层楼，这里的企业包括互联网企业、互联网+企业、传统企业等，尤其处于转型中的企业，他们遇到的问题比我们想象的难很多。

而如今，神策数据已经服务了1000+企业，恰好有一个“小数据”可以辅助解决这个问题，我经常看到神策数据的客户融资或上市新闻，也就是说被市场验证发展不错。为此，我也一直在思考如何构建一个模型来衡量企业的数据化程度，现在我有了答案。

我认为，企业数据化程度的评估可分为三个层面：第一个层面是IT化，相比美国六七十年代便已经开始IT化，中国的IT化起于互联网化，在1998年互联网开始兴起时很多企业着手做IT化。

IT化是DT化的前提，企业要做好DT化必须要做好IT化，很多企业每间隔一段时间便提出各种各样的理念，但是却无法有效应用，很大程度上是因为产品没有线上IT化。

第二个层面是DT化，这也是神策数据与众多企业正在携手做的事情，DT化简单来说就是构建数据流，在神策2018年数据驱动大会上我演讲的《面向数据流的信息化建设》中，我分析了信息化的建设究竟是让IT化面向业务就可以，还是需把IT化的目的做为数据的载体，作为支架来看待的问题。

其归根到底是构建一条数据流，该数据流的建设，包括数据的采集、建模存储、分析、可视化或反馈等。企业要把整个数据流建好，一方面建好数据流，一方面要把数据产品化，也就是让数据成为企业业务的一部分，就像阿里的理念“数据即业务”。

第三个层面是DO化，这是我最想强调的一点，熟悉我的人应该了解我个人对历史比较感兴趣，特别是中共党史，我也学习了阿里的组建思路。在学习的过程中，我一直在思考历史上的各种人物如何使用数据?当时他们甚至可能不将其称为数据，比如楚汉争霸刘邦获胜的理由是因为他有箫何，箫何可以帮他分析各种各样的事情;毛主席为何伟大，其中一点是他洞察数据分析，他的名言是“没有调查就没有发言权”，调查换句话说就是数据采集。

纵观历史会发现即使时代、名字变了，但是数据的关键性作用没变，我们都要重视数据，再从另外一个角度考虑伟大的组织怎么打造，比如刘邦、朱元璋等历史上伟大的团队，我发现其关键是组织建设。

关于组织建设，我将其分成三个耦合体：第一个耦合体是组织架构与决策机制，其为整个企业的框架;第二个耦合体是文化与制度;第三个耦合体是人才与激励。组织建设一般离不开这3个耦合体，同样，若企业想实现数字化转型，其需要思考能否让数据起到关键作用，成为企业不可分割的一部分。比如，企业的组织架构是否有专门负责数据决策对应的部门，其决策机制必须是以数据为依据而不是凭空想象等。

再就是激励，网上经常说KPI是万恶之源，事实上，正确的KPI本身就具有数据驱动的逻辑，企业要把数据作为组织的组成部分，就像马云所说，当战略调整，组织一定要调整，组织没有调整等于战斗没有调整，利益群体没有变化，没有革命大家就会坐吃山空，等着山滑掉、倒掉。所以，企业的数据化重组路要从IT化、DT化、DO化三个维度综合考量。

数据化成熟度体系

四、数据化成熟度衡量标准

从IT化、DT化、DO化三个维度评估企业的数据化成熟度，具备一定的衡量标准，如下：

数据化成熟度衡量标准

信息化(IT化)：是否具备数据化的载体，即是否有稳定的线上产品和是否有成型的技术团队，这里的技术团队包含产品、运营，即企业是否构建一个完整的数据驱动团队。

数据化(DT化)：即面向数据流的信息化建设是否完善，具体来说，数据模型、数据丰富度、数据质量、二次开发能力、AI模型各个维度做的如何。

数据组织建设(DO化)：数据组织建设包含数据意识和组织流程两大部分，即将数据化建设作为一个系统化工程来整体考量。这一点吕厚昌在1997年就提出过，但现在还在解决这个问题，我也曾给团队分享，从2015年成立的时候我们的目标是花十年时间重构中国互联网数据根基，当时我认为离这个目标有十万步，现在发现有十万八千里，变得越来越远，因为接触的企业越多，发现牵扯的因素更繁杂，当把它当成系统化的工程分析，发现需要做的事还有很多。

五、500+家合作企业的数据化成熟度测评

神策数据对服务的500+家合作企业进行了数据化成熟度测评，测评标准主要围绕三点，IT化占20%，DT化占40%，DO占40%，如下图：

测评标准

我们围绕这些评分维度科学评估后，得出这500+家客户的平均分为71分，中位数为73分，74%的客户超过60分，总体来看，神策数据的这500多家客户的数据化成熟度比较高，如下图：

测评结果

如下图，我们再看IT化、DT化、DO化三个维度对企业的数据化成熟度的影响占比：

数据组织能力是差异化关键

从上图中，我们可以发现，数据组织能力(DO)是形成差异化的关键，数据组织能力占比越大，评分越高，即企业的数据成熟度更完善。下面我们再看看不同行业的数据化成熟度差异：

不同行业的数据化成熟度差异

从行业数据化成熟度的平均分来看，不同的行业类型在数据化成熟度上确实有明显差异，可以粗略分为三个梯队：电子商务、工具软件、互联网金融、房产服务为第一梯队;在线教育、游戏、文化娱乐、本地生活为第二梯队;汽车交通、医疗健康、企业服务等为第三梯队。

再看互联网/互联网+的数据化成熟度差异，如下图：

互联网/互联网+的数据化成熟度差异

互联网与互联网+数据化成熟度差距比较明显，互联网的高分段明显大于互联网+，当然神策数据服务的互联网+企业已经是其中数据化成熟度较好的企业了，因此，两者的数据成熟度差异存在一定的鸿沟。再看上图右半部分，其差异的关键点依旧是围绕DO化。

不同发展阶段，企业的数据化成熟度差异，如下图：

不同发展阶段的数据化成熟度差异

不同的融资阶段有不同的影响，从天使轮到D轮以上呈现数据化成熟度越来越高的趋势，这与企业发展阶段明显相关，发展越靠后组织越完善，整个数据驱动建设越好，数据化程度也越高。反过来，数据化成熟度建设好是否会帮助企业发展呢?我认为存在一定的相关性，上市公司分布具备多样化，因上市公司中存在大量的传统企业，该分布更加接近于天使轮的公司所处特点。

若你想查看自己的企业数据化成熟度评分，你可关注神策数据公众号回复“数据化成熟度评估”或扫描下方二维码进行测试：

数据化成熟度评估

六、神策数据的战略

前面我主要介绍的是数据驱动的认知，认知的变化最后依旧需反映在战略调整中，认知、战略、组织是一个动态整体。

1.神策数据近一年的成绩单

神策数据在企业服务和数据分析领域发展态势比较好，如下图概括了神策数据近一年时间中取得的成绩：

神策的成绩

现在神策数据帮客户采集的结构化的行为数据超过1000亿条，这一点比较自豪，这与我创立神策数据的初心一致，神策数据希望帮企业梳理业务，确定可用数据源，建好数据源，不仅在大数据时代，在智能时代若大量数据没有被应用起来，也会被浪费掉。

神策数据本身的技术也成为了行业学习的定义，我与很多大的互联网公司打交道，他们经常告诉我其做了一个类似神策数据产品的模型，当时Alex加入百度的时候带着我们从零摸索出一个数据模型，这是我们在百度大环境下真正实践出来的经验，现在随着神策数据服务的客户越来越多，我们一直在不断迭代，力求打造一个每次都更优的数据模型。

神策数据的付费客户也已经有1000+家，主要分为互联网和互联网+企业：

互联网企业占80%，包含小米、百度视频等一些头部企业。但神策数据不只服务头部企业，我们也有很多创业和初创公司的客户;关于互联网+企业，其中IT化程度最高的是金融，金融天然与数字打交道，如银行、证券、保险的数据建设，现在包括招商银行、银联云闪付都是我们服务的客户，另外四川航空、东方明珠、中青旅也是我们的客户，所有的企业也逐渐呈现线上线下双管齐下的趋势，值得强调的是，线上线下的结合及线上各个端的整合是一种必然的趋势。

2.神策数据的使用场景

很多人认为神策数据是大数据公司什么都可以做，这是个错误认知，我们经常告知客户我们有些事情不会做，但神策数据围绕用户行为分析建设，可以比其他对手做的更出色。

粗略来说，神策数据可解决四个核心场景：

(1)全渠道分析，神策数据可支持企业的各种拉新渠道进行策略评估，如对于某教育企业，神策数据可支持其进行不同约课路径的用户转化分析，Kafka数据订阅与内部业务系统打通等。

(2)用户运营，神策数据支持自定义精准用户分群，促进精细化运营。如对于某快消品企业，神策数据可支持精准分群，对其拉新、复购类活动和不同营销手段效果评估，APP、小程序、实体店等全渠道运营效率和业务数据对比实时分析。

(3)产品迭代，产品迭代是精益创业的理念，通过数据驱动指导产品的有效高速迭代是企业发展的动力，如神策数据帮助小米实现MIUI国际线核心工具APP改版功能实时分析、内部核心产品线相互流量转化分析、产品功能AB测试效果评估和反馈。

(4)产品智能，通过数据和算法技术让企业实现产品智能，如对于某视频企业，神策数据可支持视频业务标签及推荐算法的提供，实现首页、分类页、各个频道页的个性化瀑布流推荐、用户视频内容“千人千面”等。神策数据不只做基础数据平台建设，还会做AI服务，帮助客户更好地实现智能化。

3.神策数据的价值观

(1)给客户带来价值

在神策数据成立之初，我为整个公司定了一个底线——给客户带来价值。在企业服务领域，某企业引入新的IT服务或第三方服务，若要落地，需对基础架构做改造、对人做培训，配合的人力、投入、时间都是成本，因此价值不是卖的产品有用，而是产出大于投入。

另外一方面神策数据不做免费的客户，我们认为要做好数据建设，从神策来讲一定是产品+服务才能更好。前面讲了DO就是数据组织，我们需要培训、指导客户，让组织升级换代，而不是让产品、系统升级换代。

我曾对外分享过一些神策数据服务客户的小故事。比如有一家客户与我们签了合同并已付款，但两个月后却没有用起来，最后给出的理由是该企业的业务调整后不需要了，后来我便要求将钱全部退回，无功不受禄。还有一个互联网+的大客户有需求做用户标签画像，双方开始合作、立项，一开始定了实验场景去做，但后续出了一些问题，如客户没有技术团队采用外包，大家的意识有一些欠缺，最终效果并不好，客户准备终止该合作，并准备给神策数据二十万辛苦费，我在内部管理层开会说这二十万我们不能要，不是因为没有给客户带来价值，而是客户没有最终上线就是没有取得最终价值，即使我们投入非常大，我们也不能要钱。

两三个月后，该企业的业务负责人联系我们进行再次的探讨，我和其复盘了整个过程，他便打算继续启动项目，并计划落地更多场景。这再一次验证了坚持价值观虽然短期可能有损失，但是长期来看是更有利的。神策数据的大多数客户都是订阅式客户，只签一年，对于客户来说，会有一定的安全感，对于神策数据来说，虽然很多TO B企业一次签两三年营收会大一些，但我们认为订阅最好的模式就是把刀架在乙方的脖子上，这样从双方的角度来不断促进神策数据的服务进行迭代，搭建更好的服务流程，给客户带来价值，让他们心甘情愿的与神策数据合作一年再合作一年。

(2)把事情做到极致

“把事情做到极致”是神策数据的做事理念，在神策数据2015年刚开始做产品时本身定了十个模块，但最后决定先做三个，但是每个功能都做到90分，而不是10个模块做到60分。这与雷军所说的“专注、极致、口碑、快”异曲同工，专注和极致是搭配，不能一百个方向都极致却没有专注。再比如阿里巴巴如此大的公司，资源也有限，也需要专注每一个模块，这是互联网时代的特点，你不做到九十分将会一无是处，注定会被市场淘汰。

4.神策数据从单品极致到产品矩阵

神策数据过去经历了四年，前三年就是一个理念，单品极致，我们坚持做一个产品做到九十分，干掉所有的竞争对手。但是我们也发现了整个市场是在变化的，企业的认知也要跟着变化，现在这个市场已经不是四年之前的市场了。四年之前对许多公司来说就是数据分析工具可有可无，至少不是刚需。但是今天为止数据分析其实是一个刚需，没有一个公司说我不用数据分析，不用数据。因为我打交道的投资人非常多，在微信里有超过四百个投资人，投资人说不重视数据的公司是没有价值的，我们是不会看的，这就是时代的可能，你要顺势而为，数据化是显著的特点。

从去年开始我们转变思路，从单品极致考虑做产品矩阵，转变的核心原因和契机是客户的需求，而不是自己想要做什么就根据自己的思路做，我创业四年最开始考虑的是产品如何做创新，这对我来说是最重要的事情，现在我觉得需优先考虑市场，企业要对市场本身做分析，客户的需求是什么?商业化能力如何?客户群体有多少?竞争态势怎么样?企业面前若有十万亿的市场，需要思考市场哪一部分领域是你的。

神策数据的产品矩阵

但是，一个企业的扩展一定是组织能力的溢出，就是在你组织能力强大到一定程度之后才可以扩展。如果你的组织能力没有溢出的话，这意味着你的能力跟不上。神策数据的产品矩阵意味着要从多个角度满足客户，能服务化就不要咨询化，神策数据最终是要成为产品致胜的公司，发动机就是产品研发能力，神策数据要从单缸发动机变成八缸发动机，需要不断地强化研发能力。

目前，神策数据的推出的升级版产品矩阵也预示着神策数据的“数据便利店”正式开张，如下图：

神策数据便利店

神策数据在开一家数据便利店，当然我们不掌握任何数据，更不卖数据，神策数据是卖数据能力的，神策帮企业建立好自己的基础数据，帮企业使用数据做好支持，赋能企业。我们的数据便利店不只有五款产品，未来可能会有十款、一百款，我们会提供一系列围绕数据方面的工具，企业有数据的要求，我们的数据顾问会与你合作，并围绕企业做一个定制化的方案，围绕企业特定的场景评估要引入哪些数据工具，从而让企业的数据化做的更好，这是我们的理念。

关于神策数据

神策数据是专业的大数据分析平台服务提供商，致力于帮助客户实现数据驱动。公司围绕用户级大数据分析和管理需求，推出神策分析、神策用户画像、神策智能运营、神策智能推荐、神策客景等产品。

此外，还提供大数据相关咨询和完整解决方案。神策数据积累了中国银联、中国电信、百度视频、小米、中邮消费金融、海通证券、广发证券、东方证券、中原银行、百信银行、中青旅、平安寿险、四川航空、翼支付、好未来、VIPKID、东方明珠、华润、有赞、百姓网、货拉拉、闪送、驴妈妈、Keep、36氪、拉勾、VUE、春雨医生、聚美优品、惠头条、纷享销客、妈妈帮等1000余家付费企业用户的服务和客户成功经验，为客户全面提供指标梳理、数据模型搭建等专业的咨询、实施和技术支持服务。希望更深入了解神策数据或有数据驱动相关问题，请拨打4006509827电话咨询，会有专业的工作人员为您解答。

神策2019数据驱动大会即将启动分会场

成都：2019年11月15日(周五)

杭州：2019年11月15日(周五)

合肥：2019年11月22日(周五)

武汉：2019年11月29日(周五)

来源：i黑马