数据驱动的企业数字化层级

对于数据驱动的企业，运营人员可以通过数据导向降低运营风险和控制决策成本，最终形成数据驱动的企业数字化发展。

提到数据驱动，这里很多客户就会问：怎么才能做到数据驱动呢，我们企业也积累了很多数据，但是没应用起来，现实中好像实现起来很困难。那我们就尝试从数字化层级来分析一下。

不做数据驱动会怎么样？

数据是决策的基础，没有数据支撑的决策都没有说服力，很多时候我们在做运营方案的时候，如果没有历史数据支撑，我们都不知道方案是否可行，那基本就是在碰运气，数字时代没有数据支撑的碰运气基本没有成功率可言。

基础数据层级

很多企业都停留在这个阶段，可能有一些基础的数据积累，大部分是营销和市场数据，这部分价值比较大的数据，但是往往他们忽略了元数据，很多基础数据的缺失，就会产生数据源不统一的问题，很多人经常纠结数据不准确，其实就是元数据出了问题，影响二级数据的可靠性。所以对于数字化转型而言，元数据的积累也是非常重要的，这里通常 遇到的问题是元数据积累如果不能实现自动化就会成本非常高，很多企业都是受限于成本问题，无法完成元数据的收集。

有数据支撑的决策阶段

我们举个例子，如果一个公司要裁员，怎么裁员比较合适，正常我们想的是裁掉效率低的，保留效率高的。如下图所示，在个体业务能力差距巨大的时候，就非常容易做出决策，但是大部分由于群体效应，大部分的组织都比较像右图，个体差距较小，那么决策时候就必须有数据支撑才可以。

数据驱动的企业数字化层级

这样就需要再去看每个人的月度数据进行比对，如下图通常员工效率会有如下四种类型，季节性高峰型和偶然性高峰型都是在一个短时间内效率比较高，另一种是生命周期高峰型，这种就是很多企业遇到的员工在试用期表现比较好，但是随着业务熟练，反倒效率下降，这种员工就一定要淘汰掉，最后我们要保留的是连续型高峰的员工，只有这部分员工才能长期给公司创造效益的，未来的决策就一目了然了。

现在明白有数据支撑的决策是什么样了吗，但是仅仅这样就够了么，不是的，数据驱动的终极目标并不仅仅是支撑决策。

数据驱动

上面说的终极目标实际上是数据驱动决策，假设数据能在合适的时间告诉我们该做什么样的事情了，并推动我们主动去做决策。也就是说不是我们要做决策时候去看数据佐证，而是实实在在的数据驱动力我们的行为，这离我们并不太遥远，随着智能学习算法的发展和大数据体系的积累，越来越多的数据驱动应用在影响着我们的生活，比如我们现在经常逛抖音或者今日头条时候会主动推送我们喜欢看的内容，淘宝会提前把我们想买的东西推送给我们。在C端场景已经有了很多应用，我想在B端场景也会逐渐突破，未来数据驱动传统产业变革的例子会越来越多。

总结

数据驱动的企业数字化大概就分如上四个层级，为了实现数据驱动的终极目标，不仅仅是数据积累，更多的是分析模型的构建，所以要实现数据驱动的数字化转型，对于传统企业来说只能一个层级一个门槛的迈过去。

作者：慕容