还是从“一切业务数据化，一切数据业务化”讲起，不管是传统行业需要紧跟时代进行数字化改革，还是互联网行业落地数据驱动，企业业务的信息化建设都是第一步，即“一切业务数据化”，要完成业务流程的在线化改造，拥有数据采集、加工和存储的基础能力。

对传统行业来讲，信息化建设和改造是第一大课题和难题，受限于经验，在此不展开。今天主要给大家分享下，在拥有了在线化的数据之后，应该从哪些方面系统性地落地数据驱动。以“一切数据业务化”为核心原则，围绕着公司业务，可以从数据治理、数据分析、数据实验、数据产品、数据教育这五个方面来推进，帮助企业真正实现降本提效、业务增收。

一、数据治理

从下图的数据链路价值金字塔可以看出数据业务化，数据治理在企业的数据建设和应用过程中，往往需要花费80%的精力，但能体现的用户价值和商业价值可能只有20%，所以很多公司会轻视数据治理工作，或者资源投入不足。

这其实是一个错误的做法，数据价值的体现，一定是建立在整条数据链路的效率和质量基础上的，没有有效的数据治理工作，就无法打造数据创造价值的基础和系统能力，在数据应用层发展到一定阶段时，必然会遇到制约和瓶颈，数据的维护成本急速上升，数据应用层每前进一步都会越来越难，甚至需要大规模的数据层重构，导致数据应用层的建设停滞。

二、数据分析

数据治理走上正轨，有了海量的、高质量的数据后，就需要考虑数据的应用和价值创造。数据分析是建立数据到价值的核心逻辑和方法论，包括的范围比较广泛，比如：专题分析、周期性数据报告、商业洞察、战略分析、算法模型等，主要产出是基于数据分析的业务观点、业务洞察，以及基于统计学、数据挖掘、机器学习等的算法模型。

对于企业落地数据驱动而言，数据分析师一定是冲在最前线，不管是传统行业还是互联网行业，不管是初创公司还是成熟企业，都需要基于数据和客观信息进行决策，基于数据洞察、业务战略思考进行业务策略实施。

三、数据实验

有了基于数据的业务观点和洞察后，就需要进行快速的业务验证，从数据创造价值的角度来讲就是业务实验。通过把数据分析方法、算法融入到业务策略中，快速试验，小步快跑，才能更直接地去验证想法和策略是否有效，是否能够带来业务收益，创造价值。所以业务增长过程中的实验环节必不可少，一定要留出人力物力进行基于数据的增长黑客或业务规则实验，不能让数据分析报告只停留在看一看的参考环节，能够把数据分析和算法模型的方法、结论等越深度地融入到业务策略中，就越能实现数据驱动下的业务增长，让增长逻辑变得清晰明确，变得更加可控、可复制。

四、数据产品

在进行了数据分析方法论和算法规则的业务实验后，把方法论融入和固化到数据产品中，是长效落地数据驱动的有效方式。因为数据创造价值的链路很长，涉及的团队众多，业务实验的成功经验如何复制到各个业务团队、如何在未来的时间里一直保持基于数据的策略效果、如何保证从上到下以及横向各个团队间都有统一的认知和拉齐的能力水平数据业务化，都是非常困难的事情，而数据产品是解题的关键。

通过数据产品，可以构建一条新的通路，让数据、数据分析、算法沉淀成工具，有一套固化的方法论存在于产品中，保证所有相关团队的方法和水平是拉齐的、统一的。而且除了服务于业务团队间接影响业务收益外，也可以直接地落地到线上系统，通过线上系统自动化地影响企业的用户和经营，直接创造用户价值和商业价值。还可以通过数据产品的分层架构，把底层数据建设、商业分析探索、算法模型探索、面向业务团队使用的数据产品、线上系统有效地实现分工和连接，保证大家有足够的自由度发挥各自的专业探索，并朝着统一的价值方向去努力。

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！