1.1 企业面临的商业挑战

企业面临的商业挑战主要体现在传统粗犷增长方式的边际效益逐渐降低、精益化运营程度低导致边际成本无法降低两个方面。

传统粗犷增长方式的边际效益逐渐降低

企业在发展初期，都是依赖于一定的优势资源获得快速发展机会，例如较低的商品价格、廉价的劳动力资源、优势的销售渠道支持等。但当企业发展到一定阶段后，原有的优势资源对企业快速增长的贡献越来越低，企业迫切需要找到更加长久且兼具效率和效果的增长驱动力。

精益化运营程度低导致边际成本无法降低

企业受限于企业规模、内外部环境、市场地位等因素，在发展过程中容易出现高端人才匮乏、经营理念落后、业务结构不合理、管理水平低下等问题，导致运营活动中出现决策失误、跨部门协作困难、运营效率低下、运营活动效果不佳甚至核心项目失败等。因此，企业边际成本无法随着企业规模增长而降低，甚至出现边际成本增加的情况。

1.2 数据如何帮助企业快速成长

数据帮助企业快速成长，主要体现在降本增效上。

1.2.1 降本增效是数据的核心价值

数据的核心价值是帮助企业降本增效，即降低成本、提高效率，最终带来企业总体效益的提升。

• 降本：主要指企业运营成本的下降，主要成本类目包括：供应链成本（生产制造、采购、仓储、物流等）、营销成本（营销投放、获客、重点客户流失等）、销售成本（返点、返佣、活动摊派等）、管理成本（例如人力资源、办公水电等）、以及决策成本（做出正确的决策、降低决策失败时产生的负面影响、降低机会成本等）。
• 增效：主要指经营活动效率的提升，在相同的生产经营周期内，通过效率提升来缩短单个运营目标达成的时间，从而实现更多的企业价值（例如商品、服务）产出和交付。

1.2.2 如何借助数据实现降本增效

借助数据实现降本增效，需要实现从人工重复性工作到系统自动化工作、从局部规模化到总体规模化、从经验驱动到“经验+数据”双擎驱动运营模式上来。

从人工重复性工作到系统自动化工作

自动化的核心是使用机器或系统来实现传统的重复性工作，以此来代替低端重复性的人力资源投入，从而减少人工手动操作带来的不稳定事件，并极大提升工作时间和效率。 自动化需要将具有相对稳定工作流程或机制的运营活动，通过系统或产品的方式固化下来并降低人工参与；同时，还可以将优秀员工的宝贵经验以系统的方式沉淀下来，完成从依赖于人到依赖于系统的可持续的工作模式。在这个过程中，经验的传承载体从人转移到系统上，而系统是企业资产，因此可以促使经验资产化，有利于企业的长远发展。

从局部规模化到总体规模化

规模化能够极大地降低边际成本，包括两个层次：第一是企业总体的规模化，即企业在各个领域都具有规模化优势；第二是企业局部的规模化，即只在特定领域具有规模化优势。 借助于数据规律的挖掘，企业可以找到自身在市场中的独特优势，并将更多资源投入到优势领域的打造和升级中；后续随着企业发展壮大再不断挖掘更多新的优势领域，实现从局部的规模化到总体规模化的可持续发展。

从经验驱动到经验+数据双擎驱动

基于企业运营活动中的数据规律，在经营活动开始前做好评估和预判，从而降低机会成本并减少决策失误；在经营活动开展过程中，通过数据实时监测业务情况，及时发现问题并跟进控制机制，保障运营活动顺利开展；在经营活动结束后，全局复盘总结利弊得失，为后续活动开展提供更多经验。 数据是实现效益增长的核心要素之一，但并不意味着需要舍弃企业历史积累的业务经验。在任何一个领域，成熟业务人员的宝贵经验仍然是企业的财富，企业需要将这些经验与数据规律结合起来，根据当下经营实际审时度势并做出正确决策，以实现经验+数据的双擎驱动，避免只有业务经验或数据规律而导致可能产生的潜在风险。

提示 不是所有的运营要素、背景和信息都能用数据准确衡量，这也是数据无法完全取代业务经验的核心原因。因此，切不可盲目相信数据万能，甚至完全否定业务经验存在的意义。

1.3 企业数字智能发展的3个阶段

企业数字智能包括数字化、自动化和智能化3个阶段。如图1-1所示。

图1-1 企业数字智能的3个阶段

数字化、自动化和智能化的关系是：数字化是企业开展数据工作的基础，没有数字化后续所有数据工作都无从谈起；自动化是实现企业效率提升的核心保障，同时也为实现信息流动提供系统支撑；智能化是精细化、数据化运营活动的终极目标，基于数据的洞察和价值提升主要体现在这一阶段。

1.3.1 数字化

传统企业在发展过程中，会根据运营需求及实际情况来记录运营信息，并形成多种运营记录“载体”。例如物流中纸质发货单据、手动填写的报销单、人工审批的预算申请表、手工记录的运营活动记录等。由于记录人员不一致、信息格式不统一、数据记录不完整、数据记录错误等问题，导致后期在数据查询、分析和使用时面临各种困难。 因此，企业需要将各种运营活动的文档、记录、单据等都以电子版的方式记录和归档。在有条件的情况下，可以通过多种系统管理数据记录，例如CMS（网站管理系统）、CRM（客户关系管理系统）、网站分析系统等；如果缺少的运营系统支持，那么至少需要实现通过Office文档实现统一数据记录和管理。

提示 在数字化过程中，人工填写的Office文档，必须先在企业内部形成统一格式的文档，然后再由运营人员按照格式要求认真填写。该过程中，难点和重点在于数据记录都是按照格式要求进行的，而不是文档格式本身。

1.3.2 自动化

自动化包括两个层次：运营流程自动化和数据流程自动化。

运营流程自动化指将具有重复性质的工作，通过系统功能开发自动实现，常见的运营流程自动化包括营销自动化、网站运营自动化、用户运营自动化、商品运营自动化、供应链运营自动化、项目管理自动化服务、环境部署自动化等。 数据流程自动化指实现从数据的采集、清洗、入库、分析、查询、使用的自动化。在数据采集、清洗和入库阶段，大多数企业已经可以通过数据系统配合任务管理实现自动化；在分析、查询和使用阶段，则根据不同的应用场景和需求分别开发自动化系统，例如自动化数据导出、自动化数据分析、自动化推送到运营系统等。

提示 除了上述业务运营范畴外，企业内还可能包含其他非业务类范畴，例如办公自动化、人力资源自动化、财务自动化等。按照对企业经营提升贡献度优先级，首先需要解决业务活动层面的问题，其次是非业务类活动层面的问题。

1.3.3 智能化

智能化的核心是针对每一项具体业务运营活动，利用数据洞察实现从计划到实施再到复盘的完整覆盖，而不仅仅是在业务运营活动完成之后的业务复盘与效果评估。目前企业中广泛应用的智能化场景包括：

• 智能营销：通过在站外营销触点中定位用户并推送精准广告，实现精准引流。
• 智能推荐：通过站内（网站、APP、H5、小程序等）的推荐栏位，为用户推荐商品、内容、服务、资讯、活动等，实现个性化信息推荐。
• 智能搜索：通过站内的搜索功能，为用户提供联想词、相关词、纠错词、引导词来丰富搜索体验，同时基于用户偏好和搜索词匹配用户最喜欢的搜索结果列表。
• 智能客服：通过呼叫中心、网站客服系统、自助服务系统等，为用户提供基于语音、文本、图像的自助服务，自动分析用户问题并实时提供解决方案或提供服务信息。
• 智能网站运营：通过网站内部运营资源位，实现资源动态管理、精准匹配、基于最大目标的自动化分发、站内流失挽回等。
• 智能用户运营：基于对用户全生命周期的识别与分析，实现用户生命周期阶段识别、用户运营策略匹配、运营活动智能推送、运营结果智能分析等。
• 智能仓储管理：通过对商品的识别与销售预测，实现智能补货、自动分拣、自动仓储管理等。

提示 在一般的智能化应用过程中，人工不直接、过多地参与到具体的运营活动中，而是通过对智能化运营系统的参数、规则的调整，来间接影响运营活动效果；仅在具有重大问题或异常事件时，人工影响的结果才是决定性且直接的。