数据驱动

发布时间：2025-02-28 01:48

基于数据的决策: 数据驱动而非直觉 #生活技巧# #领导力技巧# #决策模型#

出自 MBA智库百科(https://wiki.mbalib.com/)

数据驱动（data driven）

什么是数据驱动

　　数据驱动，是通过移动互联网或者其他的相关软件为手段采集海量的数据，将数据进行组织形成信息，之后对相关的信息进行整合和提炼，在数据的基础上经过训练和拟合形成自动化的决策模型。简单来说，就是以数据为中心依据进行决策和行动。

　　Brian Godsy（布瑞恩·戈德西）在他的《数据即未来》一书详细介绍了数据科学项目的三个阶段：

1、准备阶段进行信息收集； 2、构建阶段将计划付诸行动，利用准备阶段获得的信息以及相关统计和软件提供的可用工具来构建产品； 3、交付阶段进行产品的交付、反馈及修改等。

数据驱动的特征[1]

　　在一个真正的数据驱动的企业，数据是提供报告、深度模拟预测的来源，企业决策者应该将数据分析纳入公司决策流程，并对公司的决策提供价值和影响。数据驱动企业最大的特点是拥有一套完整的数据价值体系。数据价值体系指的是一套完整的从数据收集、整理、报告到转化成行业洞见和决策建议的流程。而落实到操作层面则是通过对数据的收集、整理、提炼，总结出规律形成一套智能模型，之后通过人工智能的方式作出最终的决策。因此，真正的数据驱动公司应该具备以下特征：

　　1、海量的数据；

　　2、自动化的业务；

　　3、强大的模型支持自动化决策。

　　这三个条件缺一不可，并形成一个循环，不断地进行数据收集，完成建模，自动决策。

数据驱动的环节[2]

　　完整的数据驱动闭环一般分为：数据采集——数据建模——数据分析——数据反馈。

　　数据采集

　　数据采集是一切应用的根基，具体到采集内容上，包括数据类型、数据所有者、数据来源。从数据所有者上来讲，我们采集第一方数据——也就是“我们自己的产品，我们自己的用户，自己用户在自己产品上发生了什么。”

　　数据建模

　　数据建模最重要的是数据模型的选择，以及对应的储存。数据模型选择为什么重要？因为数据模型抽象好了，后面的分析模型可以做的更好。如果数据模型抽象的太复杂，整体过程非常复杂。不同的数据模型选不同的储存方案，储存方案的选择主要根据数据本身的特点，例如是否可追加、可修改、访问是以什么样的访问为主，是否会需要删除等。

　　数据分析

　　针对不同角色的数据分析，比如老板关心的是第一关键指标是什么、绘制相应的用户旅程（用户首先要访问网站，之后要注册账号，实现首购之后会重复性购买，只有这样的用户旅程最终会带来总销售额的增长），接下来就要根据用户旅程来组建增长模型。

　　数据反馈

　　通过用户精准分群、灵活创建并管理营销活动计划，比如知道用户数据、业务数据，最终精准的刻画了用户画像。有了第一次营销效果之后，可以针对性的改进，做第二次营销效果。真正形成自动化、精细化的运营闭环。