本人IT行业工作经验12年，其中，软件开发10年经验，技术管理5年经验，产品设计6年经验。开发或经手的系统项目数量在50+，从千元、万元的ToC门户、小程序、App，到百万级ToB系统，再到千万级ToG项目，从商务、需求、设计、架构、开发、测试、运维、交付全流程。服务过多家大小企业、政府，N次0到1组建技术团队、数据团队、业务团队。今天和大家一起聊聊我和朋友在工作中遇到中的优质企业他们对与数据使用的总结，与大家探讨。

企业数据应用的三层阶段：

数据可视化→数据可分析→数据可变现

一、数据可视化（数据标准）

请大家记住这样一句话：字不如表，表不如图。这是我们在office PPT中最常用的一句话，表达了在制作PPT的时候，尽量多用图少用字。数据可视化也是同理

数据可视化主要旨在借助于图形化手段，清晰有效地传达与沟通信息。但是，这并不就意味着数据可视化就一定因为要实现其功能用途而令人感到枯燥乏味，或者是为了看上去绚丽多彩而显得极端复杂。为了有效地传达思想概念，美学形式与功能需要齐头并进，通过直观地传达关键的方面与特征，从而实现对于相当稀疏而又复杂的数据集的深入洞察。然而，设计人员往往并不能很好地把握设计与功能之间的平衡，从而创造出华而不实的数据可视化形式，无法达到其主要目的，也就是传达与沟通信息。

图片来自：木东居士

数据可视化的基础工作，即大数据前准备工作：

• 数据采集

• 数据清洗

• 数据治理

• 数据管理

• 数据挖掘

数据可视化过程，主要包括以下4个步骤：

• 确定数据可视化的主题

• 提炼可视化主题的数据

• 根据数据关系确定图表

• 进行可视化布局及设计

数据可视化元素由3部分组成：

• 数据可视化的显示空间，通常是二维。三维物体的可视化，通过图形绘制技术，解决了在二维平面显示的问题，如3D环形图、3D地图等。

• 标记，是数据属性到可视化几何图形元素的映射，用来代表数据属性的归类。根据空间自由度的差别，标记可以分为点、线、面、体，分别具有零自由度、一维、二维、三维自由度。如我们常见的散点图、折线图、矩形树图、三维柱状图，分别采用了点、线、面、体这四种不同类型的标记。

• 数据属性的值到标记的视觉呈现参数的映射，叫做视觉通道，通常用于展示数据属性的定量信息。常用的视觉通道包括：标记的位置、大小（长度、面积、体积...）、形状（三角形、圆、立方体...）、方向、颜色（色调、饱和度、亮度、透明度...）等。

心得体会：

• 充分和业务（老板）沟通需求。

• 确保提供的数据维度是业务需要的。

• 充分和技术团队沟通数据定义，保证收集的数据是绝对准确。

• 不要为了视觉效果做的绚烂多彩而做的过于复杂。

• 数据可视化的核心是为了高效率的传达信息。

• 数据可视化的实现建议和自己的业务结合做个性化的开发，否则可能会“水土不服”。

二、数据可分析（数据画像）

数据分析或数据画像的根本目的是：透过现象看本质

数据分析的目的是把隐藏在一大批看来杂乱无章的数据中的信息集中和提炼出来，从而找出所研究对象的内在规律。在实际应用中，数据分析可帮助人们做出判断，以便采取适当行动。

数据仅能被看到远远不足,还需结合数据可以分析业务情况,在看到的数据的背后,有很多看不到的业务情况。

这里举两个例子：

1.公司在做数据看板时（对内）,特别关注业绩,会有业绩排名。但是,只有业绩排名是能够全部展示工作内容和工作绩效吗？如果两个大区的业务类似,都是B端客户，用户业绩类似，产品也一样，能说两个大区的都是优质业务？项目的人员成本，影响力，资源成本，投入成本 、投入产出比是多少？只有通过更深度的数据分析，才更能定义好，哪一个是优质的项目。

2.公司在做运营阶段时（对外），只关注流水、收入、成本、利润、复购率等简单指标。虽然满足了业务或老板的眼下数据需求，但站在产品或项目角度，要考虑这个产品或项目的可持续性、用户稳定性、收入增长性、成本降低可能性等。这就需要对数据进行更深层次的数据分析，比如：用户习惯数据画像、某三方服务成本频次画像、用户支付方式画像等。通过更深层次的数据分析，能对企业的经营提供辅助依据，才能发挥数据更大的价值。

心得体会：

先有战略（拍板的人），再有需求（业务负责人），后有设计（执行的人），必须自上而下。

站在数据可视化的肩膀上（基于已有数据），展开画像设计，不要总想着从哪再搞点数据进行补充。

做技术设计不要画蛇添足、不要“镀金（PMP名词）”。

不能闭门造车，多和一线交流，勤于和管理沟通，你的设计是帮助中层制作工具，帮助高层透过现象看本质。

三、数据可变现（降本增效）

数据可以直观高效的传达信息，可以通过分析辅助运营策略，这本身已经有很大的价值。

但是如何最大化提升数据价值？

1.最基础：提升人效。

以往需要手工操作的报表全部作废，直接一键生成表单，可以大大提升人效；以往需要人为判断项目优先级的，通过项目完成度和项目优质程度可以降低决策失误。

2.数据可以降低成本。

• 销售成本降低：

• 新用户的转化率分析，剔除劣质渠道

• 老用户的复购率分析，避免用户流失

• 促销敏感型用户识别，减少被薅羊毛

• 渠道成本降低：

• 砍掉高成本、低质量劣质渠道

• 将用户向低成本的渠道引流

• 做大低成本、高质量的渠道

• 商品成本降低：

• 上市阶段：识别劣品，及时止损

• 热销阶段：控制促销，多赚现金

• 衰退阶段：尽早清货，减少损失

商品质量的判断是核心，越早发现问题商品，越能早进行区域调配，不同渠道的调配，及时止损。拖得越久，积压带来的损失越大，后期清货得越花本钱。

3.提供创新机会，提升用户体验。

商品分析，是可以和用户分析交叉来做的，这样能发现增效的机会点。指望一个爆款打天下不是很现实，因此商品需要区分流量款、爆款、利润款、搭配款，有了商品分级后，再看每一类商品覆盖用户数量，比例，就能发现：

• 引流款是否对新用户有足够吸引力

• 利润款是否覆盖足够多老用户

• 还有哪些款没有覆盖到高价值用户

总结：

降本增效的本质，是通过数据手段，量化业务行为，核算业务成本，监控业务收益。量化才是最重要的一步。相应的，企业数据信息化才是保障降本增效的根本，否则账目都是纸质单张，里边的描述和业务实际脱节，业务动作无法被数据监控，连基础的数据都核算不清，降本增效更无从谈起。

降本增效的错误姿势：

错误1：前台增效，后台降本

有些人一提“降本增效”，本能的反应就是：增效是前台的事，销售、营销多赚钱。降本是后台的事，研发、生产、供应多降本。听起来非常合理！

可真这么干了，很快就会发现：“成本竟是我自己！”裁员、停产就是后台最快的降本办法。可后台再裁员停产，也抵不过前台随意打折，降价促销让出去的成本。结果就是“前台乱花钱，后台没支撑”，严重的直接把公司折腾没了。

错误2：全员营销

有些人一提“增效”，就开始喊“狼性！全员营销！ALL iN！”然后开始逼着员工去推销。结果不然遭人反感，而且非专业的销售一没渠道二没资源，他能卖动就见鬼了。也没啥产出。

错误3：全员省钱

有些人一提“降本”，就开始拉出“全员思考如何在低毛利下生存”的打横幅，员工福利也不发、出差打车要在小票背后写起点终点——还一张张算钱。结果就是拿不出爆款产品，有本事的人都离职，最后越做越low。

这就是降本增效更深刻的问题：有些公司的管理就是很混乱，领导就是很自大，老板就是靠吃行业红利起家的，没啥科学经营理念。

客观的说，数据是无法拯救这么混乱的公司的，作为个人，能做的就是多积累能力，换个更好的环境了，这也算我们个人降本增效的好手段。