文/肖吉良
关键词：数据驱动 数据化管理 运营体系
数据时代的来临，企业应该如何适应新时代和新的市场竞争，需要企业高度重视，大数据应用在各个领域呈“爆炸式”增长，正在改变社会的生产、生活方式。当前，经济下行，国家去产能、去库存等宏观政策发力，传统企业面临市场疲软、竞争加剧、成本刚性增加、降本增效任务艰巨等挑战，迫切需要引入数据化运营的思想，以安全、质量、效率、效益为中心，提升企业的运营管理水平。
数据化运营的内涵
本文以数据化运营程度最高的互联网企业为例进行说明：
1.京东的运营：从京东商城、京东金融、京东智能、京东到家的各个业务条线，每天都在产生大量的数据，这些数据通过统一的平台“数据直通车JDBUS”实时接入，统一在JDQ数据总线实时存储，再通过计算平台JRC完成实时计算，可供精准化营销、实时运营决策、实时监控等领域使用。在京东首页“猜你喜欢”的模块，是基于离线的用户画像、商品画像并结合用户的实时浏览行为，经过复杂的实时推荐算法提供的。而在对商家服务的京东数据罗盘中，为商家提供的数据决策支持系统也是一个典型应用。商家可以看到实时的订单、用户、浏览等营销数据，帮助商家提升自己的运营效率、效果。
2.阿里巴巴的运营：2005年，阿里巴巴开发出主要供内部运营人员使用的数据产品——淘数据，由此进入了数据化运营阶段。2009年，阿里巴巴的大数据应用开始走向外部，让淘宝商户分享数据。2011年，阿里巴巴开发数据魔方，通过淘宝数据魔方平台，商家可以直接获取行业宏观情况、自己品牌的市场状况、消费者在自己店铺的行为等情况。2011年4月，“页面点击”诞生，它可以监控页面上每个位置的用户浏览点击情况。
3.亚马逊的运营：亚马逊公司通过获取用户数据掌握了关于用户使用习性的海量数据，对于这些数据的分析结果常常也就成了公司做决定的重要依据。亚马逊是个极好的试验平台，一天进行几百次试验，如使用不同的算法来推荐商品，或者改变购物车在屏幕上出现的位置。这些试验结果得来的数据，可以帮助网站优化UI设计，给顾客提供更好的购物体验。
通过三家公司的运营实践可以看出，数据化运营是指企业运营业务高度数据化（信息化），数据化管理思想全面应用，数据驱动运营成为企业业务拓展提升和优化决策的主要动力。数据化运营包括两个方面，其一，数据化管理：通过数据分析得到知识，重组运营的输入、过程和输出流程，改变管理的配置（流程、标准制度、指标等），核心是应用数据技术对运营行为进行改造或影响，用数据重新配置运营管理方式，用数据技术、数据思维来改进提升运营管理水平。其二，数据驱动运营：内容包括数据驱动运营决策、绩效提升、业务流程优化、人财物资源配置、项目管理等各种日常管理活动。用数据驱动决策，企业在做每一个决策之前，都需要分析相关数据,并让这些数据结论指导企业的业务发展方向。
数据化运营体系建设
企业运营的涵盖内容和范围比较广，但核心不外乎是外部客户（营销）、内部资源流（人财物）、作业流（生产）、管理流（流程）及运营策略等几个方面。在信息化时代，信息系统的建立使得信息处理、流程运转、管理效率都大大提升。
某小型集团公司改造了原有的运营体系，通过数据化搭建了新的信息化架构（如图1所示）。该企业引入了“流程数据工具”“数据集成工具”“业务建模工具”；在公司信息化架构上层，建立了“智能数据仓库”和“商业智能”应用，特别建立了“管理驾驶舱”为战略层服务。
企业运营体系进行数据化改造后，数据分析技术才能得到应用，企业级数据中心得以建立和发挥核心作用。数据分析作为一种生产力成为公司运营的一项自觉行为；企业的运营管理者开始应用数据优化产销供应链和项目运作、再造业务流程、降低成本和主动防范各类风险，并以月、周和日为周期开展运营活动管理，及时优化资源配置和业务活动调度指挥。
在数据化运营体系建设及产品输出过程中，有更多的案例，以京东为例，其大数据平台由数据调度平台、数据集成开发平台、数据知识管理平台、京东分析师、数据挖掘平台、数据质量监控平台等组成，逐步发展成为完善的大数据平台体系，这一体系为京东在大数据服务领域抢得商机，并保持行业领先。数据管理体系建设方面，阿里巴巴建立了五级运营协同组织，第一层初级数据来源层，阿里云为第二层，第三层机构是数据平台事业部，第四层机构是商业智能部门，最上层是各业务公司成员组成的“数据委员会”，五层管理体系为集团的数据化运营提供了有效的保障。
数据化运营的实践运营状况监测方面的实践
在线监控平台构建：某企业借助SAP-HANA数据库大数据处理能力，实现与ERP系统、财务管控系统和规划计划系统的有效集成，借助IAS平台构建KPI四大主题分析模型，完成经营目标分析、项目过程管理、物资绩效分析、资产管理分析四大业务监测主题的设计实施(如图2所示)。
纵向穿透、横向比较，提高财务业务经营诊断能力，通过资产经营一体化流程的KPI分析模型，在线监控平台实现各分公司之间的指标横向比较以及变动趋势分析，各指标内部按照类别(如项目类别)进行细分比较。由此类推，通过运营状况的监测，实时掌握公司的业务运转状况。
项目管理方面的实践
对某大型企业2015年的项目情况进行数据分析：一季度计划竣工项目377项，占比4.18%；计划结算项目1527项（17.68%）。二季度计划竣工项目2445项，占比27.12%；计划结算项目814项，占比9.43%。三季度计划竣工项目2064项，占比22.89%；计划结算项目3046项，占比35.28%。四季度计划竣工项目4129项，占比45.8%；计划结算项目3248项，占比37.61%。全年项目计划节点分布不均衡，四季度计划竣工、结算项目数量比例偏高，因此，该年工程项目年末集中竣工结算的管理风险较高。项目总牵头部门需要向相关各部门单位提出预警，随着后期的情况变化根据必要性进行通报、考核等管理干预。
资源管理方面的实践
以物资资源为例，根据物资JIT精益管理理念，库存管理应规避库存积压及二次配送物流成本，应以供应商直送项目为主。截至2015年5月底，某企业库存总量中项目物资占库存物资的50%以上。对该滞库问题进行深入经营诊断，根据实体库项目物资存量单位对标结果可得，该公司下属某单位暂存仓库的项目物资达到1180万元，占全省总量30%。结合该单位暂存仓库项目物资历史存量趋势分析发现，2015年以来暂存仓库项目物资总量基本不低于1000万元。因此，存在金额较大的项目滞库物资并非偶然，须进一步分析问题所在。对2015年5月末该单位暂存仓库物资存量进行占比分析，发现10KV配网项目物资占比高达95%，对这部分物资继续进行下钻分析，定位金额占比较大的前十项目，根据项目编号进行物资滞库具体原因的考察研究，制定调优举措（如图3所示）。
在对项目物资滞库问题开展经营诊断后，该单位持续开展物资利库工作。经过一年的库存优化，截至2016年5月底，该企业暂存实体库项目物资存量规模已下降至361万元，同比下降69%，利库效益明显。
数据化运营的困难和挑战
当海量数据开始聚集时，整体情况变得良莠不齐，鱼龙混杂，充斥着大量失真、标准混乱的数据，这些无序数据必需要提炼加工。这只是数据化运营过程中的困难和挑战之一，还有以下几方面：
信息化发展不尽如人意
一些企业由于信息化资源投入不足，缺少科学规划导致资源浪费，或者因为遇到困难停滞不前，使得数据化未能有效形成运营生产力，最终使运营进入困境。因此企业的信息化一定要打好基础，建立与业务匹配的科学架构，以及构建统一的数据中心。
数据质量不佳始终困扰
很多企业陷入尴尬局面，数据出自多头，口径不一、不完整、不及时，信息系统接口开发成本高，需要重新规范数据，并开展数据治理，实现面向全业务、全类型数据的统一存储、管理与服务。
企业内部壁垒
有些企业在信息化过程中各谋其政，而不是各司其职，产生割裂、分散的数据，甚至互相矛盾，这使得数据价值大打折扣，甚至会影响误导决策。因此需要破除壁垒，贯通整合企业内外部数据，上下游数据，打通所有的网络。■
作者单位 国网福建省电力有限公司
|
京ICP备12008127
