运营增长从 0 到 1 打造企业数字化运营闭环( 八 )


第一 , 因为业务人员对于数据采集方案的设计方法理解不足 , 每当有功能迭代时 , 都会按照自己的理解去新增埋点 , 直接导致环境内的数据越来越多 , 越来越乱 , 后期手机银行的项目内超过 500 个事件 , 使用效率非常低下 。 另外初期没有和神策对接的部门 , 业务人员也是凭着自己的理解做数据采集 , 导致他们的数据不太成体系 , 可用性也较差 。 所以 19 年我们对于 3 个试点项目进行了推翻重来 , 提高了事件的可复用性和数据质量 , 让一线人员真正能够用起来 。
第二 , 各个部门的业务人员在数据采集这件事情上是各自为营的 , 造成行内数据整合打通困难 , 并且数据质量参差不齐 。 所以我们做的第二件事情就是协助行内的数据银行部出具全行通用的数据采集与管理规范 , 各个业务部门在遵照规范的同时依据自身的实际情况制定了个性化的条款 , 使得整个数据采集管理流程在保持体系化的同时保持了灵活性 。
第三 , 除了前期几个分析场景是在神策分析师的支持下完成 , 行内大部分的业务人员还是仅限于看活跃数据、基础概览数据 。 所以整体数据应用能力是有待提高的 。 本质上 A 银行面临的很多问题 , 包括数据采集乱、数据分析应用场景挖掘较浅 , 都是因为业务人员数据基础较弱而造成的 。
因此 , 咨询合作的内容中最重要的就是帮助 A 银行培养一批从数据采集到数据应用有深入了解的人才 , 在我们撤离之后 , 能够在行内持续推动数字化运营 。 我们合作的方式是全行级的培训和教练式的赋能 , 也就说每一个环节 , 我们都会先进行培训 , 再进行练习 , 最后一对一 review 修改 , 通过这种方式 , 我们带的数据团队 5 个人 , 已经完全有能力对行内进行赋能了 。
第四 , 因为行内整体数据应用得较浅 , 所以最后一项内容就是 , 以试点项目为例 , 建设 2-3 个深度分析场景 , 快速地出效果出价值 , 让数据应用这件事情在行内更易推动 。 通过与该银行进行深度的需求访谈 , 我们了解到其战略规划与年度目标 , 并基于此完成了《手机银行 MAU 拆解与指标下发》以及《优惠券业务数据诊断与增长模型拆解》两个分析场景的建设 , 为其业务发展提供强有力的数据支撑 。
运营增长从 0 到 1 打造企业数字化运营闭环
本文插图
(3)2020——企业级数字化运营推广 & 全面赋能
A 银行 2020 将全面铺开数字化运营的建设 , 并且由神策数据的分析师入驻作为教练 , 指导各个部门的数字化运营建设工作 。 下图 , 是我们已经收集到的各个部门的需求 , 基本上也是从数据基础建设到数据分析应用场景的全流程建设 。
运营增长从 0 到 1 打造企业数字化运营闭环
本文插图
在数字化运营建设的常见痛点是数据基础弱、团队能力不足、机制规范不足、应用闭环推动力弱 。
综上所述 , 在建设数字化运营有三个关注重点:第一 , 自上而下 , 管理层推动业务层 , 数据需求决定数据采集;第二 , 长期投入 , 需要持续的资金和人力投入;第三 , 试点先行 , 从试点项目建设起步 , 创造价值 , 基于试点项目的价值作为参考 , 调动各个业务线的积极性 , 并进行核心团队培养 。
四、企业数字化运营落地实践
《系统动力学》课程中有这样一个概念——系统是由要素和连接各个要素的关系组成的 。 当系统出了问题 , 可能是要素的原因 , 也可能是连接关系的原因 。
经过抽象 , 对系统影响最大的几个因素可总结为三点:人才、产品和体制 。
运营增长从 0 到 1 打造企业数字化运营闭环
本文插图
人才涉及到各个方面 , 决策层、统筹层、落地层等层级是否能够就数字化运营的思路达成共识 , 这将决定产出的数据分析结果和数据应用的结果与质量 。


推荐阅读