撰稿编者按：很多公司都在谈及网络化结构调整，而网络化的基础即是大批的、繁复的、度业务关连的基础数据。网络化运营是其中的一个组成部分，如何高效率地搞好网络化运营呢？本文作者将从五个方面展开分析，希望对你有帮助。

在度数据服务的网络化世界中，各种类型数据服务网技术发展越发成熟，多数企业也陆续开展名叫网络化结构调整的战略。目前大家都在谈及的网络化结构调整其实有着这种的背景和特征：客户/市场为重的文化、即刻意见反馈、动态接受允诺处理需求、智能化服务、智能化处理、在线出访、大力推进改变业务并重新表述业务等。

而网络化的基础即是大批的、繁复的、度业务关连的基础数据。如前所述各种类型数据展开研磨处理，分析呈现出，灵巧应用领域，改善业务的过程可被称为网络化运营。简单来说，网络化运营的其本质还是著重“运营”的过程和方式，即发现问题-分析问题-解决问题的过程，从业务辅导管理到运营分析，从销售策略制定到企业的发展战略，数据都分担讷伊县重要的配角。

任何如前所述数据的运营手段，毫无例外的最后目标就是为企业带来价值增长，譬如人员规模、GMV、AUM、财务管理利润或其他核心分项，背道而驰这种目标的运营将失去主要意义，网络化运营的最后目标也应当是完全服务于业务，在这里简单将数据与业务分割为五个层级关系。即：数据源于业务，数据反映业务，数据驱动力业务，数据校正业务。

一、数据源于业务

数据来自哪里?原初的数据由业务层工业生产，由业务层保护至基础数据系统中，原初数据基本上无法直接应用领域，需经过数据挖掘，预处理，冲洗，切换等各种研磨流程需先进入分析使用阶段。这一过程也是业务流程网络化的一部分。一般情况下最后的数据普通用户(商业分析师或业务领导层)基本上不再重视前期数据收集冲洗或业务流程网络化等处理工作，而更在乎最后展现在重大决策情景下数据内容，构筑两套符合业务逻辑的评价分项能更明晰说明业务情况：

可根据业务的总体转化流程建立评价分项，如出访客户-注册登记客户-进行咨询客户-订单客户-退款客户，也可从巨大的分项体系中抽取重点分项日常生活关注，或不定期展开固定的专题讲座分析(如客户消费抛物线分析)，或持续性的工业生产一定的数据看版(DAT160、美国农业部、当月);

也可从总体业务逻辑起程建立完善的分析体系：Ø 业务辅导：通过对数据的搜集、统计、跟踪和监视构筑日常生活业务的管理数学模型来辅导业务。万雅、周、月销售额，每星期流量转化，新增用户转化情况等日常生活看版。

运营分析：运营分析更多著重对搜集来的数据展开总体的分析和管理，一般呈现出为持续性的调查报告，如美国农业部当月分析调查报告，美国农业部经营情况分析，客户关系分析等。 销售策略：销售策略管理属于高层的管理决断，根据各经营环节对应的数据分析来修改和制定策略，如消费者行为分析，活动策略的制定采取何种模式等。 发展战略：发展战略是通过企业内部和市场外部数据制定长远的规划的过程，如企业竞争力分析，行业环境分析等。

使用XMIND或者脑图等工具来展开业务分项拆分是梳理思维是不错的选择(思维导图，逻辑图，组织结构图，树形图，时间轴，鱼骨图，矩阵图等)。

二、数据反映业务

完善的符合业务发展逻辑的评价分项建成后，下一部就是让数据学会说话，及时意见反馈业务短板，针对业务情景的深刻理解和逻辑推理能力是解读数据必须的，为了让业务层更好的理解数据反映的业务情况，适当数学模型的使用也是必要的，例如基础的漏斗数学模型，AARRR数学模型等：

另外一些常用的分析方法也经常应用领域于各个业务情景，如四象限图，帕累托图等;

数据展示数学模型和方法多种多样，选取最适合业务情景和业务逻辑的数学模型和展示方法能更简明扼要的说明业务现状。

三、数据驱动力业务

数据驱动力业务一直是难度很高的话题，通过数据数学模型或者可视化解读出的数据短板必须得到重视和解决，应用领域数据大力推进业务发展、解决业务短板也应当成为企业的日常生活工作之一。培养企业的数据思维，形成数据习惯也是一个长期过程。一个快速、高效率、易用、可靠性高的数据平台，提供准确性高，及时响应，保证更新频次的数据供给将会对数据普通用户和业务伙伴大有裨益。我行的数据产品矩阵逐步成型，为业务层提供全面、及时、准确、可靠的数据服务，其中自助式客户洞察分析的知秋平台提供客户全流程转化分析，交互式分析的轻舟平台满足各种类型定制化数据需求，数据资产地图可查询各种类型数据结构和分项标准，报表平台能实现一分钟拼表。

网络化结构调整过程中离不开各数据产品/平台、数据团队和业务团队的度协作，这也体现了数据运营精细化程度，从数据使用颗粒度的细分到管理层至一线业务伙伴对网络化的深度认可都应有体现。除了自上而下的对业务数据和网络化的度重视，专业的数据运营/支撑团队也是有必要的，这种一只网络化团队除了掌握必备的数据分析方法，对整个企业的数据产品矩阵和数据分项也要有深刻的理解，最为关键的是需要深耕业务，如何处理好后台数据和一线业务伙伴二者的互通是相当困难的。很简单的方法，新人数据工作者到业务前线岗位轮岗或者兼职一定周期，全身心参与到业务过程将会对其后期的业务分析能力大有提升，也会对业务过程网络化有更深刻的理解。

数字运营其本质还是人为干预的过程，在于数据普通用户如何分析和使用数据展开重大决策，好的数据产品某些情况也能解决问题，这里举个可能不是很恰当例子：我们通过数据统计发现某条道路堵车概率极高，分析原因是路两旁车辆乱停乱放严重，要治理道路两旁的乱停车现象，一是由交警给乱停放车辆贴罚单，后续乱停乱放现象就会减少，这属于人为干预的运营手段;二是给道路旁设置非机动车道围栏，导致路边没有停车位置，也可改善现象，这属于产品方式。但实际施展过程需要结合具体道路情况，这时就需要熟悉街道的协警来参与重大决策是人为贴条还是设置围栏。

即 运营(人为干预)+工具(数据产品)+业务经验(深耕行业)=数据驱动力业务，而数据驱动力业务的最后结果就是业务过程网络化的过程。

数据偶尔是不可靠的，如数据统计漏洞，数据口径不一造成的数据差异，大环境因素造成的数据波动等，数据本身是无法解读特殊情况的，并且数据本身是不具备业务背景的，这些都需要具备老练行业经验的人展开解释和处理。

数据解决不了的问题：感性问题(如人为的思想感情因素)，产品创新问题(需要产品经理的创新想法和经验)等，因此更说明了人为用数的重要性。

四、数据校正业务

数据应用领域于业务层后，是否能带来预期收益，是否促进了网络化结构调整过程，其实答案并不肯定。过往数据仅能指引或者反映业务方向性的问题，并不能精准预测业务未来的结果，因此也需要形成一定“闭环”，源于业务层的原初数据，研磨后呈现出出的数据数学模型意见反馈出业务过程的短板，经过人为使用数据对业务展开干预和调整后，业务结果的意见反馈对先前的数据系统、数据评价分项，数据数学模型、数据分析结论作出意见反馈和修正，以此形成正循环过程，促使数据和业务同时不断完善，促成网络化结构调整的最后目标。

在这里再举个小例子：很多企业都喜欢通过目标管理来管理日常生活业务，即给业务团队制定一定周期内(如当月/季度)的业绩目标，喊口号拍脑门的制定方法已经不适用于科学管理，网络化过程中应当更多的使用数据参与重大决策。这里提供一种思路：在大环境稳定，总体行业形势波动不大的情况下，先锁定公司总体业绩目标(管理层重大决策)，根据各个业务团队过往一定周期对公司总体业绩的贡献度(可以是过去季度/半年或者更长周期)来分配业绩目标，可以引入各种系数影响，如团队规模，人员流动情况，库存情况，客户质量，时间系数，业务类型系数等各种维度的影响因素，所有因素动态调配，均可成为管理层的业务抓手。每次业绩分配完成后业务团队意见反馈目标制定准确度和合理性，提出改善意见，来不断完善目标分配数学模型。

网络化过程中各种类型数据都应当被度应用领域，不仅参与至各业务流程中对业务展开优化改善，更应该参与到最后的业务重大决策中。

网络化过程带来的数据化的管理和运营可探索的深度非常广阔，在于数据和业务之间复杂的联系和对业务过程的深刻理解，其本身不能带来最大化的业绩和效率，只有将正确的分析结果以最实际的方式应用领域到业务层面才能产生效益，任何运营方式都需要考量最后为业务层或企业带来的真实价值。