什么是数据驱动？以及我们应如何理解数据驱动？

 

在谈到企业数字化转型时，很多人都会说起“数据驱动”，比如“数据驱动运营”、“数据驱动业务”等等。

在大家言必称“数据驱动”的时代背景下，我相信很多人并未深究和思考“数据驱动”的真正含义，只是过过嘴瘾罢了。那么，问题来了，到底什么是“数据驱动”呢？该如何理解“数据驱动”呢？下面就来谈谈我个人对“数据驱动”的理解。

个人认为，“数据驱动”可以从应用层次和价值实现机制两个方面来理解，即“数据驱动”有4个层次和1个链条。

 

一、“数据驱动”的4个层次

从数据加工的深度或应用层次来看，“数据驱动”由浅入深分为4个层次：监测—分析—挖掘—使能。

 

监测是“数据驱动”的最浅层次，指的是用数据记录实际发生的事实。这种情况下，数据是对客观事物的写实，人们只是对就数据进行了简单的加工和处理，数据通常以原始的、粗颗粒度的形式（如数据包、日志等）呈现，数据的价值犹如一块蛮荒之地，未被充分发掘出来。这个阶段对应的关键词有：指标化、数量化、在线化、图表化，即人们通过指标来定量的记录事实，将客观世界数字化和互联网化。

分析是“数据驱动”的第二个层次，它比监测要略深一些。在分析这个层次上，人们已经在注意利用各种分析模型和分析方法来“摆弄”数据了，能用各种分析工具进行比较有深度的数据加工了，数据的价值开始逐渐显露出来。这个层次对应的关键词有：常态化、体系化、诊断化和可视化，即人们能开展常态化的、有一定思维框架的数据分析，能用数据诊断问题、发现问题了，能用数据可视化技术来展现数据分析的结果了。

挖掘是“数据驱动”的次深层级，它在分析的基础上要更前进一步。在这个层面上，人们已经能游刃有余的利用一些复杂的算法对数据进行深度加工和处理了。利用经典的机器学习算法建立数据挖掘模型，是这一阶段最普遍的做法。此时，数据的价值能得到充分的挖掘和释放。这个阶段的关键词是：模型化、公式化和规则化。

使能是“数据驱动”的最深层级，也是最能体现数据价值的层级。使能，是赋能的同义词，亦即“使之具备某种能力”的意思。数据在此阶段已真正成为一种生产要素融入到实际业务中了，数据为业务运营注入了新鲜血液和强劲动力。人们能将数据分析服务、数据建模和挖掘的过程进行全面的自动化、标准化，数据经过程序化的加工后能形成各种数据产品和智能工具等，能大大提高人们的洞察力和决策力。此时，数据已经不止于数据，数据的价值得到空前的放大。这个阶段的关键词是：智能化、产品化和工具化。

二、“数据驱动”的1个链条

 

将数据视作企业生产经营的原材料，“数据驱动”的过程可理解为DIPOA模型，即Data—Input—Process—Output—Action Point，数据作为生产要素，输入到数据应用的程序化链路中，经过一定步骤的加工与处理，形成相应的输出，再将这些输出作用到对应的作用点上产生价值，完成“数据驱动”的一次作业链条。DIPOA模型是参照经典的SIPOC模型来进行设计，能以传输链条的形式生动的解释“数据驱动”的作用过程与机制。

三、最后总结

以上是我个人以一种框架式的思考方法对“数据驱动”的内涵所进行的阐释，我是不敢妄言自己的理解是最全面的，我的解释仅供各位参考吧。

“数据驱动”说到底是一种思维方式，它是以数据为根本要素和核心线索的思维模式。“数据驱动”是数据力量的体现，作为一种力量它需要确定的作用对象和作用点，也就是数据的服务对象和应用场景/具体问题。数据的力量有大小之分，“数据驱动”层次分明。当然，理解“数据驱动”是为了更好的践行“数据驱动”，所谓“行胜于言”，“数据驱动”需要你我的行动。

而对于企业的数据驱动，我也有自己的一些亲身经历，比如我们公司正在使用的工具：织信Informat低代码平台，这套平台可以说是我们公司践行"数据驱动"战略的效率加速器。结合上文，它的价值主要体现在4个层面。

1、在监测层，它能快速搭建数据采集看板，让业务人员零代码实现指标实时监控；

2、在分析层，内置的BI组件可拖拽生成动态报表，将诊断分析周期从周级压缩到小时级；

3、在挖掘层，预封装机器学习模块让算法模型平民化，业务专家能自主完成客户分群、预测等数据挖掘；

4、在使能层，低代码将数据洞察直接转化为自动化工作流，如智能补货系统、动态定价引擎等数据产品。

 

​通过DIPOA链条，织信Informat低代码平台将数据加工到价值变现的全链路缩短80%，让"数据驱动"从IT部门的专利转变为全员生产力工具，真正实现数据力量向业务价值的高效转化。