提到數據的概念，大家都不陌生，因為現在人工智能和大數據非常熱門，各行各業都在擁抱或嘗試擁抱大數據。例如前段時間，和壹個制造業管理者聊天，他說：“數據的價值我也非常認可，我們也壹直在做數據積累的工作。我們有很多系統，ERP系統、CRM系統等，這些年我們已經累積了大量的數據，但還不知道怎麽使用它們。
”“不知道這些數據怎麽用”是壹個普遍的問題，這家企業也只是許多中國企業運用數據現狀的壹個縮影而已，不止中國，在全球都是這樣。IDC的報告顯示：2012年，全球數據供應量達到了 2.8 澤字節(ZB)，即 2800 萬億GB，但是其中僅有0.5%被用於分析。很多企業已經意識到需要從粗放經營轉型到精細化運營。
精細化運營其中有壹個核心點，就是數據化管理。之前很多的決策是拍腦袋決定的，高速的增長將這種決策的缺點掩蓋了。但是現在我們已經到了存量時代，意味著現在的運營必須趨向精細化，所做的決策必須是通過市場調研、論證、數據分析等所得出的科學決策，這樣才能提高企業的競爭力。
企業在積累數據，數據積累到壹個量級的時候，可能產生質變，催生出壹個新的商業模式。舉個例子——螞蟻微貸。阿裏巴巴利用多年的線上零售數據、支付金融數據、個人身份數據等，通過多維數據的整合、加工、計算，構建信用維度，可以極大地提高螞蟻微貸發放貸款的效率。這是人工智能和大數據在金融領域的初步應用，很多的金融產品機構也在進行這方面的改進。
數據是金礦，這壹點已經被大家認同，但是如何從這金礦中淘到金子，是我們所面臨的壹個問題。企業該如何利用數據驅動業務增長？
那麽，企業該如何利用數據驅動業務增長呢？首先需要從以下四個方面入手，這些都是企業需要解決的數據問題。
壹、數據來源整合
我們講數據分析，數據從哪裏來？可能來源於網站、來源於系統、來源於壹些線下excel表格。那麽這些數據的管理需要註意哪些方面呢？
1、數據源的廣度
比如說，服裝業企業客戶，分析成交單數、客單價，成交單數是進店人數乘以成交率，進店人數呢又是路過人數乘以進店率，那麽路過人數、進店人數就屬於數據廣度這壹塊兒，數據足夠全面，未來支撐分析的維度就會更多。
2、數據源的深度
比如看某個訂單的時候，需要知道時間、地點、價格、款式等。數據源整體數據質量如果不夠的話，未來是不足以支撐細化的數據分析的。我們做的第壹件事情就是把所有數據全部收集起來，並實現“壹鍵接入，隨需更新”，提升數據源的廣度和深度。
需要對數據源的質量進行壹個管理，要保障數據需要足夠廣、足夠深；數據需要整合到壹個統壹的管理平臺上。例如企業在開會，當銷售出現問題的時候，A部門拿出壹個銷售數據，B部門拿出壹個銷售數據，但是對不上號，來回推諉扯皮，無法解決問題，這樣對於企業的發展是非常不利的。這個問題我們認為需要企業把數據管理起來，例如，我們在設立數據指標框架的時候，要定義的核心指標是什麽？是成本、利潤還是營收？以營收為例，又拆分成客戶數和客單價等等，這些數據分別來源於哪些數據源、哪些系統？系統數據錄入人員，錄入是否規範？我們對數據指標的定義是否壹致？所以需要我們整體從數據管理的角度，定義出壹致的指標，將數據治理做好，然後在統壹的平臺上統壹輸出數據，這樣確保了統壹的數據口徑。
二、使用場景
1、需覆蓋PC、移動端
場景現在我們很多的應用場景是在移動端，尤其C端的應用基本都是。 傳統的數據分析是PC端的模式，那麽PC端的模式需要能夠往移動端遷移。
2、業務場景
我們希望數據分析不止是壹個概念或形式，它需要更加貼合我們實際的業務場景，發揮它的價值，解決業務過程當中實際碰到的問題，所以必須涵蓋業務場景，切實有效解決業務人員和操作人員在實際業務過程中發現的問題，真正帶給他們價值，才能將這個平臺在企業中運用起來，否則隨著時間的推移可能會棄置不用。
三、數據處理的性能
性能在傳統軟件中是非常不被關心的指標，我們最開始想去上壹套系統，最關註的是功能，只要功能能夠滿足，系統慢壹些沒關系。現在不壹樣了，現在大量的C端應用培養了用戶的使用習慣，當妳已經習慣了壹個非常簡單、非常快速的運行環境的時候，讓妳切換回壹個反應非常緩慢的系統的時候，相信妳就對這個系統應用很難接受了。
BDP商業數據平臺上億級數據計算時間是0.28秒；我們線上有超過60萬個數據模型，從數據源變化到模型計算完成的平均時間是24秒等等；這些性能數據足以保障用戶在前端體驗到的是壹個快速、反應靈活的分析平臺。四、數據可視化
未來，數據分析會往業務部門做壹個遷移，因為只有業務人員才最懂業務，才能最大發揮數據的價值。但是通過大量的表格，壹般業務人員很難從中快速發現壹些業務問題。所以，數據也會從數據表格的形式向圖形化轉變。畢竟，人類對圖形的接收處理的速度遠高於數字。
（可視化圖表制作軟件：BDP個人版）
如果可視化分析要真正地應用到業務人員當中，需要具備以下特征：
易用：現在數據分析平臺以及整體科技應用發展趨勢壹定是朝著簡單易用發展。比如以前我們拍照需要攝影師、照相館，但是現在我拍照如果說要去照相館，妳就會很自然地問：難道妳沒有手機嗎？人人都可以拍照，如果妳學習壹些攝影的知識，甚至用手機可能拍攝出攝影師水平的作品。所以數據分析平臺也要降低門檻，前提就是易用。
靈活：尤其是互聯網企業，業務發展變化非常快，今天要分析A數據，明天要分析B數據，後天要換壹個維度去分析A和B的數據。這時候，如果是傳統平臺，有限的資源、有限的研發人員永遠無法滿足無窮無盡的改變，無法滿足業務的需求也意味著無法快速的去響應市場，使得企業運營的效率會降低，優勢會慢慢喪失。所以這個數據分析壹定要靈活、快速，以支撐業務的變化。
高效：隨著互聯網發展，數據量越來越膨脹。當數據量達到壹定的體量的時候，比如說1億條數據，如果要做壹個分析，到底多長時間能夠反饋出壹個結果？在很多企業當中，性能已經成為了數據分析的短板。比如，我們的壹個零售客戶，之前分析壹個數據，需要6個小時，運用了BDP商業數據平臺後，2到3分鐘即可得出結果，大大縮短了分析過程，大幅提高了企業的運營效率和經營績效。試想壹下，妳分析過程6個小時，對手只需要5分鐘，日積月累下來，差距可想而知。