从数据化运营到数据产品化 —— 阿里云MVP赵玮主题分享【3】

本文涉及的产品
智能商业分析 Quick BI,专业版 50license 1个月
简介: 未来去判断公司的价值,是去看有多少有价值的数据,以及怎么用这些有价值的数据。 站在未来来讲,我可以说今天做的业务,不过是收集数据的一个入口,那今天所有的业务,可能是在我为我收集数据这件事情,来做服务。
上一篇讲到,我们在面对自己内部团队快速扩张的时候会采取的一些实践的措施。
其实我们的外部环境变化也非常大。
外部环境的变迁,我可以举非常多的例子,影响到我们自己内部数据需求的变化。
之前我在一些比较成熟的大的公司工作的时候,大家经常会抱怨:在一个大公司想做一个改变很难,小公司有很大的优势,就是灵活
可是在收钱吧的起初的时候,我真的是吃够了灵活的苦。

外部变化,公司需要很灵敏的跟着变。我们做数据支撑的人,必须要时刻跟着变,我举个例子:

我们对 商户这个指标的定义就一直在变迁,在最初的时候,我们关注 注册商户
注册商户:安装了APP,然后登记了姓名、手机号,还有身份证号码
但是APP需要绑定银行卡才能进行交易的,但如果商户注册所有信息,安装了APP,但是没有绑定银行卡,叫注册商户。
不管有无交易,注册商户是可能会交易的潜在客户。

登记商户:注册商户绑定银行卡,那它会有交易的可能性,就进一步升高了。
活跃商户:在这些商户当中,确实发生过成功交易的。
在初期的时候提示您就关注的是这3个指标
后来移动支付这个热度慢慢起来的自己公司也能发展起来
我们有了 有效商户,这个概念

但我们遇到一个情况,如果一个商户一个月只做一笔交易,它也是一个活跃商户。
可是按照我们平均的获客成本,这时候可能8年10年才能收本。
对我来讲,这就是一个赔钱的商户,没有太大的价值。
所以 我们定了一个基准线,那么你的交易程度达到了一个界限之上,我认为是 有效商户,我会更多的关注这层商户。

那接下来,市场发生进一步变化,比如热度越来越高,进来的的竞品公司越来越多,这个时候提到了一个问题,就是大家的产品差异化并不高,那么如何让你的用户留下来,用你的产品,这是我们要做很多的改变

1.从产品端我们要把产品的差异化拉开;
2.从运营端给我的高价值商铺提供更好的这种运营感受,提供一些商户的荣誉价值体系或者是提高商户的粘性;

在做这件事情的时候,其实需要提供资源。
投资源的时候,我们需要有选择,因为资源是有限的,尤其对创业公司来讲。

有效商户可能是我所有活跃商户占比的95%,我不可能投入资源给我90%的商户都去做一些改进,我们需要针对高价值的商户
所以这个时候有有效商户的概念,对我来说粒度太粗了。
我们把商户进行了分级:分了六个等级,从ABC到F。
我们会更多的关注E类和F类商户,投入资源的时候,也会更多的考虑这两类的商户,这是一个商务指标。
在随着市场的变化使用自己发展的变化过程当中我们自己的指标,在不断演进。

类似例子非常多,
比如说我们渠道在不断增加,从最初的直营渠道到合作的代理渠道,然后到后面大客户渠道,再到后面收钱吧的品牌建立起来之后呢,会有商户主动要求来申请,所以有了网销渠道, 每个渠道的管理模式每一个渠道特征会有很大的差异,那么要求你的数据支持分析,迅速跟上。
比如终端等等,很多经营模式模式的创新,


这个本质上要求数据团队数据的分析,在非常短的时间内要提供非常准确的支持,快速的是支持来支撑这种变化,来适应这种市场的变化。
阿里云的QuickBI解决了我们这个非常大的痛点

我们和QuickBI的缘分,从2015年12月开始,那会,它还处于公测阶段,所以我们也开玩笑说自己是小白鼠。
尝试了之后,在17年2月份,我们决策使用,当时我们决定把已有的报表搬上去,后续的报表也在这边来进行制作。

在之前的报表制作,基本上都是技术人员占大的比重。
做报表,其实对技术人员本身来说,也是很痛苦的事情。
我想大家如果现在有技术人员,应该有感同身受,技术人员其实特别不喜欢开发报表,觉得是没有价值的事情,重复冗长。

但是因为管理需要,没有办法,
所以我们引进QuickBI,技术人员从这个报表开发中抽身出来,他们会更多的关注底层的架构,还有中间表的设计,
跟这个对应的我们成立的是一个核心的BI团队,是业务方的BI团队
接下来,我们在各业务线去找参与BI制做的人,今天我们的报表基本上都是业务人员来制作的。
到今天为止,我们往QuickBI迁移了三百多份数据图表,建立了八个数据门户。
8c37739117b96c4db6e18be0635410fdfd79428a
在这个过程当中,其实感触很大,改变也很大。
以前大家知道传统的BI是非常昂贵的,基本上是大公司的专用,小公司是很难用的起,
但今天阿里云的QuickBI把这个成本降到了一个创业公司,从创业的一天其实就可以用工具来做自己的数据分析,从而提高公司的运营效率。

5a22b5d67ac378ab8cdf9a1604a7ace23b9d4411

我讲一下我们未来的一个展望,刚才提到了我们对很多问题的答案,其实是两个核心能力:

1. 数据化的运营能力;
2. 把数据产品化的能力;

我以前跟我自己team的人讲:
大家不要觉得自己是在服务公司里面的销售和运营的团队,不要觉得自己是一个提供服务的团队
虽然说数据最初存是为了把业务做得更好,
但是未来去判断公司的价值,是去看有多少有价值的数据,以及怎么用这些有价值的数据。
站在未来来讲,我可以说今天做的业务,不过是收集数据的一个入口,那今天所有的业务,可能是在我为我收集数据这件事情,来做服务。
所以我说,数据分析团队不是在服务别人,公司所有的业务部门都在服务我们,我们数据团队才是这个公司的核心。

虽然是开玩笑,但是带一点认真在里面,那么我们下一个会去考虑的,把数据产品化的能力。
举一个例子:
今天我更多地从商家这边拿到的,是 支付数据
但是,我认为支付数据不够,
我们希望 从支付数据到金融数据实现一个过渡,怎么过渡呢?
我们给商户提供红包政策,比如一些SaaS工具,让商户产生更多的经营数据,
方便我们后面去做数据产品化的时候去做这样的衍生服务,
ec9ec1b311b7cbeae56361ab94572de145c0d839
1. 场景化的金融服务
街边的兰州拉面店,它是对传统的金融服务业忽视的一个群体,甚至可能没有办法去办一张信用卡。
但是我知道在这个区域里面,它的经营能力,在同行业的店,做的怎么样,
我也知道在营销活动的时候,有没有刷单,有没有套现,信用能力和经营能力。
我可以为这些商户做信用的背书,也就是有一天看过需要采购原材料选市中心的时候,我会帮助他用更低的成本去获得这样的机会,这是一个例子

2. 智能化的经营服务
我们可以看到在一个区域里面,这个区域的商业变化趋势总是什么样的,消费习惯是怎样的,
这些数据产品化之后,我会提供给商家,让商家在这区里面去做选址、比价、做营销活动的时候有更科学的决策,这是我们对未来的一个展望。

a91ab60a15668b9d906651aeb1ebf037a2bfdfb3
这个是我们的一个愿景,使我们能发掘 智慧的商业,我们 相信数据的力量

相关实践学习
助力游戏运营数据分析
本体验通过多产品组合构建了游戏数据运营分析平台,提供全面的游戏运营指标分析功能,并有效的分析渠道效果。更加有效地掌握游戏运营状态,也可充分利用数据分析的结果改进产品体验,提高游戏收益。
Quick BI在业务数据分析中的实战应用
Quick BI 是一款专为云上用户和企业量身打造的新一代自助式智能BI服务平台,其简单易用的可视化操作和灵活高效的多维分析能力,让精细化数据洞察为商业决策保驾护航。为了帮助您更快的学习和上手产品,同时更好地感受QuickBI在业务数据分析实践中的高效价值,下面将以一个真实的数据分析案例为场景带您开启QuickBI产品之旅。场景:假设您是一家大型互联网新零售企业的数据分析师,您的经理刚刚拿到8月份的月度运营分析数据,他发现近期企业运营状况不佳,8月份毛利额环比前几个月下滑较大,三季度存在达标风险。因此将这个任务交给了您,根据订单信息和流量渠道信息等相关数据,分析企业8月份毛利额下滑的关键要素,并将其分享给团队,以便指导相关业务部门采取决策和行动,提高企业整体毛利额。  
相关文章
|
5月前
【产品系列】你觉得一个产品要怎么落地?
面试官:你觉得一个产品要怎么落地?我觉得分三步走吧。一是深刻认知你产品的用户价值、产品价值;二是明确供给侧的价值;三是积极对产品进行迭代升级。
【产品系列】你觉得一个产品要怎么落地?
|
新零售 供应链 搜索推荐
案例酷 | 懒熊火锅:数据驱动全渠道运营,新零售赛道“热辣升级”
编者按: “民以食为天,食以勤为先”。餐饮行业在中国自明清时期以来就被称为“勤行”,表示这个行业必须要以勤劳、勤快而著称。不能做到精益求精、待客如宾,就难以在竞争无比激烈的餐饮行业中立足生存。如今,想要把一家连锁餐饮企业推向成功,需要的不仅是精妙的味道与完善的服务,还需要在产品、管理、供应链、门店经营、品牌宣传等一系列层面进行不断的迭代与完善。这些现代化的新能力、新效果背后,指向着连锁餐饮的数智化转型,指向着新零售时代餐饮行业的创新之路。 本文约5929字,建议阅读时间15分钟。
244 0
|
数据采集 机器学习/深度学习 运维
《数据中台架构:企业数据化最佳实践》:感受数据中台建设五步法
《数据中台架构:企业数据化最佳实践》:感受数据中台建设五步法
1195 0
《数据中台架构:企业数据化最佳实践》:感受数据中台建设五步法
|
人工智能 自然语言处理 监控
杜蕾斯的双11:一场曼伦营销理论体系与阿里云数据中台相结合的实践
全球安全套行业“老大哥”杜蕾斯实现全网销售额突破1.7亿元,同比增长20%,滴露轻松斩获全网1.8亿元销售额......荣获这些战绩,除了有利洁时曼伦总经理吕有名独创的“6W4M”方法论体系指导之外,亦离不开阿里云数据中台的加持!
9307 1
杜蕾斯的双11:一场曼伦营销理论体系与阿里云数据中台相结合的实践
|
数据采集 SQL 存储
宜信数据中台全揭秘(一)数据中台整体介绍|分享实录
主要内容:结合目前宜信的业务,分享数据中台的主要研发逻辑和具体功能,以及解决哪几项核心问题。
|
新零售 数据挖掘 BI
新零售行业优质解决方案分享【全域数据中台解决方案】
全域数据中台解决方案,面向各行各业大数据建设、管理及应用诉求,一站式提供从数据接入到数据消费全链路的智能数据构建与管理的大数据能力,进行全域数据分析。并以消费者运营为核心,通过丰富的用户洞察模型和便捷的策略配置,助力企业实现用户增长。
705 0
新零售行业优质解决方案分享【全域数据中台解决方案】
|
机器学习/深度学习 SQL 算法
从0到1搭建车企数字化营销中台(5):用户标签
数字化营销以用户为中心,通过数字化的手段来实现整个营销过程,其中识别和洞察最为核心,用户标签作为洞察用户的工具,决定这数字化营销的成败。
2052 0
从0到1搭建车企数字化营销中台(5):用户标签
|
搜索推荐 数据可视化 大数据
从0到1搭建车企数字化营销中台(3):产品定义
数字化营销中台利用先进的中台架构,采用轻量级的构建模式,形成基于业务中台和数据中台的轻量级双中台,同时基于双中台上结合4大业务场景打造4大前端运营平台,分别为客户运营平台、粉丝互动平台、营销推广平台和数据洞察平台。
2030 0
从0到1搭建车企数字化营销中台(3):产品定义
|
存储 搜索推荐 数据可视化
阿里巴巴HRSSC:用宜搭实现业务管理模式创新
“宜搭”低代码应用搭建平台,用技术创新提升了业务效率,降低了运营风险,改善了服务体验,奠定了扎实的阿里HR共享服务生态化和全球化的支撑基础。
948 0
阿里巴巴HRSSC:用宜搭实现业务管理模式创新
|
数据采集 存储 算法
央视网的融媒体数据中台实践
作为中央电视台新媒体平台,央视网在不断升级建设“一网(中央重点新闻网站)+一端(移动客户端)+新媒体集成播控平台(IPTV、手机电视、互联网电视)+市场端口连接”的全新传播格局,打造“无处不在”新入口的同时也深刻认识到,需要让大数据成为驱动整个企业发展的核心动能。
3072 0
央视网的融媒体数据中台实践
下一篇
无影云桌面