1.4 數據化運營及其管理

目前，產業界尚未就“數據化運營”的概念及其內涵達成普遍共識。早在2010年，阿里巴巴就在整個集團內正式提出了“數據化運營”的戰略方針，并逐步實施數據化運營。騰訊也于“2012年騰訊智慧上海主題日”上高調宣布“大數據化運營的黃金時期已經到來，如何整合這些數據成為未來的關鍵任務”。近幾年來，數據化運營已經成為企業管理領域的熱門詞匯，并主要被用于網站/網店的運營中。

1.4.1 數據化運營的概念

本書將數據化運營定義為：建立組織運營活動的數據資源，運用數據分析和數據挖掘方法發現組織運營的內在規律，支持精準、精細化的運營過程。我們主要關注電子商務企業的數據化運營及其管理。這里的管理就是對數據化運營系統進行設計、運作和改進。實際上，電子商務企業實現數據化運營管理已成為獲得競爭優勢的必要條件。數據化運營的概念涉及以下方面。

首先，建立運營活動的數據資源。這是數據化運營及其管理的基礎。數據資源是企業擁有或能控制的、價值關聯的、能帶來經濟效益的數據集合。數據在成為數據資源之前，必須經過數據預處理和集成工作。數據預處理的目的是提高數據質量，使后續數據分析和數據挖掘的過程更加有效，進而提高分析和挖掘結果的質量。數據預處理主要是清理數據中的噪聲、空缺、重復和錯誤。數據集成是為了針對不同來源的數據消除不一致性、聯結相關數據，并進行匯總和概化。數據集成是將多個數據源中的數據整合、關聯起來構成綜合數據存儲（如數據倉庫）的過程，其中包括數據集成、模式集成，后者著力于整合不同數據源中的元數據。

其次，運用數據分析和數據挖掘方法發現運營中的內在規律并實施管理。這是數據化運營及其管理的保障。數據分析主要采用統計學的方法，分為兩類：探索性數據分析（Exploratory Data Analysis，EDA）和驗證性數據分析（Confirmatory Data Analysis，CDA）。EDA是系統性分析數據的方法，側重于在數據之中發現新的特征或樣式，對數據進行試探性分析，展示所有變量的分布，試圖獲得一個結論；CDA是證實性分析數據的方法，在已有模型、假設的基礎上進行證實或證偽，即往往是先有一個假設，需要通過數據分析來幫助確認。EDA通常比較靈活，強調讓數據自己說話；在進行CDA之前一般已經有預先設定的數據模型，要做的就是試圖把現有的數據套入模型中。在數據化運營中，如果要從數據中找出提升運營的線索，主要采用EDA方式；如果有了假設，要運用數據進行驗證，采用的就是CDA方式。數據挖掘是從大量數據中尋找潛在規律，以形成規則或知識的過程。數據挖掘的運作不是用于驗證某個假定的模式或者模型的正確性，而是通過數據挖掘方法自動形成模型。從本質上講，數據挖掘是一個歸納的過程，是傳統數據分析和統計分析方法學的延伸和擴展。

最后，支持精準、精細化的運營過程。這是數據化運營及其管理的目標。電子商務行業異常激烈的用戶爭奪戰、產品價格戰以及更新換代越來越快的技術，既為電子商務企業提供了機遇，也給它們帶來了沉重的競爭壓力與生存挑戰。面對這種日新月異的競爭格局，企業必須尋找比傳統的粗放型運營更加有效的精細化運營思路和方法，以提升企業的效益和效率。而數據化運營就是精細化運營的強大支撐，它強調的是更細分、更準確、更個性化。沒有精細化運營的需求，就不需要數據化運營；只有通過數據化運營，才可以滿足精細化運營的效益提升。

在此，有必要區分數據運營和數據化運營兩個概念。數據運營是指利用數據分析和數據挖掘技術方法，支持精準、精細化運營，注重“用數據”，運用數據開展具體的運營活動。而數據化運營涉及的范圍更大，強調企業員工全員參與理念和具體實施，將所有的運營活動信息化，獲得運營全過程、全員活動的相關數據，注重建立企業級數據資源，運用技術手段支持精準、精細化運營。因此，數據化運營既要“用數據”，更要“養數據”，即包含數據運營的概念。

1.4.2 數據化運營管理的方法

從以上概念的說明中可知，數據化運營管理不僅注重運用一般信息系統和信息管理的技術和方法，而且注重運用企業架構、商務智能和大數據分析的相關管理方法。

1.企業架構

商業模式將企業戰略導向運營模式，運營模式與管理模式指導企業建立起相應的運營體系。那么，企業將如何進一步把運營模式與信息系統、IT基礎設施融合呢？實際上，運用企業架構方法可以得到一幅人與流程、技術相結合的企業運營藍圖，從而使運營模式與信息系統、IT基礎設施相融合。

一般認為，企業架構（Enterprise Architecture，EA）是構成企業的所有關鍵元素和關系的綜合說明。1987年，IBM公司的Zachman提出了這種從戰略、業務和技術的集成視角來分析和刻畫企業當前和未來狀態的理論。經過多年的發展，企業架構已經成為一種主流的規劃方法，用于將企業戰略/商業模式和操作層面的業務管理及運營結合起來，建立全新的企業運營系統，實現從業務到IT基礎設施的轉換。通過企業架構，可以清晰地展示業務運行中是如何“養數據”以及“用數據”的。

隨著信息化進程的日益深入，信息系統在企業中的作用越來越重要，但與此同時，也帶來了諸如信息孤島、煙囪式應用系統、重復建設和重復開發、資源浪費等問題。為了解決這些問題，融合業務和信息技術的企業架構應運而生。企業架構位于企業頂層，以全局的視角說明如何全面、系統地運用信息化手段來規劃和設計企業的運作架構與運作流程，從而達到支撐企業的發展戰略、提高應對全球化激烈競爭能力的目的。國際數據公司（IDC）認為企業架構是構建企業核心競爭力之本。它帶給企業的價值主要表現為支撐業務創新、提升企業效率、降低成本并控制風險等^[1]。

IBM公司在2008年對全球1 000位CEO進行了調查，結果大部分CEO都認為企業變革是必然的，而應對變革極具挑戰性。應對變革的基本方法就是創新商業模式，加緊提升自己的“內功”。企業變革需要一種系統的方法，成功的企業是“架構”出來的，而不是自由發展形成的。企業架構涉及業務組件、流程、組織、績效、IT 等多個方面，每個方面都需要隨著企業的變革而不斷地演化和發展。市場全球化和電子商務的普及已成為企業成長的動力，但同時也會激化市場競爭，促使企業尋求變化，建立數據化運營模式。

2.商務智能與商務分析

商業環境的日益復雜化，迫使企業對變化的環境做出快速反應，并對經營方式進行革新。這就要求企業管理者反應靈敏，并且能夠頻繁、快速地在戰略、戰術和操作層做出決策。決策的制訂需要大量相關數據、信息和知識的支持。商務智能（Business Intelligence，BI）通常被理解為將企業中現有的數據轉化為知識的過程，是幫助企業做出明智的經營決策的方法或工具。

近10多年來，企業業務信息系統日益成熟，信息化工作的重點向集成化和智能化方面發展，致使企業紛紛開展BI應用。在企業中，BI平臺的系統架構包括5個方面的組件，如圖1-4所示。

（1）ETL層，按統一的規則集成外部數據，完成從多個數據源向數據倉庫的轉化。

（2）數據倉庫層，是一個面向主題的數據集合，為數據分析和挖掘提供高質量的數據源。

（3）數據分析、挖掘層，支持從不同角度快速靈活地進行數據分析和數據挖掘。

（4）數據搜索、展現層，支持準確查找信息并以多種方式展現分析結果。

（5）元數據管理，實現對元數據的獲取、存儲和分析的全面支撐。

一般而言，元數據是關于數據的數據。數據反映現實世界的對象和事件，而元數據則反映數據的對象和事件。進一步來看，元數據既可以是對數據的抽象，也可以是關于數據屬性、上下文結構化的描述信息。只有借助元數據，以數據為載體的信息才能被正確解讀和有效傳遞。

此處的元數據管理涉及對整個BI架構任何背景信息的管理，包括業務過程理解、行動和數據規則概要、業務決策等的基礎信息。從BI平臺的系統架構可以看出，上層的數據發布依賴于下層的數據提供，而下層的數據提供又依賴于底層的外部數據，因此大量、長期、準確的數據積累是BI的根本基礎。

這是一種基于數據倉庫環境的BI過程，也是一種比較完善的BI架構。但企業在實施BI的初期，通常只是依靠從業務系統中收集到的交易數據實施數據分析和數據挖掘，并不具備數據倉庫環境。由于在建立數據倉庫時對多來源數據進行了清洗、轉換和集成，所以數據倉庫環境中的數據質量明顯高于來自多個獨立數據源的數據質量。

近年來，國內外產業界已經開始用商務分析（Business Analytics，BA）一詞取代BI。BA指的是廣泛應用數據、使用統計與量化分析方法、運用描述性與預測性模型，以及基于事實的管理方法影響決策和行動的實踐^[2]。

與BI強調技術手段和工具不同，BA強調的是利用技術手段解決業務問題。傳統的BI包括從業務系統中抽取數據、將數據以合理的方式組織與存儲在數據倉庫，以及制作報表等工作。雖然這些工作為BA提供了重要的數據支撐，但BA更強調利用所搜集的數據進行數學建模與分析，以支撐業務決策。數據挖掘是BA重要的技術手段，但不是唯一的技術手段。數據挖掘是對已有的數據進行分析，通常不會直接參與到數據搜集的過程中；而BA常常包括設計數據采集方案并實施采集數據工作。

數據是電子商務運營的核心，從一開始就直接或間接地存在于電子商務的每一個環節。如果能充分發揮數據的作用，數據在電子商務運營的各個環節都能形成運營支撐資源。本書所涉及的電子商務運營管理，其主要管理方法就是對數據運營的應用。

從產品在供應鏈中流動，到客戶在網站上購買，數據的作用是明顯的。產品經歷了從生產廠商到倉儲物流再到線下客戶的接收過程，以及從網上展現到購物車再到線上交易的過程。在網上交易流程中，客戶從點擊廣告、瀏覽網上商城或網店，到進店查看產品細節，再到最終購買產品。網站對這個購買流程中每一個環節的記錄，都能夠為運營決策提供依據。在產品的線下運輸流程中，商家從采購、接收入庫到向客戶配送的全過程，也都有相關記錄為分析決策提供依據。

面對電子商務市場的激烈競爭，企業只有比競爭對手更深入地了解客戶的需求、企業運營的規律，才能獲勝。要做好數據運營工作，一是對電子商務行業有深入的了解，二是做好商務分析工作，兩者缺一不可。如果只有商務分析知識，可能做出的數據模型在理論上是正確的，但不符合商務活動的實際情況；反之，如果只是對電子商務運營有深入了解，而對商務分析理解不夠，可能就會對數據模型提出不切實際的要求，或者做出一個在功能上有缺失的模型。

3.大數據分析

在激烈的市場競爭中，僅僅通過分析傳統數據來了解用戶需求和企業運營，已很難獲得持續的競爭優勢。傳統的商務分析方法很難對各種類型、海量數據進行實時有效的處理。由傳感器、網絡數據自動采集而產生的大數據，能夠為電子商務的數據運營提供多角度、多形式、及時的支持。

2010年之后，大數據成為互聯網上、傳統媒體中的流行詞匯，知識背景不同的人對大數據有不同的理解。通常來說，大數據用來描述大型組織（如阿里巴巴）的海量數據。然而對大部分商業運作來講，“大”數據量是相對于應用類型而言的，是一個相對的概念。大數據常常是指超出一般企業軟硬件設施在一定時間內獲取、管理、處理數據的能力。

目前，學術界將大數據的特征歸納為“4V”：Volume（大量）、Velocity（高速）、Variety（多樣）和Value（高價值）。“大量”具體表現為從TB級別躍升到PB級別；“高速”體現在數據高速到達，面臨快速采集數據、及時給出處理結果的壓力，這是區別于傳統BI的顯著特征；“多樣”體現在數據來源及數據結構復雜，分為結構化、半結構化和非結構化數據；“高價值”表現為單位價值密度低，但數據總量可能會帶來巨大的價值，這是運用大數據的關鍵。

數據作為信息的載體，大數據的構成反映現實世界事物運動的數據空間。與企業相關的各類數據，形成了企業的數據資源。現實世界的事物運動包含了大量的聯動關系，使數據空間中也隱含了大量的關聯關系。正是這些關聯關系，給我們帶來了新的商業價值。針對大數據進行商務分析，發現數據之間隱含的關聯關系，就能獲取新穎的商業洞察和機遇。

1.4.3 數據化運營管理的實施

本書的數據化運營管理應用主要關注：業務流程管理、供應鏈管理、數據運營管理、數據質量管理以及人力資源管理。

1.業務流程管理

運營模式的核心是業務流程，數據化運營依賴于業務流程管理。在業務流程管理方面，需要關注線上和線下的流程管理，涉及建立業務流程、流程支持設施和業務流程再造等應用。

為了實施運營模式，需要建立業務流程，支持服務工作。業務流程管理涉及業務流程的選擇、規劃、分析和再造，是運營管理的精髓。電子商務運營管理就是對企業電子商務的服務系統流程進行的設計、運作和改進。流程分析是考察流程的各個方面，從而改進其運營的系統方法。流程分析使用的工具包括流程圖、進程圖和基于圖形用戶界面的模擬等工具。

業務流程支持設施的實物/虛擬環境或服務場景對服務中的客戶和員工的行為、感知都會產生影響。在設計服務場景時，必須結合與運營服務概念一致的圖像和感覺。運營管理可通過服務保障分析，對支持設施進行持續的改進。對線下服務場景，服務保障分析可對客戶的意愿和行為進行分析，包括環境、整體、心理、內部相應行為的分析；對線上服務場景，特別是平臺上，企業需要為雙邊客戶群提供支撐服務，如支付工具、信息安全保障，保證達成更多交易，充分激發網絡效應。

企業流程再造（Business Process Reengineering，BPR）是對運營流程和組織結構根本性的再思考和重設計。這種再思考和重設計側重于企業的核心能力，以期實現企業績效的大幅度提升。現在，企業流程再造更注重對企業流程的持續改進，側重于運用IT技術以及運營中的交易、采購、物流等數據重新設計企業流程以實現組織變革。

2.供應鏈管理

在供應鏈管理方面，企業也需要關注線上和線下的優化與管理，主要涉及采購管理、庫存管理和物流管理等。

在電子商務運營管理中，采購管理的主要任務是保證網上交易產品的供應，支持企業運營并節約采購過程中的開銷。采購管理必須確保產品符合所需的質量要求并及時交付，其主要內容包括供應商選擇、采購成本、運送時間、產品質量控制。實施電子商務采購是采購管理中的一種戰略選擇。這種B2B會給企業帶來巨大的成本節約和效率提升空間。

庫存與物流管理是電子商務運營成功的重要因素。庫存管理是對實物產品的儲存，在此只考慮獨立需求庫存，涉及庫存控制所需的管理工作，主要包括何時訂購存貨和訂購多少存貨的決策，以及對庫存倉儲、訂單填寫、揀選產品處理和庫存進出的決策。庫存管理中遵循的基本思想和原則，主要是即時管理和精益管理。

物流管理主要考慮在網上成交后，線下的實物產品配送。這里主要涉及產品的運輸成本、交付速度以及應對變化的柔性之間的權衡。數據運營對資源配置、庫存管理、作業計劃和訂單跟蹤等活動的協調起著重要作用。

3.數據運營管理

電子商務已經進入數據化運營時代，高效的運營及其管理都離不開數據。可以說，數據存在于電子商務流程的每一個環節。從原材料采購到倉儲，從產品制造到物流，從產品展示到產品細節說明，從產品推薦到下單購買，每一個環節都在產生和使用數據，也必須運用數據把服務效率和用戶體驗提升到更高的水平。企業在運營中連續地、反復地使用數據，且每天都要根據數據來做出決策、完成交易，以及將數據用于企業運轉所需的其他行動中。各種應用不斷產生和結束，而其中的數據則一直存在。

一般來說，成功的電子商務企業都是數據運營企業。離開了數據運營及其管理，電子商務企業就沒有了立足之地。用戶訪問流量、時長、PV/UV（Page View/Unique Visitor，頁面瀏覽量/獨立訪問者數量）、客單價等已經成為基本的指標數據，而更多的指標數據也逐步獲得廣泛的應用。提供詳盡的數據和數據運營工具為用戶賦能已經成為平臺的基本支撐功能，但同時也對平臺上店家的數據運營能力提出挑戰。

4.數據質量管理

數據是數據化運營的基礎。企業只有基于高質量的數據，才能做出有效的決策和行動。實際上，運營管理中數據的質量問題及其產生影響無所不在。客戶會因為錯誤的送貨地址而收不到訂貨、產品可能會因為錯誤的折扣率而被低價出售、發貨可能會因為沒有及時訂購與產品配套的包裝而延遲等。這些都可歸結為低劣的數據質量造成數據化運營的失敗。如果要推進企業運營的目標，則需要切實進行正確的、可信賴的、及時的數據質量管理。

數據質量管理是企業數據管理框架中一個重要的管理職能，是實施數據化運營管理中一項關鍵的支撐流程。商業模式的創新、業務流程的優化以及供應鏈的整合，都會對數據化運營的管理職能提出更高要求，包括高質量地整合數據源、創建一致的數據副本、交互提供數據或整合數據。

數據質量管理是一個長期而持續的過程。為滿足數據化運營的需求，企業應制訂數據質量標準的規格參數，并且保證數據質量能夠滿足這些標準。數據質量管理包括數據質量分析、識別數據異常、定義業務需求及相關業務規則，還包括在必要的時候對已定義的數據質量規則進行合規性檢查和監控的流程，以及數據解析、標準化、清洗和整合。另外，數據質量管理還包括問題跟蹤，對已定義的數據質量服務水平協議的合規性進行監控。

將數據質量管理和質量提升等流程制度化，依賴于識別數據化運營對高質量數據的需求和確定如何度量、監控及報告數據質量的最佳方式。在發現數據處理過程中的問題之后，需要通知相應的數據管理人員采取校正措施以解決緊急問題，同時，還需要采取措施消除問題的根源。

5.人力資源管理

人力資源管理試圖解決人員管理、人際關系和運營團隊建設中的問題，并試圖為企業處理人事問題提供指導，從而使電子商務運營的有效性和個人的滿意度達到最大化。培養并建立一支具備相當能力的運營團隊是電子商務運營成功的基本保障。數據化運營管理是一項企業全員參與的管理活動，是多團隊、多專業的協同作業。商務分析部門和數據分析師在數據化運營管理中扮演著中心和主力的角色，而業務部門的參與、理解、應用和支持也必不可少。業務部門和分析團隊成員的數據分析意識、分析水平和分析能力決定了數據化運營的水平和效果。他們的數據分析意識和能力可以及時、準確地預警和反饋數據化運營中的業務建議，從而顯著提升數據分析部門和數據分析師的方案、結論、模型與業務場景的融合性和匹配度。

關鍵術語

電子商務、電子交易、信息內容類應用、網絡社交類應用、網購產品類應用、O2O產品類應用、運營管理、市場營銷、會計與財務、數據化運營、數據運營、數據化運營管理、大數據、企業架構、運營模式、業務流程管理、供應鏈管理、數據運營管理、數據質量管理、人力資源管理

思考題

1.請簡要敘述電子商務發展的幾個主要階段，并說明技術進步是如何影響電子商務發展的。

2.請結合具體網站，比較說明電子商務中B2C與C2C模式的差異。

3.企業有哪些基本職能？它們分別關注什么？

4.服務運營的主要特征是什么？

5.電子商務相關的應用有哪幾類？它們對運營有什么要求？

6.怎么理解“數據化運營管理已成為電子商務運營管理的主要工作”這句話？

7.企業架構方法在電子商務運營管理中發揮著什么作用？

8.數據化運營與數據運營有什么聯系和區別？

9.為什么說數據質量管理是實施數據化運營管理中一項關鍵的支撐流程？

---

[1] Vicki C.架構企業未來：2010企業架構中國管理者調查報告.

[2] 達文波特等著，康蓉等譯.數據分析競爭法——企業贏之道.商務印書館，2009.