💬 想了解自己的數據化思維程度？
🔴 【免費測驗】「數據化營運思維」小學堂 👉 成為公司的成長駭客，6/30前測驗，免費獲取解析🔥
這將會大幅提升公司在商業上的競爭力，因為當別人都還在土法煉鋼，你做什麼決策其實已經都比別人更有依據了。
在各個場合中總會有人問我：「我已知道數據很重要，但我對於如何開始做數據管理仍是毫無頭緒，gipi 你怎麼看？」，我的回答是：「你需要建構公司的數據策略，以數據驅動（Data Driven）策略。」
本文，我將跟各位分享何謂數據策略（Data Strategy）？以及如何建構數據策略。
何謂數據驅動策略？
所謂的數據策略（data strategy），顧名思義就是企業如何採集、儲存、管理、使用數據，並對企業整體帶來助益。而在這個前提下，我們可以說數據策略是衍生自企業策略，而且數據與企業策略間的關係愈來愈緊密，企業不該只盯著落後指標看，而是從數據中挖掘出洞見，並採取行動。
我認為，未來領先全球的頂尖企業，絕對都是擁有並能善用數據的公司。
建構數據驅動策略的 4 個步驟
Step1. 依據企業目標設定數據目標
任何的計畫一定都有一個目標，而數據策略的目標必須衍生自企業策略，因為數據管理的目的是為了改善企業營運績效，若數據管理未對企業帶來任何助益，那一切都是白搭。
不論你是用五力分析、競爭策略、價值鏈、SWOT 或者策略地圖來展開公司策略，你最終都該有幾個明確且必須執行的策略目標要達成，例如 A 產品的業績比例提升、客戶滿意度提高、市占率拉升、行銷的精準度提升等。
為了達成策略目標，我們會設定一些對應的行動方案，並依據行動方案展開專案，確保行動方案完成時，策略目標也同時達成。
在企業目標之下，你對數據的期待是什麼？
你希望數據可以幫上你什麼忙？
透過數據驅動策略前必然得先回答這個問題，因為有了期待，目標明確了，策略才得以展開。這個問題對老闆或高階主管來說或許困難了點，我建議你找商務分析師與數據專家們一塊討論吧！
Step2. 盤點數據，檢視落差
Step1 我們先設定期待，希望數據可以幫上什麼忙，而 Step2 就要來檢視現階段所擁有的數據是否能滿足我們的期望了。
舉個例子，如果今天的策略目標是要「提高用戶滿意度」，一般我會透過以下的步驟去盤點我所需要的數據。
首先問，「如何衡量用戶滿意度？相關指標為何？」
這是我第一個會問的問題，得到的答案可能是服務使用頻率、回購率、推薦率、客訴狀況、退款紀錄、服務滿意度調查等等指標。如果你無法提出你的衡量指標，數據就很難幫得上忙，在此請再次回顧我前一篇文章所提到的觀念：數據不會完全精準，但是可以比之前更好，就值得做。
接著問，「這些指標所需的數據是否完備？」
所謂的完備指的是正確、完整且可取得。此問題得到的答案可能如下表，各個指標的數據完備狀況可能略有不同，其中可能涉及彙整、合併、擴展、加工與採集的需求，而這些就是數據的落差，必須衍生對應的數據行動方案。
到上面這個步驟，我們已經盤點完衡量客戶滿意度相關的數據，只要這些數據完備了，我們就能做好業務監督的工作，但我們的策略目標是提高用戶滿意度，這已是業務洞見與業務優化的層次，所以我會進一步問：
「能找出哪類型的客人回購率最高、最低嗎？」
「能找出哪類型的客人推薦率最高、最低嗎？」
「客戶退款前通常有什麼行為？能找出早期徵狀嗎？」
「滿意度調查分數的高低是否與回購、推薦、退款有正相關？」
要回答這些問題，會需要做一些統計分析與模型建立，同時涉及一些自動化機制，例如對潛在回購或推薦的客人推送合適的 eDM 或廣告，鼓勵他們採取行動，或對潛在高退款風險的客人，自動推送關懷訊息，或告知客服人員必須立刻介入關懷等。
Step3. 規劃數據驅動的行動方案
設定目標，檢視落差設定方案，這是策略規劃中的典型作法。一般策略規劃中，行動方案結構大致如下：先選定一個企業策略目標，說明用來衡量策略目標完成的基準為何，並描述相關限制，接著展開將採取的行動方案，以及行動方案的細節，包含成員、目標、專案執行計畫、里程碑等等。
而在 Step2 時，其實已經挖掘出相關的數據落差，差別只在行動方案的細節仍未展開，當我們把數據行動方案加到策略行動方案的結構時，看起來就會像下圖這個樣子，數據策略正式與企業策略掛勾了。（以 B 代表業務行動方案，D 代表數據行動方案）
Step4. 讓數據策略成果回歸「商業數據管理」機制
透過反覆執行 Step1 ~ Step3，就能將每個企業策略相關的數據工作展開來，公司的短期數據工作就有了個全貌，如下圖，就可作為這個策略週期內數據團隊所要執行的相關工作。
有別於傳統的數據管理，這邊我特別加上了商業兩個字。這意味著我們談論的數據管理，不僅僅限於技術層次的管理工作，而是建基於商業目的之上，例如針對業績、客戶、行銷、服務、財務等主要營運流程所需數據的管理，企業需要有個長期的數據策略去採集、儲存、管理與使用各種商業數據。
以客戶的數據為例，原先我們不清楚哪些客戶是潛在高退款風險的，但隨著模型的建立始能找出這些客戶，而模型比對後，自動將這些客戶標示並推送到服務人員手中，要求服務人員對客戶做關懷，透過數據管理將相關工作自動化，也提升了營運效率。
你可以逐一將各主要業務領域在數據上能做到的事情盤點出來，這可用來呈現該業務領域的商業數據成熟度。老話一句，高價值的事都不會容易做，但萬事起頭難，請從今天開始思考公司開始以數據驅動策略吧！這將會大幅提升公司在商業上的競爭力，因為當別人都還在土法煉鋼，你做什麼決策其實已經都比別人更有依據了。
📈 想建立學得會、用得上的「數據化營運思維」嗎？
歡迎加入「商業思維學院」的「數據化營運｜讓關鍵數據產生指數化成長」，深入淺出的帶你釐清數據間的關聯、找出關鍵指標，並透過產品驅動式成長、獲客、提升轉換率等實用套路，讓關鍵指標有所成長，是你達成目標的最佳幫手！
🔴 【免費測驗】「數據化營運思維」小學堂 👉 成為公司的成長駭客，6/30前測驗，免費獲取解析🔥
在數據化營運這門課我們分成三個部分：
幫助你建立數據化營運的基本觀念，教你如何把領先指標跟落後指標，應用在工作跟管理方面 。
我們會教你數據化營運的運作方法，我們重新架構了行銷、設計、產品的協助模式，讓你真正能夠融入在組織當中。
實際可用的套路跟做法，教你內容、社群、獲客、留客、變現的有效做法，在大家學會了數據化營運的基本觀念後，再來學這些做法就可以發揮最大的作用。
