?

在談到企業數字化轉型時，很多人都會說起“數據驅動”，比如“數據驅動運營”、“數據驅動業務”等等。

在大家言必稱“數據驅動”的時代背景下，我相信很多人并未深究和思考“數據驅動”的真正含義，只是過過嘴癮罷了。那么，問題來了，到底什么是“數據驅動”呢？該如何理解“數據驅動”呢？下面就來談談我個人對“數據驅動”的理解。

個人認為，“數據驅動”可以從應用層次和價值實現機制兩個方面來理解，即“數據驅動”有4個層次和1個鏈條。

?

一、“數據驅動”的4個層次

從數據加工的深度或應用層次來看，“數據驅動”由淺入深分為4個層次：監測—分析—挖掘—使能。

?

監測是“數據驅動”的最淺層次，指的是用數據記錄實際發生的事實。這種情況下，數據是對客觀事物的寫實，人們只是對就數據進行了簡單的加工和處理，數據通常以原始的、粗顆粒度的形式（如數據包、日志等）呈現，數據的價值猶如一塊蠻荒之地，未被充分發掘出來。這個階段對應的關鍵詞有：指標化、數量化、在線化、圖表化，即人們通過指標來定量的記錄事實，將客觀世界數字化和互聯網化。

分析是“數據驅動”的第二個層次，它比監測要略深一些。在分析這個層次上，人們已經在注意利用各種分析模型和分析方法來“擺弄”數據了，能用各種分析工具進行比較有深度的數據加工了，數據的價值開始逐漸顯露出來。這個層次對應的關鍵詞有：常態化、體系化、診斷化和可視化，即人們能開展常態化的、有一定思維框架的數據分析，能用數據診斷問題、發現問題了，能用數據可視化技術來展現數據分析的結果了。

挖掘是“數據驅動”的次深層級，它在分析的基礎上要更前進一步。在這個層面上，人們已經能游刃有余的利用一些復雜的算法對數據進行深度加工和處理了。利用經典的機器學習算法建立數據挖掘模型，是這一階段最普遍的做法。此時，數據的價值能得到充分的挖掘和釋放。這個階段的關鍵詞是：模型化、公式化和規則化。

使能是“數據驅動”的最深層級，也是最能體現數據價值的層級。使能，是賦能的同義詞，亦即“使之具備某種能力”的意思。數據在此階段已真正成為一種生產要素融入到實際業務中了，數據為業務運營注入了新鮮血液和強勁動力。人們能將數據分析服務、數據建模和挖掘的過程進行全面的自動化、標準化，數據經過程序化的加工后能形成各種數據產品和智能工具等，能大大提高人們的洞察力和決策力。此時，數據已經不止于數據，數據的價值得到空前的放大。這個階段的關鍵詞是：智能化、產品化和工具化。

二、“數據驅動”的1個鏈條

?

將數據視作企業生產經營的原材料，“數據驅動”的過程可理解為DIPOA模型，即Data—Input—Process—Output—Action Point，數據作為生產要素，輸入到數據應用的程序化鏈路中，經過一定步驟的加工與處理，形成相應的輸出，再將這些輸出作用到對應的作用點上產生價值，完成“數據驅動”的一次作業鏈條。DIPOA模型是參照經典的SIPOC模型來進行設計，能以傳輸鏈條的形式生動的解釋“數據驅動”的作用過程與機制。

三、最后總結

以上是我個人以一種框架式的思考方法對“數據驅動”的內涵所進行的闡釋，我是不敢妄言自己的理解是最全面的，我的解釋僅供各位參考吧。

“數據驅動”說到底是一種思維方式，它是以數據為根本要素和核心線索的思維模式。“數據驅動”是數據力量的體現，作為一種力量它需要確定的作用對象和作用點，也就是數據的服務對象和應用場景/具體問題。數據的力量有大小之分，“數據驅動”層次分明。當然，理解“數據驅動”是為了更好的踐行“數據驅動”，所謂“行勝于言”，“數據驅動”需要你我的行動。

而對于企業的數據驅動，我也有自己的一些親身經歷，比如我們公司正在使用的工具：織信Informat低代碼平臺，這套平臺可以說是我們公司踐行"數據驅動"戰略的效率加速器。結合上文，它的價值主要體現在4個層面。

1、在監測層，它能快速搭建數據采集看板，讓業務人員零代碼實現指標實時監控；

2、在分析層，內置的BI組件可拖拽生成動態報表，將診斷分析周期從周級壓縮到小時級；

3、在挖掘層，預封裝機器學習模塊讓算法模型平民化，業務專家能自主完成客戶分群、預測等數據挖掘；

4、在使能層，低代碼將數據洞察直接轉化為自動化工作流，如智能補貨系統、動態定價引擎等數據產品。

?

?通過DIPOA鏈條，織信Informat低代碼平臺將數據加工到價值變現的全鏈路縮短80%，讓"數據驅動"從IT部門的專利轉變為全員生產力工具，真正實現數據力量向業務價值的高效轉化。