1.4 数据化运营及其管理

目前，产业界尚未就“数据化运营”的概念及其内涵达成普遍共识。早在2010年，阿里巴巴就在整个集团内正式提出了“数据化运营”的战略方针，并逐步实施数据化运营。腾讯也于“2012年腾讯智慧上海主题日”上高调宣布“大数据化运营的黄金时期已经到来，如何整合这些数据成为未来的关键任务”。近几年来，数据化运营已经成为企业管理领域的热门词汇，并主要被用于网站/网店的运营中。

1.4.1 数据化运营的概念

本书将数据化运营定义为：建立组织运营活动的数据资源，运用数据分析和数据挖掘方法发现组织运营的内在规律，支持精准、精细化的运营过程。我们主要关注电子商务企业的数据化运营及其管理。这里的管理就是对数据化运营系统进行设计、运作和改进。实际上，电子商务企业实现数据化运营管理已成为获得竞争优势的必要条件。数据化运营的概念涉及以下方面。

首先，建立运营活动的数据资源。这是数据化运营及其管理的基础。数据资源是企业拥有或能控制的、价值关联的、能带来经济效益的数据集合。数据在成为数据资源之前，必须经过数据预处理和集成工作。数据预处理的目的是提高数据质量，使后续数据分析和数据挖掘的过程更加有效，进而提高分析和挖掘结果的质量。数据预处理主要是清理数据中的噪声、空缺、重复和错误。数据集成是为了针对不同来源的数据消除不一致性、联结相关数据，并进行汇总和概化。数据集成是将多个数据源中的数据整合、关联起来构成综合数据存储（如数据仓库）的过程，其中包括数据集成、模式集成，后者着力于整合不同数据源中的元数据。

其次，运用数据分析和数据挖掘方法发现运营中的内在规律并实施管理。这是数据化运营及其管理的保障。数据分析主要采用统计学的方法，分为两类：探索性数据分析（Exploratory Data Analysis，EDA）和验证性数据分析（Confirmatory Data Analysis，CDA）。EDA是系统性分析数据的方法，侧重于在数据之中发现新的特征或样式，对数据进行试探性分析，展示所有变量的分布，试图获得一个结论；CDA是证实性分析数据的方法，在已有模型、假设的基础上进行证实或证伪，即往往是先有一个假设，需要通过数据分析来帮助确认。EDA通常比较灵活，强调让数据自己说话；在进行CDA之前一般已经有预先设定的数据模型，要做的就是试图把现有的数据套入模型中。在数据化运营中，如果要从数据中找出提升运营的线索，主要采用EDA方式；如果有了假设，要运用数据进行验证，采用的就是CDA方式。数据挖掘是从大量数据中寻找潜在规律，以形成规则或知识的过程。数据挖掘的运作不是用于验证某个假定的模式或者模型的正确性，而是通过数据挖掘方法自动形成模型。从本质上讲，数据挖掘是一个归纳的过程，是传统数据分析和统计分析方法学的延伸和扩展。

最后，支持精准、精细化的运营过程。这是数据化运营及其管理的目标。电子商务行业异常激烈的用户争夺战、产品价格战以及更新换代越来越快的技术，既为电子商务企业提供了机遇，也给它们带来了沉重的竞争压力与生存挑战。面对这种日新月异的竞争格局，企业必须寻找比传统的粗放型运营更加有效的精细化运营思路和方法，以提升企业的效益和效率。而数据化运营就是精细化运营的强大支撑，它强调的是更细分、更准确、更个性化。没有精细化运营的需求，就不需要数据化运营；只有通过数据化运营，才可以满足精细化运营的效益提升。

在此，有必要区分数据运营和数据化运营两个概念。数据运营是指利用数据分析和数据挖掘技术方法，支持精准、精细化运营，注重“用数据”，运用数据开展具体的运营活动。而数据化运营涉及的范围更大，强调企业员工全员参与理念和具体实施，将所有的运营活动信息化，获得运营全过程、全员活动的相关数据，注重建立企业级数据资源，运用技术手段支持精准、精细化运营。因此，数据化运营既要“用数据”，更要“养数据”，即包含数据运营的概念。

1.4.2 数据化运营管理的方法

从以上概念的说明中可知，数据化运营管理不仅注重运用一般信息系统和信息管理的技术和方法，而且注重运用企业架构、商务智能和大数据分析的相关管理方法。

1.企业架构

商业模式将企业战略导向运营模式，运营模式与管理模式指导企业建立起相应的运营体系。那么，企业将如何进一步把运营模式与信息系统、IT基础设施融合呢？实际上，运用企业架构方法可以得到一幅人与流程、技术相结合的企业运营蓝图，从而使运营模式与信息系统、IT基础设施相融合。

一般认为，企业架构（Enterprise Architecture，EA）是构成企业的所有关键元素和关系的综合说明。1987年，IBM公司的Zachman提出了这种从战略、业务和技术的集成视角来分析和刻画企业当前和未来状态的理论。经过多年的发展，企业架构已经成为一种主流的规划方法，用于将企业战略/商业模式和操作层面的业务管理及运营结合起来，建立全新的企业运营系统，实现从业务到IT基础设施的转换。通过企业架构，可以清晰地展示业务运行中是如何“养数据”以及“用数据”的。

随着信息化进程的日益深入，信息系统在企业中的作用越来越重要，但与此同时，也带来了诸如信息孤岛、烟囱式应用系统、重复建设和重复开发、资源浪费等问题。为了解决这些问题，融合业务和信息技术的企业架构应运而生。企业架构位于企业顶层，以全局的视角说明如何全面、系统地运用信息化手段来规划和设计企业的运作架构与运作流程，从而达到支撑企业的发展战略、提高应对全球化激烈竞争能力的目的。国际数据公司（IDC）认为企业架构是构建企业核心竞争力之本。它带给企业的价值主要表现为支撑业务创新、提升企业效率、降低成本并控制风险等^[1]。

IBM公司在2008年对全球1 000位CEO进行了调查，结果大部分CEO都认为企业变革是必然的，而应对变革极具挑战性。应对变革的基本方法就是创新商业模式，加紧提升自己的“内功”。企业变革需要一种系统的方法，成功的企业是“架构”出来的，而不是自由发展形成的。企业架构涉及业务组件、流程、组织、绩效、IT 等多个方面，每个方面都需要随着企业的变革而不断地演化和发展。市场全球化和电子商务的普及已成为企业成长的动力，但同时也会激化市场竞争，促使企业寻求变化，建立数据化运营模式。

2.商务智能与商务分析

商业环境的日益复杂化，迫使企业对变化的环境做出快速反应，并对经营方式进行革新。这就要求企业管理者反应灵敏，并且能够频繁、快速地在战略、战术和操作层做出决策。决策的制订需要大量相关数据、信息和知识的支持。商务智能（Business Intelligence，BI）通常被理解为将企业中现有的数据转化为知识的过程，是帮助企业做出明智的经营决策的方法或工具。

近10多年来，企业业务信息系统日益成熟，信息化工作的重点向集成化和智能化方面发展，致使企业纷纷开展BI应用。在企业中，BI平台的系统架构包括5个方面的组件，如图1-4所示。

（1）ETL层，按统一的规则集成外部数据，完成从多个数据源向数据仓库的转化。

（2）数据仓库层，是一个面向主题的数据集合，为数据分析和挖掘提供高质量的数据源。

（3）数据分析、挖掘层，支持从不同角度快速灵活地进行数据分析和数据挖掘。

（4）数据搜索、展现层，支持准确查找信息并以多种方式展现分析结果。

（5）元数据管理，实现对元数据的获取、存储和分析的全面支撑。

一般而言，元数据是关于数据的数据。数据反映现实世界的对象和事件，而元数据则反映数据的对象和事件。进一步来看，元数据既可以是对数据的抽象，也可以是关于数据属性、上下文结构化的描述信息。只有借助元数据，以数据为载体的信息才能被正确解读和有效传递。

此处的元数据管理涉及对整个BI架构任何背景信息的管理，包括业务过程理解、行动和数据规则概要、业务决策等的基础信息。从BI平台的系统架构可以看出，上层的数据发布依赖于下层的数据提供，而下层的数据提供又依赖于底层的外部数据，因此大量、长期、准确的数据积累是BI的根本基础。

这是一种基于数据仓库环境的BI过程，也是一种比较完善的BI架构。但企业在实施BI的初期，通常只是依靠从业务系统中收集到的交易数据实施数据分析和数据挖掘，并不具备数据仓库环境。由于在建立数据仓库时对多来源数据进行了清洗、转换和集成，所以数据仓库环境中的数据质量明显高于来自多个独立数据源的数据质量。

近年来，国内外产业界已经开始用商务分析（Business Analytics，BA）一词取代BI。BA指的是广泛应用数据、使用统计与量化分析方法、运用描述性与预测性模型，以及基于事实的管理方法影响决策和行动的实践^[2]。

与BI强调技术手段和工具不同，BA强调的是利用技术手段解决业务问题。传统的BI包括从业务系统中抽取数据、将数据以合理的方式组织与存储在数据仓库，以及制作报表等工作。虽然这些工作为BA提供了重要的数据支撑，但BA更强调利用所搜集的数据进行数学建模与分析，以支撑业务决策。数据挖掘是BA重要的技术手段，但不是唯一的技术手段。数据挖掘是对已有的数据进行分析，通常不会直接参与到数据搜集的过程中；而BA常常包括设计数据采集方案并实施采集数据工作。

数据是电子商务运营的核心，从一开始就直接或间接地存在于电子商务的每一个环节。如果能充分发挥数据的作用，数据在电子商务运营的各个环节都能形成运营支撑资源。本书所涉及的电子商务运营管理，其主要管理方法就是对数据运营的应用。

从产品在供应链中流动，到客户在网站上购买，数据的作用是明显的。产品经历了从生产厂商到仓储物流再到线下客户的接收过程，以及从网上展现到购物车再到线上交易的过程。在网上交易流程中，客户从点击广告、浏览网上商城或网店，到进店查看产品细节，再到最终购买产品。网站对这个购买流程中每一个环节的记录，都能够为运营决策提供依据。在产品的线下运输流程中，商家从采购、接收入库到向客户配送的全过程，也都有相关记录为分析决策提供依据。

面对电子商务市场的激烈竞争，企业只有比竞争对手更深入地了解客户的需求、企业运营的规律，才能获胜。要做好数据运营工作，一是对电子商务行业有深入的了解，二是做好商务分析工作，两者缺一不可。如果只有商务分析知识，可能做出的数据模型在理论上是正确的，但不符合商务活动的实际情况；反之，如果只是对电子商务运营有深入了解，而对商务分析理解不够，可能就会对数据模型提出不切实际的要求，或者做出一个在功能上有缺失的模型。

3.大数据分析

在激烈的市场竞争中，仅仅通过分析传统数据来了解用户需求和企业运营，已很难获得持续的竞争优势。传统的商务分析方法很难对各种类型、海量数据进行实时有效的处理。由传感器、网络数据自动采集而产生的大数据，能够为电子商务的数据运营提供多角度、多形式、及时的支持。

2010年之后，大数据成为互联网上、传统媒体中的流行词汇，知识背景不同的人对大数据有不同的理解。通常来说，大数据用来描述大型组织（如阿里巴巴）的海量数据。然而对大部分商业运作来讲，“大”数据量是相对于应用类型而言的，是一个相对的概念。大数据常常是指超出一般企业软硬件设施在一定时间内获取、管理、处理数据的能力。

目前，学术界将大数据的特征归纳为“4V”：Volume（大量）、Velocity（高速）、Variety（多样）和Value（高价值）。“大量”具体表现为从TB级别跃升到PB级别；“高速”体现在数据高速到达，面临快速采集数据、及时给出处理结果的压力，这是区别于传统BI的显著特征；“多样”体现在数据来源及数据结构复杂，分为结构化、半结构化和非结构化数据；“高价值”表现为单位价值密度低，但数据总量可能会带来巨大的价值，这是运用大数据的关键。

数据作为信息的载体，大数据的构成反映现实世界事物运动的数据空间。与企业相关的各类数据，形成了企业的数据资源。现实世界的事物运动包含了大量的联动关系，使数据空间中也隐含了大量的关联关系。正是这些关联关系，给我们带来了新的商业价值。针对大数据进行商务分析，发现数据之间隐含的关联关系，就能获取新颖的商业洞察和机遇。

1.4.3 数据化运营管理的实施

本书的数据化运营管理应用主要关注：业务流程管理、供应链管理、数据运营管理、数据质量管理以及人力资源管理。

1.业务流程管理

运营模式的核心是业务流程，数据化运营依赖于业务流程管理。在业务流程管理方面，需要关注线上和线下的流程管理，涉及建立业务流程、流程支持设施和业务流程再造等应用。

为了实施运营模式，需要建立业务流程，支持服务工作。业务流程管理涉及业务流程的选择、规划、分析和再造，是运营管理的精髓。电子商务运营管理就是对企业电子商务的服务系统流程进行的设计、运作和改进。流程分析是考察流程的各个方面，从而改进其运营的系统方法。流程分析使用的工具包括流程图、进程图和基于图形用户界面的模拟等工具。

业务流程支持设施的实物/虚拟环境或服务场景对服务中的客户和员工的行为、感知都会产生影响。在设计服务场景时，必须结合与运营服务概念一致的图像和感觉。运营管理可通过服务保障分析，对支持设施进行持续的改进。对线下服务场景，服务保障分析可对客户的意愿和行为进行分析，包括环境、整体、心理、内部相应行为的分析；对线上服务场景，特别是平台上，企业需要为双边客户群提供支撑服务，如支付工具、信息安全保障，保证达成更多交易，充分激发网络效应。

企业流程再造（Business Process Reengineering，BPR）是对运营流程和组织结构根本性的再思考和重设计。这种再思考和重设计侧重于企业的核心能力，以期实现企业绩效的大幅度提升。现在，企业流程再造更注重对企业流程的持续改进，侧重于运用IT技术以及运营中的交易、采购、物流等数据重新设计企业流程以实现组织变革。

2.供应链管理

在供应链管理方面，企业也需要关注线上和线下的优化与管理，主要涉及采购管理、库存管理和物流管理等。

在电子商务运营管理中，采购管理的主要任务是保证网上交易产品的供应，支持企业运营并节约采购过程中的开销。采购管理必须确保产品符合所需的质量要求并及时交付，其主要内容包括供应商选择、采购成本、运送时间、产品质量控制。实施电子商务采购是采购管理中的一种战略选择。这种B2B会给企业带来巨大的成本节约和效率提升空间。

库存与物流管理是电子商务运营成功的重要因素。库存管理是对实物产品的储存，在此只考虑独立需求库存，涉及库存控制所需的管理工作，主要包括何时订购存货和订购多少存货的决策，以及对库存仓储、订单填写、拣选产品处理和库存进出的决策。库存管理中遵循的基本思想和原则，主要是即时管理和精益管理。

物流管理主要考虑在网上成交后，线下的实物产品配送。这里主要涉及产品的运输成本、交付速度以及应对变化的柔性之间的权衡。数据运营对资源配置、库存管理、作业计划和订单跟踪等活动的协调起着重要作用。

3.数据运营管理

电子商务已经进入数据化运营时代，高效的运营及其管理都离不开数据。可以说，数据存在于电子商务流程的每一个环节。从原材料采购到仓储，从产品制造到物流，从产品展示到产品细节说明，从产品推荐到下单购买，每一个环节都在产生和使用数据，也必须运用数据把服务效率和用户体验提升到更高的水平。企业在运营中连续地、反复地使用数据，且每天都要根据数据来做出决策、完成交易，以及将数据用于企业运转所需的其他行动中。各种应用不断产生和结束，而其中的数据则一直存在。

一般来说，成功的电子商务企业都是数据运营企业。离开了数据运营及其管理，电子商务企业就没有了立足之地。用户访问流量、时长、PV/UV（Page View/Unique Visitor，页面浏览量/独立访问者数量）、客单价等已经成为基本的指标数据，而更多的指标数据也逐步获得广泛的应用。提供详尽的数据和数据运营工具为用户赋能已经成为平台的基本支撑功能，但同时也对平台上店家的数据运营能力提出挑战。

4.数据质量管理

数据是数据化运营的基础。企业只有基于高质量的数据，才能做出有效的决策和行动。实际上，运营管理中数据的质量问题及其产生影响无所不在。客户会因为错误的送货地址而收不到订货、产品可能会因为错误的折扣率而被低价出售、发货可能会因为没有及时订购与产品配套的包装而延迟等。这些都可归结为低劣的数据质量造成数据化运营的失败。如果要推进企业运营的目标，则需要切实进行正确的、可信赖的、及时的数据质量管理。

数据质量管理是企业数据管理框架中一个重要的管理职能，是实施数据化运营管理中一项关键的支撑流程。商业模式的创新、业务流程的优化以及供应链的整合，都会对数据化运营的管理职能提出更高要求，包括高质量地整合数据源、创建一致的数据副本、交互提供数据或整合数据。

数据质量管理是一个长期而持续的过程。为满足数据化运营的需求，企业应制订数据质量标准的规格参数，并且保证数据质量能够满足这些标准。数据质量管理包括数据质量分析、识别数据异常、定义业务需求及相关业务规则，还包括在必要的时候对已定义的数据质量规则进行合规性检查和监控的流程，以及数据解析、标准化、清洗和整合。另外，数据质量管理还包括问题跟踪，对已定义的数据质量服务水平协议的合规性进行监控。

将数据质量管理和质量提升等流程制度化，依赖于识别数据化运营对高质量数据的需求和确定如何度量、监控及报告数据质量的最佳方式。在发现数据处理过程中的问题之后，需要通知相应的数据管理人员采取校正措施以解决紧急问题，同时，还需要采取措施消除问题的根源。

5.人力资源管理

人力资源管理试图解决人员管理、人际关系和运营团队建设中的问题，并试图为企业处理人事问题提供指导，从而使电子商务运营的有效性和个人的满意度达到最大化。培养并建立一支具备相当能力的运营团队是电子商务运营成功的基本保障。数据化运营管理是一项企业全员参与的管理活动，是多团队、多专业的协同作业。商务分析部门和数据分析师在数据化运营管理中扮演着中心和主力的角色，而业务部门的参与、理解、应用和支持也必不可少。业务部门和分析团队成员的数据分析意识、分析水平和分析能力决定了数据化运营的水平和效果。他们的数据分析意识和能力可以及时、准确地预警和反馈数据化运营中的业务建议，从而显著提升数据分析部门和数据分析师的方案、结论、模型与业务场景的融合性和匹配度。

关键术语

电子商务、电子交易、信息内容类应用、网络社交类应用、网购产品类应用、O2O产品类应用、运营管理、市场营销、会计与财务、数据化运营、数据运营、数据化运营管理、大数据、企业架构、运营模式、业务流程管理、供应链管理、数据运营管理、数据质量管理、人力资源管理

思考题

1.请简要叙述电子商务发展的几个主要阶段，并说明技术进步是如何影响电子商务发展的。

2.请结合具体网站，比较说明电子商务中B2C与C2C模式的差异。

3.企业有哪些基本职能？它们分别关注什么？

4.服务运营的主要特征是什么？

5.电子商务相关的应用有哪几类？它们对运营有什么要求？

6.怎么理解“数据化运营管理已成为电子商务运营管理的主要工作”这句话？

7.企业架构方法在电子商务运营管理中发挥着什么作用？

8.数据化运营与数据运营有什么联系和区别？

9.为什么说数据质量管理是实施数据化运营管理中一项关键的支撑流程？

---

[1] Vicki C.架构企业未来：2010企业架构中国管理者调查报告.

[2] 达文波特等著，康蓉等译.数据分析竞争法——企业赢之道.商务印书馆，2009.