在数字技术与传统行业加速融合的背景下，各个行业纷纷走向了数字化转型的道路，零售行业更是始终立于潮头。作为深耕植物奶领域80余年的豆品世家，维他奶的数字化转型亦走在行业前沿。
在近日收官的「观远数据2023智能决策峰会暨产品发布会」分析实践分会场上，维他奶数据分析总监龙飞带来以《让数据看得见摸得着》为主题的精彩演讲，分享了维他奶数字化转型与关键数据建设的历程、具体实践与三大策略，为更多企业发挥数据价值，激发业务潜能，助力业务实现飞跃式增长提供价值参考。
以下为龙飞演讲实录整理：
维他奶数据建设历程：从BI产品落地到体系化经营
近年，维他奶开启了数字化建设。数据建设作为数字化中非常重要的一环，2020年，维他奶启动BI平台的搭建，期望搭建一个现代化、高性能、用户友好而且具备快速迭代能力的BI平台。彼时，我们以销售作为切入场景，以销售总部用户为主，希望借助BI平台解决销售用户数据展现和数据分享的问题。
2020年是BI平台引入期，我们的活跃用户数在100+人。到2021年，在不断深化销售相关场景的基础上，我们也开始将BI能力横向扩展到财务、供应链、制造等其他业务领域。经过一年多的建设，维他奶基本上建立起一套企业级的分析体系，公司主要用数业务部门都成为了BI平台用户，此时活跃用户数达到1000+人。今年，我们开始建立相关运营体系，并逐步推广自助分析，经过努力，活跃用户数已达到2000+人。
在这个过程中，我们不断收到业务反馈，这些反馈也是很多企业数据建设中会遇到的问题或痛点。其中一些可统称为“看不见、看不清”的问题，如决策没有数据支持、不同部门之间数据口径不统一、数据更新不及时等。
另一些可以统称为“用不到、不会用、用不爽”的问题，如数据分散在各个业务系统里，需要依靠数据分析师手工从不同系统导出再用Excel加工，以及缺少数据探索工具、业务变化快IT响应慢等。
如何解决以上痛点？我们的理解是要“让数据看得见摸得着”。
让数据看得见摸得着：从业务的角度思考和创新
什么是“让数据看得见摸得着”？我们拆开来看：
1、什么是“看得见”？
我们的理解为：让正确的数据，在适合的场合，被有需要的用户使用。
正确的数据
正确的数据不单指数据质量，更重要的是要有统一的指标口径，打通各层级用户的理解。还需要有正确的数据粒度，要基于场景开发不同的数据粒度，满足目标用户需求。
适合的场景
其一是多渠道的触达方式，实现主动与被动的数据获取。如维他奶BI建设了PC端、手机端门户全面触达，并支持邮件、企微、BI内嵌应用系统的推送。其二是贴合场景的展现形式，帮助用户快速理解数据。如通过高度汇总的KPI看板满足高层用户对整盘生意健康情况的关注、通过二维表满足中层用户对明细数据的需求。
有需要的用户
有了正确的数据和场景，怎样快速让更多人用起来？维他奶打造了基于角色的权限套餐，不同角色制定固定权限套餐，可根据套餐快速开通权限，实现高效推广的同时保障数据安全。
一个“让数据看得见”的具体实践案例是“制造业KPI看板”：我们在全国有多家工厂，每家工厂里有多个产线，其中涉及如产量、效率、质量等非常多核心KPI，制造部高层希望通过数据了解这部分业务是否健康。我们利用KPI看板加上手机端推送，让其能实时掌握生意健康程度，还能根据数据预警让下面工厂的不同职能部门做相关改进措施，改进进展也会进一步推送，形成闭环。
根据最新的平台统计，我们的月活用户已达到2000+，月度使用人次在60000+，用户活跃率和报表活跃率都在70%以上，BI已经成为我们业务日常工作不可或缺的工具。
2、什么是“摸得着”？
我们的理解为：让主题化的数据，在易上手的工具上，满足灵活的用户需求。
主题化的数据
维他奶经过近几年的数字化建设，沉淀了大量数据，如何使之成为“主题化的数据”？其一是分析主题化，按分析对象做主题分类，满足不同分析场景。其二是分层数据建模，按数据粒度分层的模型，兼顾高效与灵活。
易上手的工具
在推广自助分析的过程中，业务用户常有不会用、用不好的担忧，所以，我们需要有更低门槛、更易上手的工具去解决业务的顾虑。还要考虑工具能不能支持另一些会写SQL、python的业务用户的高级应用，因此，工具要能快速上手同时也要拥有更丰富的功能。
灵活的需求
有了主题化的数据和易上手的工具，我们就可以推广自助分析，让业务用户充分发挥主动性和创意，进一步释放数据价值。
一个“让数据摸得着”的具体实践案例是“财务数据大屏”，需要强调的是，这个案例是由业务用户用自助分析自己完成的：财务用户反馈在汇报时，常需要拉各种数据，用Excel完成后再做成PPT拼到一起变成大屏去汇报。我们就推荐了BI的数据大屏模块。用户在一周之内利用BI中的卡片和主题化的数据集，完成了大屏搭建，在汇报时获得CFO的赞赏，并迅速在整个财务部门推广开来。
由“摸得着”而带来的自助分析能力在公司推广开来后，根据最新平台数据统计，维他奶参加自助分析培训并通过考试认证的用户有110+人，月活跃用户（当月创建过看板或报表）80+人，活跃率达到了70%以上。
数据建设的三大关键策略：系统建设、用户识别和运营管理
基于以上实践，我们总结了数据建设的三大关键策略，包括：
1、系统建设：现代化、高性能、用户友好且具备快速迭代能力的BI系统
系统建设要从业务场景和需求出发，包括四个关键：
现代化BI
利用数据可视化增强业务快速洞察的能力。我们在实践中发现很重要的一个现代化BI能力是移动端BI应用，我们有大约60%的用户会通过手机访问，40%通过PC，移动办公已经成为大趋势。
高效数据模型
贴合业务精细化管理数据需求。包括前面所讲的针对不同层级，提供不同数据粒度，以及提供明细数据等。
友好交易界面
降低业务使用门槛，提升业务使用体验的更加友好的交互界面和多渠道的触达方式，能够让业务实现主动和被动的数据获取，以及场景化的交互。
快速迭代能力
不断提升系统能力，满足用户灵活的需求。我们的实践里会从分业务的不同项目里，收集产品的需求与观远数据共创，也会从观远数据新的产品、模块和功能里寻找落地的场景。据统计，目前我们已经升级了84次产品，提交的需求接近400个，对观远数据的产品使用非常深入，观远数据也提供了很给力的支持。
2、用户识别：认识用户，重新定位，挖掘用户核心需求
用户识别是为了真正了解“用户需求”，我们将用户分为三大类型：
高层用户
主要指企业的高级管理层，是VIP用户。特点是对数据的期望远远超越了系统的直接供给。对此我们的策略是聚焦解决最核心的问题，遵循“二八原则”，通过高层用户喜欢的手机端访问方式、推送方式，满足他们最关注的业务健康度分析需求。
中层用户
主要指总部各职能团队或区域管理团队，是关键用户。是承上启下的联系纽带，对明细十分执着，特点就是数据需求非常多且很灵活。对此我们采取的策略是优先解决其“明细焦虑”，用主题化分层的数据模型给到中层用户自助分析的能力，满足灵活分析的需求。
一线执行用户
这部分用户的数量最多，也需要最简单、最直接的方式使用数据，是主要用户。我们对此的策略是解决他们的日常工作用数需求，给予他们清晰、易于理解的数据。同样会采用手机端加推送的方式，满足他们核心KPI达成追踪等需求。
3、运营管理：体系化、数据化、服务化推进BI建设
BI建设的体系化包括运维体系、权限体系，数据化包括BI平台监控，服务化包括推广与培训、业务自助能力，这也是运营管理的五个关键词。
运维体系
其一是报表分层，按使用情况、用户重要程度分层，通过报表分层指导运维时的优先级。其二是建立分层、分角色的问题处理流程及相关回顾机制，提升运维效率，实现闭环。
权限体系
区分报表权限和功能权限，根据不同用户的角色划分角色权限。对自助分析用户划分为初阶用户和进阶用户，在不同阶段匹配不同权限。通过完善权限管理体系，兼顾效率与安全。
BI平台监控
建立BI平台监控大屏，掌握整个平台运行效率，低效报表及时下线，回收系统资源，提高运维效率。通过平台监控发现用户使用习惯，提高项目方案设计效率。同时通过平台监控的长尾报表，发现推广和培训的机会，提升用户和报表活跃率。
推广与培训
在项目过程中，针对推广与培训要做好三件事：一是在项目立项阶段尽可能邀请高层用户参与，收集核心需求，做好“售前服务”；二是项目实施过程中主动向用户提供预定义方案，并定期周报同步，做好业务的好伙伴；三是上线时通过发布公告、推送等方式，做好“售后服务”。
培训离不开课程，课程设计上我们考虑了三大类型：一是新人指南，包括系统操作、系统功能、流程讲解、常见问题等；二是帮助技能提升的入门基础和进阶应用课程，并提供相关的考试认证；三是热点场景课程，将公司最近出现的热点场景制作成课程推送给用户，如组织架构变化时如何用BI自助分析实现大区合并等。
培训形式则既有能够充分利用碎片化时间学习的线上课程，也有覆盖范围更广对场地要求更低的线上直播可成，还有更加集中高效、针对性更强的线下课程。
业务自助能力
提升业务自助能力，既要有弹药，也要有管理。首先通过数据门户、UI和布局规范、报表命名规范的统一，统一用户体验，让用户形成数据文化，形成统一的沟通语言。其次，提供完备的用户文档，并持续更新，包括平台操作手册、已上线报表清单、报表授权基线、常见问题与接单、平台动态公告等。最后，提供清晰的流程指引，以场景化方式让用户了解BI权限申请流程、BI需求/服务流程等。做完这些业务才能真正在平台上自助使用我们提供的各种服务，从而释放IT的精力。
最后总结，让数据看得见摸得着，是实现数据价值的必要条件。让正确的数据在适合的场合被需要的用户使用是“看得见”，让主题化的数据在易上手的工具上满足灵活的需求是“摸得着”，系统建设、用户识别和运营管理是让数据看得见摸得着的关键策略。数据团队也不只是数据的生产者和运维者，还要做好业务赋能和数据运营。
注：文/龚作仁，文章来源：Laborer，本文为作者独立观点，不代表亿邦动力立场。
文章来源：Laborer
