数据决策：企业数据的管理、分析与应用

本书详细介绍了企业数据战略规划，助力企业数字化转型和数字化运营，包含客户智能运营，业务主题优化，行业应用案例等。

本书是作者十年数据领域实践经验的一次总结，系统介绍了企业的数据战略规划和企业内外部数据的应用，并在此基础上介绍了零售、快速消费品、汽车、航空、保险等行业的实战案例及作者的思考。本书通过与企业数据相关的理论体系、行业主题、行业案例、业务领域热点等主题，全面覆盖了不同行业的企业中数据的管理、分析与应用，对企业未来的数字化转型也做了简要介绍。相信不同类型的读者都能够从本书中获得自己想要了解的部分。

本书实战案例丰富，阅读门槛适中，适合想在企业中更好地利用数据的企业主、管理层、业务负责人阅读，也适合从事数据和AI相关工作，关注数据和AI在产业中发展趋势的读者阅读。

顾生宝，2009年本科毕业于东北大学软件工程专业。有10年以上大数据相关领域经验（含数据架构规划设计、平台建设、分析应用）。Datalantern数据分析项目创始人兼数据科学家。曾就职于IBM、Mars等跨国企业，为通用电气、奔驰汽车、中国人保、中国石化、北京汽车等公司服务过。历任IT中心经理、数字化负责人、数据部负责人等。技术作家兼独立技术顾问，专注于可应用于产业公司的数据产品和数据驱动解决方案，对跨行业企业如何更好地利用数据有自己的见解。熟悉零售与快速消费品、汽车、航空、保险等行业。

做出科学的决策在商场中十分重要。在当前这个数据爆炸时代，挖掘数据背后的规律，是做出科学决策的依据。在本书中，顾生宝老师将教你通过对数据的剖析、整合，对用户进行精确定位，满足个性化需求，帮你真正实现裂变式、爆发式增长。

——张诗童 纽交所上市公司朴新教育联合创始人，环球少儿总裁，入选福布斯精英榜

本书是作者顾生宝在大数据领域工作十年的总结，作者花了两年的时间编写这本书，企业家不论是否有技术背景，都可以从书中获得启示。本书中有大量的数据实践精华！

——黄志伟 栎芽资本合伙人

在数据时代，每家企业都有大量的数据，但是有了数据并不等于有了商业价值。本书用大量案例告诉企业管理者如何挖掘数据背后的商业价值，值得各个行业的管理者阅读。

——王斌 元禾原点投资合伙人

互联网在大众生活中已充分渗透，企业需要全面融入互联网业务。而互联网业务的进展，一个很重要的指标就是商业数据的使用。本书特别适合已经初具规模的企业的管理者阅读，有助于他们快速了解商业数据全貌，建立适合自己企业的数据机构，让数据指导决策，实现商业价值。

——王颖奇 软件企业研发管理工具ONES创始人，公司CEO

企业的发展需要科学的决策，数据是做出科学决策的重要依据，如何有效挖掘数据价值成为管理者面临的重要问题。顾老师这本书深入探讨了当代企业进行数据采集、数据分析的途径，并用案例讲述了数据在各行业有效应用的方法。

——冯文全 北京航空航天大学青岛研究院院长，研究员，博士生导师

随着大数据时代的到来，企业越来越清楚地认识到数据的重要性，但对于什么是数据科学，如何管理并用好数据，很多企业仍然感到迷茫。这本书用9章的篇幅深入探讨了现代企业应该如何收集、管理、分析企业运营中涉及的数据，并用丰富的案例，形象地讲述了数据在各个行业中的应用方法，可供企业直接借鉴。本书是企业管理者、数字化领域从业者的一本指导手册。

——张灵通 福田戴姆勒IT总监

数据是新的“石油”，是本世纪珍贵的财产。数据的价值需要被挖掘，正如石油需要精炼才能发挥其真正的价值。企业既是数据的创造者又是数据的使用者，用数据指导运营、支撑决策是极富挑战性的开创性工作。本书对数据战略的细致阐述，既有系统化的理论，又有丰富的案例。全书举重若轻，深入浅出，非常适合企业管理者和数据科学从业人员阅读。

——王涛 石化盈科大数据负责人兼首席大数据专家

第1章 数据科学 / 001

1.1 大数据技术 / 002

1.1.1 大数据的发展趋势 / 002

1.1.2 大数据处理的基础 / 003

1.1.3 企业中常见的大数据产品 / 004

1.2 数据科学 / 004

1.2.1 大数据分析原理 / 005

1.2.2 数据在不同行业中的应用 / 006

1.3 数据分析流程及高级分析 / 008

1.3.1 数据分析流程 / 009

1.3.2 高级分析 / 010

1.3.3 数据科学家需要具备的能力 / 011

1.4 数据科学与经营管理 / 012

1.4.1 数据科学与企业经营 / 012

1.4.2 数据科学与企业管理决策 / 012

1.4.3 企业运营效率的数据分析诉求 / 013

1.5 通过新技术及AI 感知未来 / 013

1.5.1 新技术加速发展 / 014

1.5.2 云端环境变化 / 014

1.5.3 新技术成熟度与市场接受度 / 015

1.5.4 产业公司的科技机会 / 016

第2章 用户行为漏斗及营销科技 / 019

2.1 营销科技的定义及内涵 / 021

2.2 用户的四个层级 / 022

2.2.1 双漏斗模型及用户的转化 / 024

2.2.2 用户漏斗与漏桶的使用限制 / 026

2.3 用户行为预测 / 027

2.4 用户购买决策及路径研究 / 028

2.4.1 用户购买决策的秘密 / 029

2.4.2 一二三线市场结构现状 / 030

2.4.3 用户渗透过程可视化 / 030

2.4.4 用户决策路径可视化 / 031

2.5 用户生命周期价值营销 / 032

2.6 用户广告运营工具及PaaS / 032

2.6.1 通用的用户广告运营产品思路 / 032

2.6.2 线上、线下打通的运营方案 / 034

第3章 企业用户增长及转化激活 / 037

3.1 企业拉新的三种方式 / 039

3.2 内外部用户的不同优化方向 / 042

3.3 智能营销数据库建设 / 043

3.4 用户增长与转化 / 045

3.5 案例：某快车公司的裂变式用户增长 / 054

3.5.1 用户持续增长的逻辑假设 / 054

3.5.2 早期的产品逻辑 / 055

3.5.3 用户增长运营工具的两个核心 / 056

3.5.4 运营产品效果评估方法 / 057

第4章 决策优化应用 / 059

4.1 CRM 简介 / 060

4.1.1 AI 驱动式CRM / 061

4.1.2 未来生态式CRM / 062

4.2 CRM 与决策模型 / 063

4.2.1 RFM 分群模型 / 063

4.2.2 预测购买模型 / 067

4.2.3 智能运营模型 / 069

4.3 销售与决策模型 / 071

4.3.1 向上销售 / 071

4.3.2 交叉销售 / 072

4.3.3 销售预测 / 072

4.3.4 个性化推荐销售 / 074

4.4 产品创新与数据分析 / 074

4.4.1 在分众市场找创新点 / 075

4.4.2 分众市场定义新品类 / 076

4.5 客户数据平台建设及应用 / 078

4.5.1 客户数据平台建设 / 079

4.5.2 五类运营服务模式 / 080

4.6 借助大型数据平台开展数据化运营 / 081

第5章 数据科学与企业管理决策 / 083

5.1 企业管理决策 / 084

5.1.1 人类的决策过程 / 084

5.1.2 企业管理决策 / 086

5.2 数据决策分析模型 / 088

5.2.1 分类模型与回归模型 / 089

5.2.2 数据分析建模过程 / 092

5.2.3 常用建模算法及工具 / 093

5.2.4 影响建模的主要因素 / 095

5.3 用户增长及转化 / 095

5.3.1 用户增长 / 095

5.3.2 用户运营及销售转化 / 096

5.4 广告投放及市场开拓 / 098

5.4.1 广告投放策略优化 / 099

5.4.2 寻找20% 的可能转化者 / 100

5.4.3 电商站内广告投放优化 / 101

5.5 市场空白的发现及开拓 / 102

5.5.1 市场空白的发现 / 102

5.5.2 新市场的开拓 / 104

5.6 案例：快速消费品行业数字化的机会 / 105

5.6.1 快速消费品行业的发展趋势及用户特点 / 105

5.6.2 快速消费品行业的核心业务及机会 / 106

5.6.3 线上与线下触点努力方向 / 107

第6章 企业如何用好外部数据 / 111

6.1 企业对于数据应用的态度 / 112

6.2 企业中的外部数据源 / 114

6.2.1 外部数据源的作用 / 115

6.2.2 合理购买外部数据源 / 116

6.2.3 外部数据源的分类 / 116

6.2.4 外部数据源可靠性评估技巧 / 118

6.2.5 获取外部数据源的方法 / 118

6.3 企业的数据变现 / 119

6.3.1 实现数据变现的前提 / 119

6.3.2 企业外部数据变现面临的挑战 / 121

6.3.3 企业数据变现的思路 / 122

6.4 案例：宠物行业利用外部线索拉新 / 124

6.4.1 找到外部数据质量好的数据源 / 124

6.4.2 寻找宠物销售线索 / 125

6.4.3 数据产品赋能行业 / 126

第7章 经营好企业中的数据 / 129

7.1 企业经营好数据的三要素 / 130

7.2 数据经营方法（KPI 分解） / 131

7.3 企业数据应用战略规划 / 134

7.3.1 梳理数据源 / 134

7.3.2 评估数据质量 / 135

7.3.3 建设数据管理平台 / 135

7.3.4 建设相应的企业数据文化 / 136

7.3.5 制定企业数据管理原则 / 137

7.4 相关数据技术 / 137

7.5 企业中的数据研究思路及应用 / 140

7.5.1 两种数据研究视角 / 140

7.5.2 数据应用实施原则 / 141

7.6 案例：零售类企业的数据应用战略 / 143

7.6.1 以消费者为中心的数据湖 / 144

7.6.2 广告投放与第三方数据建设 / 145

7.6.3 媒体投放检测数据及AI 预测 / 147

第8章 数据在不同行业中的应用 / 149

8.1 产业互联网创新模式 / 151

8.2 企业的数据诉求及时机 / 153

8.2.1 国内企业级服务的现状 / 153

8.2.2 企业数据的现状与诉求 / 154

8.2.3 企业数据的应用时机 / 155

8.3 汽车行业 / 156

8.3.1 汽车行业的数据应用 / 156

8.3.2 用户数据平台的建设 / 160

8.3.3 数据应用场景 / 162

8.4 航空行业 / 170

8.4.1 航空行业新变化及数据应用规划 / 170

8.4.2 航空用户大数据平台规划 / 172

8.4.3 数据应用场景 / 173

8.5 保险行业 / 177

8.5.1 保险行业的环境及机遇 / 177

8.5.2 保险行业痛点分析 / 177

8.5.3 保险行业的数据化机会 / 178

8.5.4 保险赛道上的互联网平台商业模式 / 179

第9章 企业数字化转型 / 183

9.1 企业数字化转型面临的困境 / 184

9.2 企业数字化转型的五个阶段 / 185

9.3 企业数字化转型的组织架构及过程 / 187

9.3.1 组织架构及人才组成 / 187

9.3.2 企业数字化转型的三要素 / 188

9.3.3 企业数据团队的组成 / 189

9.4 数据产品 / 190

9.5 案例：腾讯数据产品探索之路 / 191

本书是我写的第一本书，写这本书的时候我32岁，刚刚结束了一个历时近两年的数据分析创业项目 Datalantern。在此之前，我读过很多外国作者写的技术方面的书，不同的作者有不同的风格。我曾经读过国外作者写的一本介绍Oracle数据库技术的书，对把技术书写的像诗一样的感觉记忆犹新。我就想，自己不能只是一名资深的技术顾问，未来也要做一名技术作家。

2018年，电子工业出版社的编辑找到我，问我想不想把大数据在不同行业的应用实践经验写成一本书。在编辑的启发下，我觉得有必要花一点时间，将这些年沉淀的跨行业数据领域的经验，做一次系统化的梳理。写这本书的目的，一半是让自己做阶段性的经验总结，工作满十年，圆一个作家梦；一半是整理自己在过往工作中积累的对行业的思考，为行业做一次输出，期望更多人能够透过本书了解到数据在企业中应用的方方面面。

在接到编辑的写作邀请时，我本能地想到两个题目。一是企业如何更好地利用内部数据，从企业最常见的应用场景出发，从对项目的介绍及对解决思路的描述中引出企业数据的管理、分析与应用；二是介绍企业数据应用的现状，客观描述不同行业中企业在数据领域做的努力和新出现的数据创新模式，对跨行业的同类案例及主题进行归类总结，因为这都与我多年的工作密切相关。但与数据相关的题目技术性太强，我希望能找到一个全景式话题，可以在认识不同行业的企业现状的基础上，对企业实际的数据环境、面临的具体问题及解决方案做全面的介绍。

在过去几年中，我接触过的行业包括零售、快速消费品、汽车、航空、保险等。在与这些行业中的客户沟通需求，参与设计数据相关方案并实施落地过程中，我深刻地了解到同一个行业中不同产品品类的运营面临的各种问题，不同的行业围绕 CRM、广告、消费者运营等有相似的诉求，而在其他方面又有巨大的差异。在此过程中，我的脑海中突然浮现出读者看到的这个方案，觉得这个方案足以让人兴奋，足以概括以往数据领域不同行业的企业现状。

读者无论你有没有计算机背景，都能够从本书中读到企业一线数据应用实战案例，获得思考。企业的经营者、管理者能够从书中看到这些新的数据科学、AI技术是如何在企业中改进业务的，也能够看到企业未来的业务战略和数据战略。企业的 CIO、CDO或者信息主管能够从书中看到，在文化、组织不同的企业中，数据应用方式的千差万别。企业的业务方通过本书能够理解企业利用数据可以做哪些事情，要用好数据应该具备什么样的能力，等等。

更多对数据领域感兴趣的读者，能够从本书总结出来的理论体系、行业主题、行业案例、业务领域热点、数据相关热门话题中找到感兴趣的主题。这本书只要有一段话、一部分内容能给读者带来启发，对读者有帮助，我就会觉得很欣慰！

本书利用业余时间编写，在此期间，根据编辑的建议，我一遍一遍修改过几个版本。但因为作者水平有限，书中还存在大量不足，希望读者朋友指正或提出建议！

顾生宝 2020年 4月