互联网流量红利的消退，倒逼互联网公司告别野蛮扩张迎来精益运营时代，通过“数据驱动”挖掘更深层次的用户价值成了互联网人的一致共识，“数据驱动力”在精益运营时代的重要性日益突显。
所谓“数据驱动力”，即指通过数据体系，系统化地获取及分析数据，并为业务决策提供有效支撑，不断驱动业务发展的思维和能力。
从以下三个层面来介绍下“数据驱动力”。
一、认识数据驱动结构
1. 数据价值演进金字塔
按照人类认知逻辑，数据的价值演进呈现出一个清晰的“倒金字塔结构”，如图1所示，塔基到塔尖由低到高依次为数据、信息、知识、智慧，塔的四周则是客观的外部世界。
如果我们将数据价值演进的过程，看做是一个矿物冶炼过程的话，数据就像是人类从外部世界发掘出的初级“矿石”，是对客观世界的最原始记录。比如未被加工和解释的文本、数字、声音或图像，等等。
然后再经过一步步的冶炼加工，依次生产出更高等级的认知“产品”。这些“产品”的共同使命，在于帮助人们实现更加科学的决策，而最终又通过实践影响客观世界。
落在实际业务中，打造“数据驱动力”首先就是要构建获取业务数据的能力；其次是提升发现和挖掘信息的能力，以及提升总结、归纳知识的能力；而最高的追求则是形成“业务智慧”，及运用智慧持续驱动业务发展的能力。
拿到一手业务数据后，对数据价值挖掘和思考的深度，往往也决定了一个人、一个企业的发展高度和维度。
2. 数据驱动系统金字塔
为了描述数据驱动系统的内部结构，本文借助了传承于老子《道德经》的“道法术器势”理论。
如图2所示，数据驱动体系，由高到低依次可以划分为“道、法、术、器”几个层级。
- 道，指数据驱动需遵循的规律、理念和价值观
- 法，指围绕数据驱动人为制订的制度、规范
- 术，指数据驱动的技术、技巧、方法
- 器，则指数据驱动中所使用的工具或手段
- 势，指所处的时空及趋势，即互联网行业所处的大环境
“器”服务于“术”，“术”符合于“法”，“法”根基于“道”，“道法术器”整个体系又在“势”的裹挟下不断演进并驱动“势”的前进和变化。
实际业务实践中，需讲求“以道御术”，即以道义来承载智术。
想打造自己的数据驱动力，首先要认同数据驱动的内在价值，形成数据驱动业务的内在价值观；在“明道合法”基础上，再去不断提升数据挖掘、数据分析等技术层面的技巧和方法，不断提升Excel、SQL、Python等数据工具的使用能力，这样的“数据驱动力”才会更加有底气。
二、构建数据驱动闭环
1. 打通数据驱动流程闭环
业务实践，是数据驱动的出发点，也是数据驱动的落脚点。
如图3所示，一个完整的数据驱动流程大致可划分为数据需求、采集处理、挖掘分析、数据决策、数据驱动5个环节。
数据需求，是整个流程的第一步，其根据业务碰到的实际问题抽象而来，为数据采集指明了方向。
数据采集处理，即搞到数据并进行清洗、转换、整理和存储。
数据采集的方式主要包括可视化埋点、代码埋点、导入辅助工具3类。采集的数据类型主要包括埋点数据、日志数据、业务数据、爬虫数据、财务数据、第三方数据等等。
数据挖掘分析，包括数据挖掘、数据分析2个环节：
（1）数据挖掘，主要是计算机通过统计学、人工智能、机器学习等方法挖掘出有价值的信息或知识。
（2）数据分析，则是通过适当的统计分析方法及工具，对采集整理的数据进行剖析，提取出有价值的信息，并得出结论。
数据分析，主要的重点是进行业务的现状分析、原因分析、预测分析，常用的分析方法包括对比分析、分组分析、交叉分析、回归分析，等等。
2. 建立数据驱动体系闭环
随着数据专业技术的发展和数据工作的日益精细化，业务的数据驱动早已不是一个人独立就能完成的工作，而更需要依靠一个机制化的配合体系，相关部门之间需形成数据驱动的业务闭环。
如图4所示，管理层＆业务团队、数据团队是数据驱动体系里的最主要的两个业务角色。
管理层＆业务团队，首先需基于商业模式和企业愿景制订okr目标，从而指引业务链条上的相关团队沿着一致的方向开展工作，然后再结合业务实践中碰到的问题，形成具体的数据需求下发至数据团队。
数据团队根据业务需要，采集数据并构建起数据体系，结合业务方的数据需求进行挖掘分析，并将结论反馈给管理层＆业务团队；帮助业务方更科学地决策实现对业务实践的驱动，并最终促进okr的达成。
数据驱动体系得以运转的基础，是公司内部数据驱动的企业文化和价值观，让数据真正发声。
而让数据驱动体系高效运转的要点，是各个部门之间形成一致的数据共识，即明确公司层面的北极星指标和增长模型；而数据需求的提出、数据体系的构建需主要围绕这一数据共识而展开。
三、把握数据驱动节奏
数据驱动是一个动态的过程，业务实践中需要根据实际情况，灵活把握数据驱动的节奏和侧重点。
如图5所示，以一个互联网项目管理的节点为例，大致可拆分为事前、事中、事后3个阶段，每个阶段数据驱动的重点各有不同。
1. 事前阶段：主要侧重分析和评估项目的可行性，分析市场潜力和投资回报（ROI），基于充分的数据分析形成项目规划，并明确所要达到的目标及对应的项目指标体系。 2. 事中阶段：一方面要对项目数据进行全面实时的监控，确保项目的正常运行，建立异常告警机制；另一方面要及时对已经产生的数据进行挖掘分析，推动项目优化迭代。 3. 事后阶段：主要是对项目进行复盘，及时将转化数据同步给项目干系人，同时为后续的项目积累可贵的经验。
结语
以上，就是站在互联网“人”的维度，可以提升“数据驱动力”的三个层面。
另外，随着大数据和人工智能技术的发展，“机器”维度的数据驱动力也越来越重要，其正在深刻改变着行业生态，驱动着“产品智能”进行着快速的迭代。
