转载/大鱼的数据人生
有读者来问“数据业务化”是什么意思，我记得这句话最早来自阿里集团内部关于“一切业务数据化，一切数据业务化”的说法，本来也没什么，但后来类似的说法就越来越多了，不明觉厉，至少包括：
业务数字化，数字业务化；
产业数字化，数字产业化；
能量信息化，信息能量化；
......
虽然说法很精炼，很高大上，大家喜欢引用，但我发现不同的人有不同的理解，差别还是很大，每个人心中都有了自己的“哈姆雷特”，如下所示：
业务数据化实质上就是「数据化运营」，而数据化运营的本质是对用户的运营，数据都源自于用户的属性和行为。产品生命周期全过程就是一个用户获取、用户活跃、用户留存、付费转化、口碑传播的闭环流程。这流程中每一个节点其实都是对用户行为的激发以完成每一个阶段的目标。以数据为决策依据，以数据为导向，这就是所谓的「业务数据化」
——某产品经理
很多人对「业务数据化」的理解还只停留在表面。「业务数据化」不是简单地将用户行为数字化存储，信息只有通过内在的指标化（亦可称为模型化），达到业务数据可利用、可分析、可改进，进入运营环节才能称之为业务数据化
——某产品运营
业务数据化很好理解，就是我们之前说的「信息化」。「数据业务化」其实也比较好理解，指数据转变为带有建议性的信息帮助客户实现商业目的。常见的把用户数据打包卖给其他人，还称不上数据业务化，因为数据并未转变为面向客户实现商业目的的内容，所以很多公司还只停留在「数据倒卖化」的阶段
——某产品经理
没记错的话这句话是马云爸爸提出来的。他的原意应该是让阿里各项业务所产生、积累的大数据来丰富阿里的生态，同时让生态蕴含的数据产生新的价值，再反哺生态，这是一个相辅相成的循环逻辑
——某产品经理
一切业务数据化，能够更加直观的了解业务的运行状态，针对不同业务也能够更加方便的对比、评价，对业业务的控制和改进有促进作用。一切数据业务化，是指数据的收集要以业务开展为核心，大量的没有针对性的收集数据既是提高了成本，又容易让管理者找不到重点
——某教师
业务数据化，业务有数据结果，有数据体现，数据业务化，收集数据与业务要有结合能支持业务进行.感觉是这样
——某运营经理
一切业务数据化，是指需要量化业绩，大锅饭的时代要过去了。一切数据业务化，是指用数据推动业务发展，拍脑袋决策的日子要过去了
——某项目总监
经由不同的人这么一解释，这句看似清晰的话变得扑朔迷离起来，那么“业务数据化，数据业务化”的到底是什么呢？
“一切业务数据化，一切数据业务化”源自阿里，意思是阿里丰富的业务生态产生、积累了大量的数据，这些生态蕴含的数据可以产生新的价值，再反哺生态，这是一个相辅相成的循环逻辑。前者强调业务数据的沉淀和收集，后者强调数据的应用，更加聚焦让数据产生价值。
阿里的这个解释比较宏观，毕竟是老板讲话用的，但有人诠释出了新的内涵，更有启发意义，我这里结合自己的理解做个总结提炼。
首先讲业务数据化，我认为共分为二个层次：第一层：线上化
所谓业务数据化是将业务过程中产生的各种痕迹或原始信息记录并转变为数据的过程，包括数据架构设计、数据建模、数据存储、数据质量管理等系列活动，业务数据化其实早就开始了，或者说之前叫信息化。
从OA系统、CRM系统，到ERP系统其实都属于业务的数据化，只是由于传统行业许多业务是在线下展开，数据化十分困难。借着互联网，尤其是移动互联网的普及，DT时代来临，才有条件实现更好的业务数据化，这一阶段被认为是业务数据化的初级阶段。
第二层：流程化
但线上化只是信息化时代的要求，数字化赋予了业务数据化新的内涵，即我们不仅要将业务流程的数据全部沉淀下来，还需要通过数据治理的手段打破数据孤岛，实现上下游系统数据的融合融通，同时通过业务对象、业务规则、业务过程的全面数据化来确保端到端业务流程的高效自动化运行，并且为全流程的优化奠定数据基础。只有做到这一点，业务数据化才算达到了高级阶段。
其次讲数据业务化，也可分为二个层次：第一层：运营化
业内普遍的看法是，数据业务化是指：通过对业务系统中沉淀的数据的整合，从数据中找到规律，让数据更懂业务，并用数据驱动各个业务的发展，将数据渗透到各个业务的运营当中，让数据反哺业务，最终释放数据价值，完成数据价值的运营闭环。
传统的取数、报表、指标、建模、BI、分析、挖掘等等，都是数据业务化的手段。
第二层：产品化
数据运营是数据业务化的保守形式（比如阿里基于自身已建立起庞杂的业务群落和成熟的数据生态的基础上提出了运营这个观点），虽然其也是数据创造价值的一种形式，但数字化时代的数据业务化，更应从数据的产品化与商业化角度来定义，否则喊这个口号没什么现实意义。
所谓数据业务化应是指：在数据整合的基础上，将数据进行产品化封装，并升级为新的业务板块，由专业团队按照产品化的方式进行商业化推广和运营。
这个定义的指导性会更强一些，现在很热的数据变现产品，比如风控、洞察等等，都是数据业务化的典型代表，具体如下图所示：
第一层：互相促进
首先，先有业务数据化，再有数据业务化，前者是后者的基础；其次，数据业务化对业务数据化提出更高的要求，后者是前者的驱动，最后，两者其实是一个螺旋提升的过程，共同服务于业务运营，产品创新和数据价值释放。
第二层：相互嵌套
业务数据化如果将数据加工成知识，就能更好的满足数据业务化的要求，数据业务化只有拥有更好的知识，才能驱动业务运营和产品创新，对于业务数据化来讲，知识是其终点，对于数据业务化来讲，知识是其起点。
两者在知识上交汇，业务数据化多做点，数据业务化就可以少做点，反之亦然，两者其实是一个有机的统一体，这种嵌套也体现到了数据中台和业务中台的关系上。
从这个角度来讲，我们既可以把数据加工成知识这个过程看成是数据业务化的一部分，也可以看成是业务数据化的一部分，不再有绝对的标准。
正文完
业务数据化的绝佳工具推荐
看到这不妨试试业务人员都在用BI工具——FineBI~~~
作为目前国内市面上应用最为广泛的自助式BI工具之一，FineBI打破了传统信息部门开发报表，业务人员查看报表的滞后数据流程，通过轻量便捷的BI平台使得最有分析需求的业务人员也能轻松分析出自己所需要的数据结果。
轻松构建出你的数据图表思维逻辑，让你拥有独到的洞察性数据见解，进而达到有效沟通或者数据汇报的目的。
- 你可以把它视作为可视化工具，因为它里面自带几十种常用图表，以及动态效果；
- 你也可以把它作为报表工具，因为它能接入各种OA、ERP、CRM等系统数据，不写代码不写SQL就能批量化做报表。
- 你还可以把它看作数据分析工具，其内置等常见的数据分析模型、以及各式图表，可以借助FineBI做一些探索性的分析。
|
|
不想写日报、周报？这款报表自动化工具一定要收好，打工人必备！
做一个数据可视化项目没有难度？最怕你想不透这3点，难度翻倍！
如何加速数字化转型？10个央企国企经典案例值得收藏慢慢看！
,
