00

　　導語

　　在之前的文章中，筆者就一些用戶行為分析的知識和概念進行了科普，未免有些生澀難懂，這次咱們聊一個相對輕松易懂的話題。在和一些傳統行業的企業（包括但不限于一些老牌的大型企業）合作的過程中，筆者發現，這些企業共同的特點就是歷史悠久，資金預算相對雄厚，但是由于各類原因在數字化轉型的過程中困難重重，相對于一些互聯網氛圍濃厚的企業，這些傳統企業的數字化進程更為緩慢和艱難。下面筆者就一一列舉這些痛點和困難，希望能引發大家的思考。

　　需要注意的是，本文提到的所有問題或者例子，均不針對某一個特定的企業，僅是對整個傳統行業數字化轉型現狀的主觀描述，如有冒犯，還請理解～

　　01

　　數據根基建設方面

　　（1）企業內各系統/平臺的數據并沒有打通

　　這個問題可以被分成兩類，“打通難”和“不愿打通”。前者是客觀因素導致的，后者則是來源于主觀意志上的分歧。

　　“打通難”-傳統的老牌企業經過歷史沉淀，已經形成了自己的一套經營體系，業務線冗雜且各自為戰，不同的業務線下又有自己獨立的一套或多套系統，這也就導致用戶數據無法在多條業務線/系統間打通（也就是我們常說的id-mapping）-明明是同一個用戶，在不同的系統里會被賦予不同的用戶id，從而被割裂成多個用戶。舉個簡單的例子，筆者在線上app下單了某個品牌的快餐店的餐食，然后過了一段時間又去這個品牌的線下店直接就餐，假如這個品牌并沒有做到線上線下系統數據的打通，那么筆者這個人就會被兩套系統割裂成兩個用戶。又或者像一些傳統車企，數據來源廣且體量大，同時擁有自建平臺、外部渠道和內部系統的行為和業務數據，其中自建平臺包括企業自建的app、小程序等，外部渠道包括汽車之家、懂車帝、抖音、快手等，內部系統包括CRM、DMP、車機等，這些數據如果不作統一規范和打通的話，就會導致用戶在不同平臺上的行為無法串聯，無法從完整的用戶行為鏈路中獲得洞察。

　　“不愿打通”-一些傳統的老牌企業內部存在爭搶資源、爭權奪勢、甚至“辦公室政治”的情況，各部門只顧自己的利益、力不能往一處使，打通數據、規范數據的采集和使用自然也就成為了難以推動的事情。

　　（2）沒有統一的數據口徑

　　各部門/業務線對于數據的認知不同，導致數據口徑不一致。再舉一個簡單的例子，“活躍”這個指標，在不同公司的定義是不同的，因為每個公司的運營模式多多少少會有些差異，根據實際情況選擇合適的“活躍”口徑能夠幫助監測企業的實際運營情況。但是在傳統企業中，由于部門/業務線較多，每個部門/業務線也會出現“活躍”口徑不同的情況，這就導致如果想從企業層面統一構建數據標準并監測經營表現會非常困難。

　　（3）對數據整個流轉流程認知不清晰，導致無法從整體流程上管控

　　數據流轉流程包括“采集-存儲-管理-使用”。目前來看，很多傳統企業并沒有清晰認知這一流程，也沒有統一管理的意識，這也就導致沒有核心的管理者去統籌協調流程，各個數據來源也沒有對應的owner負責，出了問題難溯源和解決。筆者之前就遇到過這個情況，數據出了問題，由于沒有一個流程的統籌者和負責人，部門之間互相踢皮球，最終問題也沒有得到合理解決。

　　（4）數據質量差

　　這個問題主要表現在3個方面，數據問題無法主動監測和響應、無法量化數據問題的嚴重程度、數據問題無法從源頭根治。

　　數據問題無法主動監測和響應-企業沒有系統或機制對于數據問題進行主動監測和預警，只能等業務在使用數據時發現了問題才能被動解決。被動等待問題帶來的損失必定比主動發現問題大得多。

　　無法量化數據問題的嚴重程度-在同一時間內，企業內的數據問題極有可能并發，但是用于修復數據問題的人力、精力是有限的，這就要求企業需要有一套自己的數據問題分級機制，區分數據問題的緊急程度，分優先級、有先后地解決問題，而不是如滅火隊員一般哪里有問題就往哪里撲，導致真正緊急的高優先數據問題得不到及時解決。

　　數據問題無法從源頭根治-很多傳統企業目前還做不到從源頭管控數據的質量，等到后續數據有所積累后才發現問題已經非常嚴重，投入大量人力去修補，收效甚微且不具有可持續性。

　　02

　　數據應用方面

　　（1）“拍腦袋”解決問題的作風盛行，無法做到“用數據說話”

　　現在有越來越多的企業卷入數字化的浪潮，很多傳統企業也喊著“數據驅動”的口號。但是受到歷史經營模式和傳統思維的束縛，“拍腦袋決策”仍然占據上風，“用數據說話”這一思想在企業內部仍然不能得到很好的貫徹。很多傳統企業也在想辦法解決這個問題，他們會花錢請各類供應商（我們常說的“外包公司”）去做數據方面的項目，幫助他們進行數字化轉型，但事實上很多時候，企業決策者很少采納供應商在對數據分析后提供的建議，仍然按照自己的固有思維行事。

　　（2）對于如何分析和應用數據沒有思路，眉毛胡子一把抓

　　如果上面說的問題，是由于主觀意識上對于跳出傳統思維“舒適圈”的拒絕，那么這個問題，就是由于客觀上“數字化”能力的不足。在筆者的工作中，最怕聽到的一句話就是，“我什么都要”，這類需求方往往沒有什么思路，只想著先把數據拿到，放在那里，怎么分析和應用這些數據后續再說。殊不知數據的收集和存儲也是需要成本的，如果這些數據后續得不到合理的分析和應用，那這些數據也無法為企業帶來價值，純屬浪費資源；在關鍵指標遇到問題的時候，也沒有結構化的分析思維，找不到問題的源頭，更談不上解決問題。

　　03

　　總結

　　上述這些問題，可能對很多互聯網從業者來說，早就已經被解決，像id-mapping這種技術，在一些互聯網大廠不知道被迭代了多少次，已經非常成熟。但是對于很多傳統企業，這些問題仍然亟待解決，道阻且長～