价值驱动:数据分析价值逻辑与实战方法

分析职业的终局是什么？这是一个很关键的问题，应该被持续思考和迭代，因为它将极大影响我们的职业高度与成长效率。在寻求答案的过程中，Who-What-How 是一种有效的思考方式。

Who：我服务的核心用户是谁？

What：我能为他们提供什么独特的价值？

How：这些价值通过什么方式实现，又如何获得价值回报？

其中的变量是Who。核心用户的选择极大程度上取决于个人的认知水平和实践能力，而匹配核心用户是个人职业发展重要的驱动力之一。

职业成长与用户变化如下图所示，与分析从业者职业成长相对应的是不同层级的用户，我们的首要任务便是锚定核心用户。

那么，分析服务的核心用户到底是谁？

分析从业者在工作中经常会与用户（业务方）打交道，我曾经把产品、服务、运营等不同类型的（业务）人员作为关注的核心用户，但后来发现，关注这些用户已经很难帮助自己在业务上突破原有认知，并且会让自己长时间忙碌于琐碎事务中。这促使我不断去思考，真正带给自己持续成长与蜕变的用户到底是谁？

在有赞供职这几年，我内心的核心用户慢慢从具体的某个人变成了“公司”。与此同时，所有思考的焦点也转变成“团队能为公司在提高商业价值变现效率上创造什么价值”。

现阶段，我所有的思考与规划都是按照这个方向展开的。

为什么写这本书？

希望借此书分享我们多年以来在分析方向的心得和解决复杂问题的经验，并浅谈对

SaaS（Software as a Service，软件即服务）场景重要命题之薄见。本书以呈现真实的思考过程和实践经验为出发点，期望启发相关从业者发现更多职业发展的可能性。

需要说明的是，本书极少从数据运营、业务分析、数据分析、商业分析、经营分析等一系列岗位及职能的视角来表达一些带有立场的观点，因为我们认为这并不利于相关从业者的职业发展。如果从企业需求视角来理解，则更容易洞悉这个职业的真正价值与魅力。因此，本书将相关岗位名称统一称为数据分析（简称：分析）。

本书特色

本书以分析从业者的职业发展为主题，以可持续的价值创造为主线，呈现了一套清晰的认知逻辑与实战方法论。全书分为3 篇，主要介绍的是具备多年分析经验的从业者的成长路径，而不是各类分析方法、工具使用的简单罗列。同时，借助实际工作中总结出的方法论来讲述驱动分析型企业建设的经验与思考，这将有助于读者构建更具备实战意义的认知框架和知识体系。

第1篇是起始：企业价值，主要介绍企业的使命、愿景、战略目标与解码的基本逻辑，以及如何通过经营管理和分析型企业建设来保障年度经营规划的达成，这是企业价值的展开与实现过程，也是分析的认知起点和成长机会点。

第2篇是终局：分析价值，站在企业全局视角，从规模、成本与效率三个角度审视不同类型的工作内容（问题验证、报表体系、研究分析等），并基于此尝试提出分析的价值主张、业务驱动的方法论——SE 环和若干实战打法经验，让读者能够站在整体层面理解和推进企业分析决策能力建设。

第3篇是支撑：核心胜任能力，分别从分析技术、工具技术、业务技术及领导力四个视角，以更加体系化的方式呈现相应的知识结构与要点，避免碎片化的积累反而影响在业务场景下的系统性应用。

读者定位

本书的读者首先是分析相关岗位的从业者，尤其是具备多年工作经验的从业者。经历过各类工具、分析方法与业务实践之后，仍有很多人对未来的职业发展存在着迷茫与困惑。我们希望将现有的思考与经验分享给更多有需要的人。

其次是企业的管理人员。面对竞争日趋激烈的行业环境，深入且敏捷的数据洞察能力有助于提高决策效率与质量、降低决策成本。但这种能力的构建需要依靠机制来不断推进，我们需要为此不断创造富有养分的土壤，才能结出大家期待的果实。本书中的一些经验也可作为参考。

学习建议

我们要从整个职业生涯演进过程来认知分析，而不是执着于其中某些要素或岗位职能。对于入行3年左右的从业者，全面、体系化的知识梳理是关键，可以重点阅读第3篇支撑：核心胜任能力，这是持续进阶的基础条件。

对于入行3年以上的从业者，如果对于未来成长方向及个人价值实现仍然困惑、迷茫，建议重点阅读第1 篇（起始：企业价值），从而在战略目标落地的价值链路中寻找自己的成长机会点。

对于期待从事分析团队管理的从业者，当面对不被重视、分析策略难以落地等处境时，建议重点阅读第1 篇（起始：企业价值）和第2 篇（终局：分析价值），在充分理解战略目标与经营规划的基础上，借助机制建设来推进价值创造与落地。

对于企业管理人员，面对决策效率低、执行效率低等现实挑战，建议通读全文，可以通过分析型企业建设来不断强化竞争优势壁垒，并快速正向演进。

本书内容注重理论与实践紧密融合，适合放在身边，它将是学习进阶过程中可靠的战友，常读常新，帮助你真正实现从被动期待他人“客观”评价进阶为自己掌握主动权，并定义自己的价值创造是什么、有多少。

致谢

本书的灵感来自我在有赞4年多的工作思考与总结，首先，感谢有赞提供的平台与机会，让赵力、邵俊杰和我积累了很多实战经验；其次，感谢所有团队成员及部分同事的帮助，尤其是侯蕾、武润泽、孔岳、杨霞艳、何新巧提出的宝贵意见，没有大家的努力就不会有持续的迭代与完善；后，感谢电子工业出版社的张慧敏老师，从选题到立项、修改，提供了很多宝贵的意见和帮助。

黄小伟

推荐序

在数字化时代，数据不仅是一种产生和传递信息的媒介，更是塑造企业竞争优势的决定因素之一。作为知识密集型企业，互联网公司拥有庞大且复杂的数据资源。如何利用这些数据资源加速商业价值变现是一个极其重要且紧迫的命题。借助数据分析，我们能够客观、全面、体系化地呈现业务现状、策略执行与结果之间的关联，并据此强化执行过程的质量与效率、驱动业务策略落地与闭环。

国外具有优秀数据文化的企业包括Google、Amazon、Meta、Netflix 等科技公司，国内美团、字节跳动等公司也大量使用数据来驱动企业发展。在实践数据文化的过程中，能够通过数据驱动决策，制定数据治理策略，促进数据共享和协作，并能利用先进的人工智能和机器学习技术不断改进和优化数据文化。我们常说，一个业务的发展如同爬楼梯，业务团队有的觉得是一级级走上来的，有的觉得是“俯卧撑”上来的，有的觉得是跳上来的，实际上都是坐电梯上来的。如何准确衡量和评估业务策略和结果之间的相关性，对“输入项”做功，而非仅仅追求“输出项”的结果？通过建立“Data First”的数据文化，

能够更高效地提升决策质量和效率，提升企业的市场洞察力和竞争力，还能更好地在动态的商业环境中把握机会并管理风险。

然而，企业的数据分析能力建设并非朝夕之功。在很多企业中，数据分析主要依赖少数从业者的积极性，而非良好的企业数据文化和明确的机制建设。这往往导致企业缺乏长期且确定性更高的业务策略产生路径，进而制约可持续竞争优势的保持，并造成各类资源的持续浪费。有效的分析机制可以带来巨大的优势，克服个别从业者所带来的人员不稳定性、经验难以复制、团队协作差、管理成本高等劣势。那么，应该如何构建与当前企业发展相匹配的分析机制？

本书提出了一个从实践中萃取的答案：SE 环。SE 环是作者们在长期业务实践过程中的沉淀与总结，将业务现状（Situation）、高质量问题（Question）、有效回答（Answer）、反馈评价（Evaluation）和知识传播（Expansion）恰当组合，促使数据分析与业务紧密协同并实现正向演进。SE 环短期可持续优化业务策略，长期则有助于数据文化与组织能力的塑造，对企业来说非常重要且有意义。正如彼得·德鲁克所说：“你如果无法度量它，就无法管理它”，机制建设与完善是极其艰难的过程，需要进行合理的量化、评价与迭代，否则很难真正落地。这是本书的亮点之一。通过量化的方式不断实现机制的快速迭代，使之能够更有效地驱动企业分析决策能力的提升，并将其融入企业文化和战略规划中，终形成匹配企业发展需要的驱动机制，实现数据驱动的商业成功。

在过去5 年建设有赞的数据分析团队和机制文化的实践中，我的体会是，企业领导者对数据驱动商业决策的信念和坚守是成功的关键。这是克服长周期的困难，下定决心投入资源去建设团队、树立体系、制定流程和终形成数据驱动文化的核心驱动力。

随着人工智能技术的不断发展和应用，以ChatGPT 为代表的新一代AGI 平台在重塑人机交互的模型，未来的数据分析领域将会发生巨大的变革。在面对海量数据时，人工智能可以帮助企业更高效率、更低成本地进行分析和挖掘，让业务团队更简单、更轻松地获取数据分析之后的结果，进而更好地理解宏观经济环境、市场需求、行业趋势和客户行为。这将提高企业经营决策效率，终提升商业竞争力。此外，人工智能的发展将给从业人员带来新的机遇和挑战，相关从业者应该积极拥抱技术变革，不断学习，提升认知水平、知识结构和专业能力，以适应快速变化的市场需求。数据分析工作将更多聚焦于数据收集和机器预训练（Fine Tune）两个环节，并更大程度上在企业内普及和推广数据分析工具的全员使用。同时，企业应注重培养这方面的人才以适应全新的工作模式。

我相信，人工智能技术的不断革新将为企业带来更广泛的机遇和挑战，只有通过不断学习和创新，企业才能在未来的商业竞争中“适者生存”。

我对此充满期待！

浣昉 有赞COO兼联席总裁 前高瓴资本投资人

《价值驱动：数据分析价值逻辑与实战方法》以分析从业者的职业发展为主题，以可持续的价值创造为主线，呈现了一套清晰的认知逻辑与实战方法论。全书分为3篇，第1篇是起始：企业价值，主要介绍企业的使命、愿景、战略目标与解码的基本逻辑，以及如何通过经营管理和分析型企业建设来保障年度经营规划的达成；第2篇是终局：分析价值，站在企业全局视角，从规模、成本与效率三个角度审视，并基于此尝试提出分析的价值主张、业务驱动的方法论——SE 环和若干实战打法经验；第3篇是支撑：核心胜任能力，分别从分析技术、工具技术、业务技术及领导力四个视角，以更加体系化的方式呈现相应的知识结构与要点，避免碎片化的积累反而影响。

《价值驱动：数据分析价值逻辑与实战方法》以综述型的方式，向大家展示认知逻辑、方法论及实践经验，并体系化地呈现各种关键能力要素及应用心得，适合具备3年及以上经验的分析从业者、企业管理人员阅读，也适合SaaS 及To B行业从业者阅读。