在公司诸多品牌事业部中，因为主品牌体量大，举足轻重的地位，电商公司更重视数据分析，主品牌的营销部门，单独成立了一个「数据分析组」，主要负责部门经营数据、天猫店铺销售数据、流量数据、竞品数据、闪购平台和顾客的数据分析工作。

在这里我们不难发现，销售数据分析和运营的工作有交集，流量数据的分析和推广工作有交集，而现实的情况是，脱离业务的数据分析组并未发挥很大的作用，数据组的工作更多的是偏向于数据的统计，而非真正的分析，在各种活动的复盘报告里，看到的更多的是数据的展现。表面上来看，运营团队把更多的经历放在了营销上，无疑这样的其实效率是低下的，导致业务人员脱离数据，而数据人员脱离业务，业务风险偏向了更高一级的决策层，现实的业务流程是，经理主管发现数据异常，抛出某一个问题，数据组拉数据进行描述性分析，决策层指定方案下发给运营团队，运营处于相当被动的状态。

现在我们都在讲数据驱动业务增长，这个如何来做呢，我认为主要有两方面：

我认为这应该是数据团队去做的事情，把公司的一连串业务，企划、生产、产品、营销…整条业务线的数据指标进行数据收集，进而根据业务逻辑，搭建立数据分析系统，生成各种业务分析报表。

数据团队连接技术部门负责数据仓库、分析工具的部署，我们尝试了数云的 NewBI，Tableau 这样子的产品；连接业务部门进行数据分析，数据监控，业务模型的搭建，这里就对数据团队的成员要求很高，既要懂得数据分析系统，又要了解业务，数据团队成员深入各个业务组去做实际工作体验和调研需求就是一个很好的方式。

在业务数据化上，我们首先要明白，最终的业务模型，然后进行数据化，比如我们做关联推荐，做商品分析，这里就需要把商品进行数据化。对于业务数据化的尝试上，首先我们搭建了数据仓库，对数据进行标准化（统一数据字段名称）的工作，然后尝试了商品标签化，对商品进行全方位的分析，我们这里最想做的是通过标签化的商品，一方面是分析商品流行元素，对于运营选款提供数据支持，另一方面是想做个性化推荐的邮件营销。

在数据业务化上，我们尝试完善业务框架体系和数据监控体系，所谓业务框架体系就是，我们针对不同的决策者，建立各自的数据分析报告；对核心数据指标我们对其变化趋势（环比、同比、趋势）进行监控，变原来的被动为主动。

---

2014年底加入数据组，制定和思考2015年方向的思考，或许我们的力量还不能改变很多，但是只要是改变总是好的。