前言

写作理由

写书的过程比我预想的更加艰难和耗时，但我坚持下来的主要原因有以下几点。

首先，我发现在大多数业务场景下，数据驱动的运营效率远高于单纯依赖领域经验的运营效率。我掐指算了算，自己从京东到华为、VIPKID、火花思维再到滴滴，从事互联网数据分析已经快十年了。我做职业规划时有意识地做了领域交叉，从需求侧到供给侧、从互联网到传统企业、从国内市场到国外市场均有涉及。虽然每次遇到的具体问题都有所不同，但回顾过去的经历，我发现在每个领域都证实了业务领域与数据科学的结合可以释放巨大的生产力。数据在某种意义上是客观世界的映射，数据驱动实际上就是借助客观世界的映射来推动业务发展。相比之下，人的经验参差不齐。如果旧知识和客观世界的映射相冲突，客观世界就会占优势。因此，我认为数据驱动的价值在于让我们尽可能接近客观世界，从而做出更符合客观世界的决策。而这种决策也必然更有利于我们创造价值，这也是我喜欢数据的原因。

其次，我发现数据驱动业务的经验是可复制的。根据事情的确定性，我习惯性地将事情分为两类：一类是探索型的、创造性的，即这件事情没有发生过，也许理论上可行，但还没有人实现过。例如马斯克的SpaceX和特斯拉，这一类事情的不确定性极高，只有少数人才有做成这一类事情的能力。另一类是有边界、可描述、之前发生过的事情。这一类事情具有相对高的确定性，面对这类事情，要求参与者通过不断地学习最佳实践来实现价值创造。这两种价值创造方式都是有意义的，前者需要一些天赋且未必能做成，但会增加这个世界的可能性；后者则需要不断努力和学习才能达成，会提高这个世界运转的效率。数据驱动业务属于后者，通过不断努力和学习是可以达成的，且能提高实现新可能性的效率。

最后，我认为现在是一个非常适合共同拥抱数据的时机。《“十四五”数字经济发展规划》将数字经济提升到国家战略的层面。ChatGPT的出现让我们重新审视了数据和人工智能的巨大潜力，我们必须应对接下来可能发生的范式转移的变化。耶鲁大学的Stephen C. Stearns教授在总结进化史中的关键事件时，提到了生命的起源、原核生物的循环、真核生物的出现、光合作用和多细胞生物的出现等几个标志性的事件，并总结了几次关键进化中出现的共同原则：进化的瞬间会伴随层级的增长，层级复杂之后会伴随新的社会分工，信息传输系统将会发生巨大变化。通常在形成更高层级的过程中，上一个级别需要合作才能组成更高级别的单位，从而实现新的系统功能。随着AIGC的出现，现在看起来似乎不仅仅是人类会主动产生内容，算法也可以。而且基于人类的创造系统与AIGC的创造系统之间也可能存在某种协作与竞争。从微观上看，熟悉数据会给个人带来一定的竞争优势；从宏观上看，它可以提高我们的合作程度，提高我们作为一个整体系统在竞争中的表现。

写作思路

数据驱动业务本身是一件复杂的事情，成败受诸多变量影响。作为核心的驱动源，BI团队的核心竞争力不仅仅是代码效率，更重要的是团队可以用数据的视角观察世界。BI团队能找到多少数据驱动业务的机会点，能把握多少机会点、把握到什么程度，基本奠定了数据驱动的深度和广度。

鉴于此，本书主要从数据的视角出发，引用电商、教育、外卖实操经验，带读者一起挖掘可以提高业务各环节效率的支点，例如通过数据提高决策质量、驱动增长、强化价值主张、提升盈利能力、改善用户体验、实现风险控制等，并尽可能包含常用的思维模型、算法模型、决策模型，以及BI团队与业务、产品团队协作并影响业务决策的方法论。

这本书的写作思路是按照我从零搭建数据分析团队，并带领团队在公司内实现数据驱动业务时需要做的决策、完成的任务来梳理的。全书分为四部分：

·　第一部分（第1、2章）为BI概述与团队组建，从介绍BI分析的基本概念说起，包含BI职责与数据驱动的概述，以及组建团队时需要考虑的能力模型、团队选型、团队管理。

·　第二部分（第3、4章）为BI体系搭建基础知识，包括数据获取与管理，指标体系的概念、设计模型与使用场景。

·　第三部分（第5～9章）为BI创造价值专题，包括增长、价值主张、盈利、体验、风控五大专题。

·　第四部分（第10、11章）为回顾与展望，从衣、食、住、行、学五个方面回顾数据已经带来的变化与未来可预期的变化，最后从进化的视角探讨应对人工智能范式转移的策略。

对于想要通过数据驱动业务、改善决策质量的互联网从业者来说，本书应该是一本非常实用的参考书。对于非互联网领域的从业者，如果希望通过数据驱动来推进企业数字化转型或提高运营效率，本书也是一本有价值的参考书。

感谢本书的合作者：吕云彤、孟令桐、李丹阳、杨文帅、陈翠铭、韩彩文、吕晶晶和朴元奎。

只要有无效的市场存在，就有技术和数据可以提效的空间。希望通过本书内容的分享，降低数据驱动业务的认知和操作门槛，让更多领域都能开出数据的小红花，实现更广范围的数据驱动业务。

都美香

2024年1月