现在，很多公司都在喊“数据驱动”，但是许多打着“数据驱动”标签的业务或团队，其实只是由老板驱动，或者由经验驱动。那么，数据驱动的真实形态到底是什么样的？如何判断一个公司是否是真的数据驱动？一起来看看本文的解读。

在降本增效的大浪潮下，不管是有没有数据团队，几乎每个公司都在喊数据驱动。

然而数据团队在工作中大部分仍然处于工具人地位，团队业绩好的时候，业务团队就说：

• 你的建议没啥用，我们早就这样干了！
• 业绩做得好都是我们的功劳！
• 你们只需要给我们拉数据就好了！

当团队业绩不达标的时候，业务团队就说：

• 你算的数据目标/指标根本就不合理！
• 按照你的分析建议做的，为啥业绩做不好，都是你的锅！
• 别人家的阿尔法狗子预测的多准，都是你们不专业！

那么，为啥会出现这种情况吗？说好的数据驱动呢？！

其实，这些都是常态，因为很多业务只是嘴上喊「数据驱动」，给自己团队打一个专业的标签罢了。日常工作中，根本不是数据驱动，甚至都不需要数据驱动。

一、几种“伪数据驱动”的形态

1. 说是数据驱动，实则老板驱动

这类型的特点是，老板说个数，拍个增长率，然后不停的开会：你们要懂数据驱动啊！我们这个月月底要干到1000万！并且十分喜欢《华尔街之狼》之类的电影，经常搞一些所谓“狼性文化”的团建活动。

其实很多这类的公司，在业务上根本不需要所谓的「数据驱动」。大部分类似的公司都是靠老板个人的渠道资源吃饭的。例如：

某公司做大学生技能培训班，老板是从一个211大学出来创业的，曾经是大学老师。商业模式是寒暑假利用大学校园的教室资源给在校大学生上课，合作的学校有两三家。请问，这样的公司业务增长是否依赖数据驱动？

答案是：

当然不依赖！真正依赖的是老板的个人资源。

老板多去喝几顿酒，多合作几家院校，把竞争对手都赶出校园。业务的增长比吭哧吭哧分析一堆块多了。

公司资源在老板手上，老板当然希望底下的人能把他的资源能赚到的钱尽量都赚到。所以非常有动力用「一个很高的目标数据去驱动员工」，然后对着数据团队说你们怎么不搞数据驱动，怎么天天在取数？

2. 看似数据驱动，实则经验驱动

这个类型的业务经常会说的话是：

• 这个方案肯定可行，我可是从业20年的大牛，不比你清楚？再回去分析分析！
• 我在xx大厂里肯定都是这么做的，这样做肯定行！你说不行一定是数据不准！
• 我以前就这么看数据的，这是行业标准，你这个看板做的啥呀，一点都不用户友好！

从业多年的老油子们习惯了经验决策，会带着观点看数据或者听报告。只要是跟以前的经验有出入的，首先就会挑战：你这个数据准不准啊，你分析的角度行不行啊。

在这种情况下做分析就十分痛苦了，因为建立不起业务信任，除了分析之外，还需要花大量的精力去解决「这个思路或者这个数据是不是对的问题」。

这样的公司或者业务，基本上都是历史上有过一次或者多次的惊艳决策，在内部树立了权威形象。

当数据符合预期时，就会说：大家要按照数据思维去做事情！

当数据不符合预期时，就会说：大家按照我说的做准没错！

3. 表面数据驱动，实则利益驱动

这样的业务特点就更明显了，一般的时候业务团队跟数据团队的沟通很密切，大家如胶似漆，其乐融融。但是基本上分功劳没数据团队，背锅全是数据团队的——特别是在业绩增长的问题身上。

举个例子：

一个商品的促销活动——落地页是产品做的，品类展示是运营做的，电话是销售打的，整个业务流程看起来跟数据一毛钱关系都没有。业绩好的表彰的都是这些人。

当业绩不好的时候，锅就来了：

• “我们的用户画像一点都不好用，高价值用户还有很多不买单的”
• “我们的AB测试之前就说过有问题，人群根本都不是完全一样的！”
• “预测做的根本就不准，害我们没有接住流量！”

只要怼你的部门多了，不是你的问题，也会变成你的问题。

二、数据驱动的真实形态

数据驱动的两种形式

目前有效的数据驱动模式大致可以分为两种，分别是：数据团队驱动和数据流程驱动。

1）数据团队驱动

这种模式基本上都是先派出分析师深入到业务部门，做业务部门的舔狗，以降低业务部门「挑战」数据分析的概率，所以也叫做「数据分析师驱动」。

好处是从而自下而上的逐步标准化流程，建立数据认知。

2）数据流程驱动

这种模式需要很强的权力认定，大老板对数据团队有很高的授权，并且在组织架构的工作流程顶层设计上，会把「看数据说话」这件事情渗透到每一个工作部门里。

这样做的基底是：

• 有清晰的流程设计，谁都别想甩锅；
• 有强大的数据产品能力，可以满足各个层级的数据需求。

三、打工人如何避坑

其实总结下来，在判断一个公司是否是真的数据驱动，主要看以下三点：

工作流程：通常来讲，数据驱动的公司都比较讲流程，讲道理。如果在前期沟通发现决策的链路相对比较完整，不是谁谁谁都可以直接向老板汇报的话，这样的公司建立数据驱动的可能性会比较高。

数据建设程度：这个很好理解，也很好了解。只需要看日常工作中，大家的数据是从哪里来，用什么处理。如果一个公司内部没有数据产品，也没有计划向外采购，基本上就很难做好数据驱动了。举个例子，如果所有的元数据都存在某个系统的数据库里，平时汇报分析又是用excel，打工人进入这样的公司很容易陷入到无限制的取数当中，成为表哥表姐。

组织架构：数据部门的组织架构如何，很大程度上代表了老板们认为数据部门在业务中的重要程度。上面说的中台制和业务BP制其实都是比较合理的一种形态，也代表了一定程度上的重视。但是如果是每个业务线单独配备一个数据人员，没有人来统筹，又或者是数据部是一个部门跟其他的业务部门是平行的关系。这样去推动从经验决策或者利益决策到数据决策，就会十分困难。

但是话又说回来，并不是每一种业务都需要数据决策的。比如一些强资源型的业务，吃政策饭的，像上文说到的大学生培训项目，又或者是某个地区带有医疗资源的的私人医院。数据部门只需要做好日常的支持就可以了，对业务增长没有什么特别大的帮助。

但同时这样的业务，数据的薪水也会开的比较低。

那么，什么业务才需要数据驱动决策呢？是一些市场化高，竞争激烈的业务，比如游戏、电商、内容平台领域。这些领域的毛利本身不是特别高，就更需要通过数据去复盘和迭代策略，以赚取更大的利润，获得公司发展。

这样的业务，给数据团队的薪水一般比较高，但同时也比较卷。

所以，对于一些希望做或者正在做数据的人来讲，是否「数据驱动」代表了数据人员的地位，而所在的业务形态决定了数据人员的薪水增长。

选择工作时，对自己合适的，才是最好的。