本文根据 2020 年度宠物行业 50 强企业 E 宠科技数据产品负责人黄启德《有数无市？数据应用推广实践》的分享整理。主要内容如下：

一、“铲屎官”的自我介绍

众所周知，消费排行榜前三名分别是：女人、孩子和宠物。E 宠商城作为宠物行业最大的垂直电商平台，与全球各地 900 多个宠物用品品牌达成战略合作协议，保证产品质量与来源的同时，满足宠物全生命周期用品需求，并创新性地提供周期配送、育宠师等品质服务。

致力于为中高端宠物家庭提供更多好产品、好服务，E 宠商城在国内宠物领域开创多个“第一”：第一家宠物行业建立自营仓储体系的电商平台；第一家宠物行业内建立海外分支机构引入海外产品的跨境服务电商。  目前，E 宠和大部分电商企业一样，面临着数据应用的挑战。黄启德将 E 宠的数据应用概括为：“顺势而为”。

数据应用时，理论能否落地实践、驱动长久发展是一个值得思考的问题。当我们“顺势”走过一段时间后，有可能会想得太多，做的太少，过度“顺势”，忽略了 “而为”。“顺势”指的是跟着大趋势走，正如企业跟随市场变化加速数字化进程；但同时，也要根据自身业务场景，推动数据在企业内部的应用，两者兼顾，便可以概括为“顺势而为”。

二、有数无市，数字化转型并非一蹴而就

E 宠已走过 12 年，它有自己独特的生存方法论，但这套方法论并非是最完美的 —— E 宠以市场关系为导向，对数据的重视程度有待提升。

E 宠成立于大数据前时代，公司对数据的认识没有现在深刻，间接导致团队内数据需求少、数据应用程度低。在诸如此的往复循环中，加上业务驱动和需求导向的工作方式，导致公司产品和研发团队始终围绕功能和系统，在埋点采集、数据统计和呈现等方面无有效进展。

虽然 E 宠在 2015 年已经完成了数据团队的组建，但在接下来的很长一段时间内，处于“有数无市”的状态，即有足够的数据产品和丰富的数据资源，有可投入使用的工具，但没有应用到实际业务场景中，导致数据的价值未能充分发挥。

为了推动数据应用与落地，E 宠通过三方面来实现数据驱动，解决不确定性：

第一，在内部打造一套自助报表查询系统，脱离代码层面，通过直接勾选获取想要的数据，并在此基础上做了条件查询和聚合查询的改进：条件查询，即勾选条件的“且”、“或”关系；聚合查询也就是按照订单分组，或者按照个人/单个用户分组等。

第二，参考市面上的可视化产品的优点组建自己的多棱镜看板可视化系统，完全脱离程序开发，由数据工程师写 circle，构建可视化报表。

第三，接入神策分析，依靠神策强大的数据分析和技术能力，帮助产品、技术、运营、市场各部门同事转向数据驱动。

在渠道溯源方面，E 宠通过四套参数获取用户渠道信息：

· 广告系列来源：自动获取网页 URL，帮助活动运营同学识别各个渠道的用户转化情况

· 事件来源：追溯用户在上一个页面的行为信息

· 事件路径：记录用户在 APP 中的完整操作路径，缓存到每一个页面浏览事件中，用参数串联起来。

· 点击来源明细：抓取 APP 内用户点击坑位的具体信息，不局限于页面和商详页信息记录

与此同时，为了避免因对产品功能不熟悉、使用成本过高导致的数据应用不足，E 宠在内部打造了一套完善的培训体系，通过功能文档、图文、GIF、视频等形式，对数据应用全面普及。

到了 2019 年，E 宠的大部分数据应用已经可以有序运转起来了，运营同学会通过数据来关注活动效果和流量转化情况，采购部会基于数据分析结果洞察采购转化率，以及周转周期等。

三、数据应用的道与术

和大部分技术驱动的公司不同，E 宠在数字化转型的道路上有着自己的定位和发展规划，在数据应用上，E 宠坚持的核心方向是“融入流程”，主要从业务、研发和决策三部分切入，如下图所示： 

1.融入业务流程

在基层运营团队，他们面临的最大挑战是不会使用数据应用工具。鉴于此，E 宠将运营团队数据应用工具定位为平民化、人人可用的工具，根据实际应用场景，添加自动化功能，比如自动化预警等，依靠系统强大的算法能力来降低使用成本。

有了可用的工具，那么谁来用？在 E 宠中，与客户接触最多的通常不是运营，而是客服，因此，客服团队是 E 宠的黄埔军校，他们是最了解用户的群体，后期也是最有可能进入运营层面融入业务流程的群体。作为宠物电商企业，E 宠的客服团队会定期接受专业培训，学习宠物的常见病例、场景等。同时，客服团队的求知欲和对工作的热情相对较高，因此 E 宠会把客户团队作为“种子选手”进行数据应用方面的培养。

但并不是每一个“种子选手”都来自计算机专业，有一定的程序思维，了解数据产生的机制，这就需要充分发挥 E 宠内部培训体系的价值，正如前面所讲，E 宠会针对“种子选手”的数字化程度来做针对性加强，弥补程序思维短板。因为所有的程序最终都会归于数据的增删改查，所以 E 宠尽可能地帮助“种子选手”了解工具的每一个功能最后落地到数据层面会是什么字段等。

在另一方面，因为研发没有投入太多精力做数据采集和统计的工作，为了不影响业务流程正常有序开展，E 宠通过替换业务系统，在原本复杂的工具流程上进行改进，以此降低团队使用成本。

2.融入研发流程

面向研发团队，首先要拒绝脑洞需求，要保证提出的需求是有价值、可实现、具体的，否则在需求推动和落地的过程中必然是困难重重，很有可能是竹篮打水一场空。要注意的是，各团队之间的沟通方式和技巧是需要去持续摸索的，这也再一次印证了程序思维的重要性。

在实际场景中，每一个需求的落地和上线都能带来一系列反馈，可能是收益，也可能是损失，当把埋点、功能的数据分析结果同步给研发团队，他们会对自己的产出价值有更直观感受。对研发团队的劳动成果给予反馈和尊重，久而久之会在团队内部形成一套固定的工作模式，一方面能够增强各团队沟通协作效率，另一方面推动产品和功能的落地速度。

与神策合作已有四年，E 宠累计推动内部研发团队做了三次埋点迭代，从“独角戏”到全面应用，这是融入研发流程的重大转变。

3.融入决策流程

掌握决策权的通常是老板和管理层，他们对数据应用的认可程度决定着公司的数据应用程度。如何融入决策流程？可以从三点入手：

（1）主动提供数据支撑。汇总业务数据，向上传递业务价值，推动决策者感受数据带来的价值，并通过预警服务消除其对数据应用安全等方面的忧虑。

（2）业绩指标纳入数据。根据实际业务场景，量化指标，同时提供问题分析服务，主动通过数据帮助团队解决困难，在企业内部推广数据价值。

（3）变主动为被动。尝试主动给决策者建立数据看板，或邮件通知业务，在场景中高频展示数据应用场景，激发决策者的好奇心，从“无人问津”到“人人在用”。

区别于学术界专注研究的特征，工业界更注重资料生产和资料效率的提升，他们以 ROI 为导向，秉承着用最小的资源去满足需求，博得最大回报。E 宠虽然在数字化转型的道路上磕磕绊绊，但所走过的每一步都有所回报，既仰望星空，又脚踏实地。未来道阻且长，数据质量、数据时效、数据治理、数据安全、数据分析应用、人工智能应用都是需要持续深入挖掘的区域。