數據驅動業務是數據從業者的使命。每支數據團隊都希望業務部門能用數據說話，習慣於從第三者的角度去審視業務部門的工作方式，指出其不夠精細的地方，然後祭出數據的武器，希望力挽狂瀾。
其實站在第三方的角度看數據團隊的工作，其本身也是一種“業務”，雖然數據團隊一天到晚想著用數據驅動業務，但卻很少用數據驅動業務的思想驅動自己。
只要你留意觀察，就會發現很多數據團隊對於自身的管理工作是非常粗放的，定性決策比比皆是。
但如果數據團隊自己都做不到用數據驅動業務，又怎能說服別人？
就好比每個家長都希望孩子能喜歡上讀書，但首先要做的是以身作則，讓自己先愛上讀書。
數據團隊沒有用數據驅動自己，體現在三個方面：
1、缺乏KPI的指引
業務部門的KPI備受詬病，但KPI使得業務目標得到了量化，指明瞭前進的方向，其是數據驅動業務的從0到1，價值毋容置疑。
但業務部門的KPI並不等同於數據團隊的KPI，業務部門的KPI完成了，並不代表數據團隊的KPI也完成了，數據團隊的使命是驅動業務，而驅動不等於業務。
比如業務部門可以將用戶保有率設置為自己的KPI，但數據團隊顯然不可以。也許數據團隊應該將保有用戶群的使用次數設置為KPI。
有人會覺得這個KPI太LOW了，但如果數據團隊生成的用戶群都沒被使用過幾次，更沒資格去談創造了多少業務價值。
因此，業務部門有沒有使用過數據團隊提供過的數據，對於數據團隊來說是最基本的KPI指標，即使是如火如荼的數據中臺，衡量其價值最核心的指標也是對外服務的次數，其他諸如營銷成功率等更為高大上的指標，也必須以這個為基礎。
沒有這些基本KPI的兜底，數據團隊的營銷成功率等指標大都也是曇花一現，PPT上博個彩頭而已。
但大多數據團隊並沒有認真考慮過如何設置自己的KPI體系，如下表示例。
比如基礎模型被訪問了多少次，融合模型被訪問了多少次，環比同比啥的，甚至連這些指標都統計不出來。
在嘲笑業務部門多如牛毛的指標時，數據團隊也許連設計指標體系的意識都沒有，而這往往是數據團隊用數據驅動自己的起點。
2、不會用報表管理
筆者為業務部門做過成百上千的報表，雖然只做報表上不了檯面，但報表卻是數據團隊對於業務最大的貢獻，其核心功能雖然只是展示數據，但卻是業務有效決策的前提，可以這麼說，報表是業務人員的眼睛。
KPI很重要，但要引導業務人員達成KPI，靠的是成百上千的報表指標來做指引。
可惜的是，雖然數據團隊每天都在跟報表打交道，但很少會想到用在自己身上，你說奇怪不奇怪。
比如好不容易開發了一張寬表，但第二天能將寬表使用情況的報表放到案前的數據團隊寥寥無幾，年底的時候也許會有人想到去統計下報表的使用情況，但如此的後知後覺早喪失了改進的機會。
10多年前很多企業的數據倉庫動輒3年就要推倒重來一次，原因就在於3年前做的倉庫模型已經完全過時了，更可笑的是，一次數據倉庫重構後，有60-70%的模型表在其一生中就沒有使用幾次，這說明了什麼？
如果數據團隊關注數據的運行就像業務關注KPI一樣，那就一定會打造出屬於自己的報表體系，至少包括數據採集變更、數據模型使用、數據服務提供、數據模型監控、數據模型效果等等內容，從而全面掌握數據資產的使用情況，這是數據運營工作得以提升的前提。
現在每個數據管理者一早打開手機，關注的往往是業務部門的KPI的數據是否有異常，但除此之外呢？
業務KPI指標的翻紅固然值得欣喜，但數據運行指標的翻紅更能體現數據團隊的價值，比如像下面的表那樣：
3、缺乏分析的改進
有了報表當然不能直接解決數據驅動業務的問題，因為報表只是將數據轉化成了信息，雖然它是數據驅動業務的一個前提。而要將信息轉化成知識甚至智慧，則需要用更高級的手段。
考慮到人工智能的智慧實在有限，大多數時候我們想要用數據來驅動業務，採用的還是數據分析的老套路，首先基於報表指標做些現狀分析，從中發現存在的問題，然後剖析問題，最後召開經營分析會來推進問題的解決。
大多數據團隊的數據分析師主要的職責是為業務做分析，而不是為自己的數據做分析，偶偶會有數據資產管理員冒出來兼職一下，看看自己的數據使用是否異常，但也僅此而已。
數據團隊總是以配角的身份去參加業務部門的各種經營分析會，很少想過要以主角的身份召開一次針對自己數據的分析會，現在的數據中臺非常火爆，但如果沒有數據資產分析師（姑且這麼稱呼吧）的呵護，倒塌是必然的。
筆者痛定思痛，現在每月會召開數據團隊的運營分析會，雖然第一次開的時候略顯生澀，但數據準備過程的艱辛、開會時刺眼的異動數據以及平淡的數據使用，都讓大家意識到自己做的數據的確不咋地，而這才是數據團隊能夠進步的起點。
下面這張標籤數據使用圖看似簡單，卻能體現數據團隊的管理水平。
數據團隊經常說公司沒有給我數據驅動業務的機會，沒想到的是，我們也許連驅動自己都有些困難。
