通用工具_数据是从业务当中生长出来的
在创新零售数据BP工作两年的时间，是作为数据工作者，在京东7年工作时间里职业幸福感、价值感最强的两年。他们来自于哪里呢？–孟诚
（一）从流水线工人到小菜鸡
刚毕业加入我们部门的时候我是做商智的产品，后来做黄金眼，负责一些垂类业务线的数据看板搭建，角色更多是被动接受需求落地，业务的需求也更偏经营结果展示，是最简单的三段式报表，指标卡+趋势图+明细表格（如图1），更多的学习点在于如何定义好一个指标口径、如何写好一个prd、如何与研发沟通……但流水线的感觉就特别强烈，因为感觉每条业务线做的东西都差不多，就是看交易、流量、转化率，做完离线看板做实时看板，只能等着业务被动提需求，往往只是做好最基本的销售数据，业务就调整了，也没有后文了。
现在复盘当时的问题，就是我离业务太远，而且并行需求很多，没办法深入到业务当中去理解。而且作为中台部门，我会给业务提很多要求，你必须把BRD写的非常完善，口径sql都写好，那这样我才能快的给你落地。需求太多，不做你的我也能做别人准备更完整的。
2年前半来到BP部门，一开始我还是带着在中台做事的态度习惯去工作，幻想有人整理好需求，但是第一个接手的仓网变革项目就让我措手不及。因为没有数据分析师中间整理需求，我得面向业务直接收集需求，那指标多的啊，一下子提来200多个指标，让我建设，而且关键不是现成的资产，不是直接卡一个条件就能做中间层的的，像供应链非常多的指标都得从0建设。老板叫我过来，他以为我是资深数据产品，实际我只是一个小菜鸡。没办法，硬着头皮上吧。
（二）BP工作感受分享
随着BP业务的深入，硬是慢慢的把我从ENTP转成了ENFP（T是Thinking理性，F是Feeling感受）。下面抛开理性脑，就是从我内心感受来讲，想跟大家分享以下几点感受：
1. 有水平的业务是极少数，指望着业务说清楚我想怎么看数据，平常是怎么分析数据的，大部分是说不出来的。真实情况就是业务也没有成熟的分析思路，BP去到业务想偷师学艺，或者指望短短两周的调研就搞清楚里面的门道，就是一个幻想，基本不可能，大家都是摸着石头过河（就算告诉你也是美化过的、临时想的，完全和真实情况有很大出入）。后来随着对接业务的深入，对接了好几个友商来的管理者和业务，发现他们确实能说出来点东西，贡献了很多不错的看数、用数视角。让我第一次感知到数据是如何直接推动业务发展的。
2. 作为产品，能识别出来不同阶段的不同业务团队的不同建设重点，就是本事。回看仓网项目，当时提的几百个指标，实际在最初期核心监控的的也就是十几个指标，比如单量、履约及时率、差评率、售后及时率，缺货率……如果一开始就能很明确说出一些核心指标，这样大家都能更轻松且聚焦。实际上业务就是像第一点的情况，说不出来他们想要看什么，业务会觉得我需要尽可能全的指标和数据，这样在老板问我的时候我能更快的回答上来。
经历过初期的混乱后，我发现，业务最开始都是手忙脚乱的，业务流程还捋不利索，系统Bug一大堆，没空看数据呢还，只会看几个大的指标。这个时候如果作为数据产品，懂业务，他就能快速给出一些判断，分清优先级并且简化工作量，后面完全会有充足的时间去逐步迭代各种数据，当然这块可能真的需要经验积累。
我最开始也是尽可能的多做，搞得自己压力很大。个人人为，这个真的需要产品和业务之间建立很强的信任，业务能够清楚自己就要什么，相信数据能够快速迭代帮助他们，而不是一股脑全提过来。产品也是尽自己最大可能，想办法帮助业务把最高优先级的看数诉求满足，而不是不好搞就跟业务说做不出来，什么简单做什么。
3. 按主题建设资产和看板的思路与实际业务用数视角有矛盾。很长一段时间，我对于业务的数据建设的思路都是按主题，对应一个看板，比如做一个销售概况、流量分析、供应链分析，分别对应，交易、流量、供应链。但实际我在做BP对接业务需求发现，业务用数的情况是非常综合的，比如要分析今日销售为什么没达成，成交金额、流量是最基础的，我们现在看板更多的就是看结果，然后多维度分析，是哪个品牌、哪个品类等对这次销量下滑影响最大，再往下就拆不下去了。
实际上，如果从影响销量的环节来拆分，可以分为：选品、供给、品质、价格、转化、流量，对应的是，今天有多少商品在卖、实际有货的有多少、商品差评率如何？价格是否有竞争力？不同人群的转化如何？流量来源都有哪些？
就这一个日常命题，会涵盖：商品、价格、体验、用户、交易、流量、供应链多主题才可以完成一个比较完整的分析和原因定位。每一个问题现象都可以结合业务策略拆分成精确的过程监控指标，实现对业务环节异常的快速定位。
所以后面我做看板的时候，更多的是面向业务团队去组织建设，会发现不同业务团队看的数据都是综合的，彼此交错的，就像是业务实际过程中，他们都是互相配合彼此影响的。当我面向业务团队做事情，我做的东西就会更接地气，非常实用，业务不需要去销售看板取销售数据，去供应链看板取库存缺货数据，而是直接在一个看板中就能看到影响自己业务环节所需的所有数据。
4. 底层数据资产完备但不实用。零售资产经历了很多年的建设，底层不同主题的资产是很完善的，但是一行行的数据明细，怎么组合和串联才能更满足业务用数需求是值得思考的。比如，我在帮前置仓商品团队做业绩归因时，业务希望我能把前台价和最终到采销的收入GMV进行成本和毛利拆解。因为从下单到最终业绩，会经历促销、优惠券、各种其他优惠、损耗、返利，采销只有真的能从定价拆分到最终收入，他才能清楚自己的钱到底花在哪了，哪里应该改进。
但现在是日常数据看成交，最后业绩考核看综毛，其中包含返利，就像是天上掉馅饼，谁也不知道最后到实际考核能达成多少（有经验的采销会估算）。这个合理的诉求真是难坏我了，众所周知，咱们零售对于交易有很成熟的指标口径，成交金额和GMV，无数的业务问过这个问题，到底成交金额和GMV口径的差异是什么？我们总是跟业务说，这俩统计节点不一样，应用场景不一样，不能对数，日常监测建议你用成交金额，财务考核看GMV，可是具体的差异项很少深究过。为了实现这个没人做过的任务，我花了很多很多很多的时间去拆解成交金额到GMV的差异。
虽然有文档说明扣减项差异，但实际数据情况非常复杂，对于业务理解成本非常高。除了促销和优惠，还有其他小众业务工具，比如首购礼金算不算在优惠券里面？收入里面是否涵盖plus运费？每项优惠券和促销成本到底归属谁承担、属于什么类别的成本？这些都需要一点点的拆解验证。老板会问，这个需求做了太长时间了啊，我说快了快了，快搞定了。最后大概经历2个多月时间终于把优惠前金额到优惠后金额再到GMV完成了链路拆解，和成本分摊拆解，最终拆解下来的GMV仅和实际GMV有0.1%的差异。唯一遗憾的是，拿不到买菜的前台价，不知道交易底表的优惠前金额和前台价是不是完全等同的，但是也没办法了。
这个看板上线后，商品团队和营销团队一目了然的能够看清楚成本拆分，并且有针对性的做出改善。我当时真的是特别有成就感，我把一个黑盒打开了。
类似这样将数据资产组合才能变成有效的信息，发挥更大价值的场景有，比如流量的UV，业务其实还需要看潜在新客UV，新客复访率、新客复购率，这都是需要将用户、流量、交易数据进行结合，衍生出营销团队日常业务监测视角下常用的指标。这些跨主题的数据建设往往需要再二次加工开发，难度会更大。目前探索分析能够支持将同维度的数据进行组合串联，但是我觉得更重要的是，能够加工出更符合业务分析场景的数据源才是更重要的，比如我刚才提到的前台价到GMV的串联，潜在新客UV，单纯的让业务去用工具关联完全实现不了的，必须需要有人在底层数据进行清洗建设，加工应用层让业务直接使用。这个过程会耗费大量的时间，并且需要面向团队一个场景一个场景的沉淀，没有什么好的通用解决方案。
5. 数据不止于经营分析。很长时间我觉得自己做的东西没价值，好像都是经营结果的总结和维度的拆解，但是后面接触业务多了，我发现原来数据不止是能做经营类数据分析呀。在七鲜和前置仓融合期间，我结合最新hudi技术，为业务搭建了一个实时全链路商品状态和库存监控看板，整合了十几个数据源，帮助业务快速定位商品上下架问题、库存同步，每天节省三四个小时人工工作量。如果没有这个看板很多问题就变成了黑盒，业务之间就会推诿说不是我的问题，是你的问题，本质不还是数据没法支持业务看清问题么，通过这个看板，把环节拆分清楚，异常原因直接归责，降低了很多团队的沟通内耗成本。
我们作为数据团队，掌握了很多数据，有时候就是因为团队职责，无形之中给自己设定了很多边界。实际，我们手里掌握的，恰恰是别的团队非常需要的，当另外的生产团队提出了这样的诉求，我们往往就变成了那个支持者、被动执行者。事实上，我们也完全可以做商品选汰建议、实时缺货预警监控、实时差评分析提醒，这种强贴合业务动作的功能。如果我们的工作目标是围绕业务动作展开，就能真正的实现数操一体，而不是只做业务后链路的数据监控。
数据BP这两年时间，是最深入业务的2年，我们常说，数据要驱动业务，但你知道不同业务每天都在关心什么吗？你知道每天业务都在做什么吗？你知道业务当下的工作目标是什么吗？你知道业务为什么做这些策略吗？如果这些你不知道，你就没办法通过数据驱动业务。但我相信数据是完全驱动业务的，前提是，你了解业务当下所处的阶段，了解业务日常的经营策略，了解他们真正的痛点，否则，做出来的东西只能看起来很高大上的，交互很复杂的，实际却空中阁楼、业务用不起来的东西。比如，我们通过缺货归因，把四五个团队的上下游进行串联，直接定位到责任团队，辅助分环节改善运营动作，比如我们通过对用户的转单和留存分析，可以辅助营销针对性的调整转单策略，再比如我们通过优惠券和促销的分类，帮助营销直接定位成本和ROI，帮助业务直观评估各种拉新策略的效果。
数据的呈现方式只是结果，底层的灵魂，是数据工作者和需求提出者，对业务当下需要的深刻洞察与理解。我们希望自己做出来的东西，被业务在焦头烂额之际，看到有这样一个东西能帮助他们，从而发自内心的称赞，太好了，这正是我需要的。
（三）工作态度分享
最后，我想分享一下，数据BP怎么做的又开心，不内耗，还有成长。
1. 不给自己设立边界，不想做的事情，最后反而最有收获。
BP直接面向业务，总是会有各种各样临时插入的，零零碎碎的工作。比如品控业务在315备战期间，请我给他们做一个全流程备战看板，我一开始真挺不愿意接这种工作的，一方面就是一句话，希望有问题的时候能直接把各个团队需要的数据一键下载。说白了就是把生产系统的过各种数据进行组合。一句话的需求，往往最复杂。我就一直拖着，没搞，直到第一次315演练，业务才大概知道流程是什么样子，需要哪些核心信息，我大概评估了一下，虽然生产系统都有，但是人工获取和组合非常费劲，而且在315当天那么紧张的情况下，一但有异常商品，需要联合七八个团队，整合信息难度大，而且容易遗漏信息，以我们现有的能力储备，可以使用newBI快速搭建一个看板，低成本又能解决问题。于是我用了2天时间，搭建出了一个看板，明显感觉业务在面对315的紧急情况更有信心了。最终315当天业务顺利完成了异常商品定位和处理。我也收到了来自业务的价值观卡的认可。
诸如此类的事情不胜枚举，我经常做一些琐事，如果不占用我太多时间的前提下，我很少会问这事，该不该我做，做这事有意义吗？比如我做商品状态监控那个需求，就是我之前帮业务取了无数个「奇奇怪怪的」数据之后，突然在前置仓和七鲜加快融合节奏，只能依赖堆人排查，大家又累，士气又低迷，准确率又低的情况，我可以有底气站出来，用最快的速度把四五个系统、十几个数据进行整合，直接解决了业务的燃眉之急。
2. 坚持长期主义，尊重不同阶段的需求，相信业务：以前我最头疼的是写规划，我不知道要规划啥，脑袋空空如也，现在我随便一想就有做不完的让我能够有成就感的事情，因为他们来自一线业务的需要。以前作为数据产品，碍于身份，好像作为数据产品，我们必须很懂数据，每每对业务提出来的需求，必须得说点啥才能凸显我们的专业性，实际上，我只懂加工数据，把它转化为用户可使用的数据底表，我不懂怎么用数据，首先，我们要承认自己的【无知】，我们没有在真正的战场上拼杀过，我们不知道他们每天面临什么样的高压挑战，需要看什么样的数据，但是我们的专业是，帮助业务很好的落地实现他们的想法，这是我们的优势。在业务的初期，业务会提一些非常基础的展示需求，随着业务的深入，只要是认真在做业务的同学，一定会有很多关于他想获取到什么数据，用于指导他做什么决策的深度需求出来，所以只要锚定一个业务线，深度陪跑，一定会随着业务的发展，有逐渐更加深度的需求迸发出来。就像是我服务的七鲜营销团队，从最开始的只是基础指标平铺，到后面结合用户分层、营销策略，进行拆解，再到现在，希望能够整合目标、结果、原因分析进行一个整体化嵌入业务流程的监测和复盘工具，一步步在贴近业务的日常运营中。当然，并不是业务提的所有需求，都需要落地。作为产品，更重要的是，了解清楚业务实际的使用场景，一个专业的业务，绝对是能够说清楚，自己的使用场景，以及想怎么使用这份数据，影响的具体业务动作，在这个基础上，我们可以再发挥专业力帮助他们进行一些精简或者扩展。如果业务说不清楚为什么要，还非得要，那就可以拒绝。相信一个能够创造直接业务价值的需求，可以让你作为实现的人，充满斗志和干劲。
3. 不为了升职加薪而工作，只为用心支持好业务而工作。没有一个业务会随随便便提出一个需求，他们提出来的，一定是在他们工作中有痛点的需求，如果只是为了名与利而工作，每每面对用户的疑问或者需求，心里就会抱怨：为什么这么白痴的问题也问我，你从两个看板合并一下不就有了吗，而不会反思自己哪里做的不够好。如果只是为了名与利而工作，因为这个事不能给我带来直接的利益，那我们内心就会懈怠，应付了事。我们可以允许自己的东西不完美，有很多问题，但是我们一定要有最谦卑、诚恳的态度，理解他们的急与难。征服业务最好的方式，就是用最积极、正向、谦卑、清晰的行动和语言，解答他们内心的疑惑，帮助他们完成目标。稻盛和夫先生说：工作的结果=思维方式✖️热情✖️能力，其中思维方式是最重要的，他说的思维方式是：不厌辛劳，愿他人好，愿为大家的幸福而拼命工作。正向的思维方式，工作结果就会是一个更大的正直，负向的思维方式，哪怕是很小的负数，乘积也一下子变成了负数。成为业务最信赖的合作伙伴，一有问题就能想到求助的人，我敢保证，你的工作一定会会硕果累累！
4. 自尊尊人，高效工作：工作时长并非和工作产出成正比，很多同学被埋没在需求的海洋，每天奔波在各种各样的需求沟通会上，被整的焦头烂额。我相信每个人一天当中，高效工作的时间绝对是有限的，并非工作12小时，就能有12个小时的产出。战术上的勤奋，掩盖不了自己战略上的懒惰。一个人长期高压的工作状态，每个人连自己的本职工作都只能做到及格，就更难有心力真正的做到为他人考虑，久而久之，就会互相吐槽，业务、产研之间很容易就会陷入对立。在数据BP，有天然的优势可以解决这个问题。BP团队内部是简单的团队协作和敏捷迭代，不需要把大量时间浪费在沟通排期、协调资源和中台各个团队沟通实现方案、开各种各样的会议。只需要踏踏实实和业务站在一起，和研发同学们一起，只要做到言必信，行必果*，尊重自己的付出，尊重业务的反馈，建立长期合作信任关系*，你就会发现有时候业务并非事事都很着急，他们焦虑的只是没有反馈，没有排期，只要用最真诚的态度明确的告诉业务什么时候可以支持，大多数都是安排得过来，非常紧急的情况，使用快速的方法临时支持也可以接受，这样产品就能有节奏的安排工作，最后还能收获一堆来自业务的彩虹屁，情绪价值拉满。
每个数据人的成长都需要时间和项目的历练，那些曾让我痛苦的项目，咬牙坚持过来之后，都变成了成长的养分，面对未知的一种底气。来到数据BP，补了2年功课，看到数据是真正如何影响业务的，让数据从业务当中生长出来，我们自己的数据专业力，也终于有了根，那种踏实在成长的感觉，真的非常好！欢迎大家来创新零售数据BP扎根学习，灵活多变的业务，往往能给人最大的挑战、可能性与成长空间。把工作当成提升自己人格的修炼场，精益求精，愿我们职业生涯的每一天都是精彩而有意义的！