截至2022年，我们团队做RPA数据管理方面已经有4年左右的时间了，在零售品牌企业数据管理领域一直不断地摸索、尝试，高效规划，输出并落地，跟时间“抢”数据。这样充实繁忙的节奏却因为疫情突然侵袭而打断，疫情让原本喧嚣的城市按下了暂停键，整个团队也积极配合政府、疫情防控部门的安排采用了居家办公的模式，工作节奏慢了下来，这也让我们沉下心来思考整个行业今后如何发展，并记录下我们做零售业RPA数据管理的整个过程。

企业现有的数据管理体系，一种是从老板的两个问题开始，老板日常灵魂发问：数据在哪？数据有什么变化？自上而下地派发获取数据的指令，由老板的需求出发，轮转各部门（主要是业务、营销）一圈再回到老板手中，基本不涉及IT，却能完成整个闭环，但这类以老板需求为主建设的数据指标体系，倒逼出的都是单点、散点的数据，缺乏整体规划，因为没有IT部门的专业加持，显得效率低且混乱，也缺少数据的可追溯性。
 
另一种则显得比较高级一些，尤其是现在许多公司都成立了data foundation部门，相较于独立的营销与IT部门，data foundation的级别更高，目标也定的更加远大，不仅着眼于当前的数据整合，更是通过数据基础及质量管理，完善整个企业的数据分析与治理规范。
 
但无论是自上而下的“老板报表”，还是更加先进的数据基础管理，我们都需要去搞懂以下几个问题，才能更好地做到以数据管理驱动业务价值。
 

 
图源：千图网

问题一：业务究竟需要哪些数据？

业务需要怎样的数据支撑，我们相信这点是所有数据管理领域相关的从业者都想去了解的一个问题。如果我们只看数据而不问业务，这是非常危险的事，从0开始的数据管理，我们通常会选择从业务日常工作中入手调研整个工作流。
 
当我们进入一个零售业务部门的工作中，以零售线上业务为例，业务人员每天重要的数据工作是在各个入驻平台上“看”数据，以此获得全渠道营销数据，以及每个平台对应的经营数据，涉及到老板要的数据、感兴趣的数据，适当地采集（CTRLCV），做一个自己的台账存储，这是针对自我销售经营的数据。还有一部分，主要是市场及竞争数据，主要来源于各大市场研究机构、专业分析网站，以及部分电商大数据平台等，这部分数据亦是非常具有分析价值的数据，这部分数据的获取难度更加高，企业员工自主获取的频率也更加低。
 
在这个过程中，我们能够感受到流程的断路、数据的海量、获取的复杂程度，很重要的一件事是我们要先定位做什么、怎么做。
 
1.盘点数据资源。初期以业务分析的角度统筹需要获取的数据，刚开始的这个过程可以不那么专业，可以图表Excel的设计为范本，将系统、模块、表、可行性等基础信息进行设计配置，传递数据资源的主要规划，当然成熟后还是建议转移到专业的数据存储分析工具中，为以后更高阶的数据治理做准备，让数据元素彻底流动起来。
 
初期数据字典范例：

 
/规范取数模块，此处以淘系平台为例/

 
 
/明确数据标签/

 
2.解决跨系统跨领域的取数孤岛的技术性问题。这个问题尤其困扰零售企业，我国普遍存在的情况是平台强势而企业弱势，平台在销售业务中掌握着巨大的流量分配权，散落在各个平台上的碎片化信息使得零售业数据管理并不是那么顺利，需要优化核心业务流程，实现以数据来作为支撑。但这些数据大多是跨领域、跨系统的，如果拿不到全域数据，就无法进行完整的数据分析，所谓数据管理也就成了纸上谈兵。
 
目前针对零售业跨平台跨系统的业务流程及数据采集，要求所使用的技术安全、稳定、高效，在不触发平台反爬机制的前提下，快速打破壁垒。在这个技术性问题上，我们更多地采用RPA多并发机器人分布式采集的方式来攻克，并且在这一企业服务的过程中，我们也做出了许多标准化的、拿来即用的模块，通过灵活配置为企业快速提供断路数据支撑。
 

问题二：我们要如何支撑业务数据的管理？

解决完第一个问题后，压力逐步会给到数据管理的团队，许多数据管理的创新工作只是在数据团队初创的领域内修修补补，做一些局部的、改良式的工作，这就背弃了数据管理的最初目标；数据管理的核心需要持续建设优化，在此过程中，为了更好地支撑零售业务数据分析管理的工作，我们需要对以下三个方面进行加强管理。
 
1.尽可能地创造一个“业务数据专家”
 
在一个全新的行业领域内，负责数据的人员再懂技术、再懂原理，都需要不断地深入学习专业知识、行业术语、重点数据，行成数据与业务形态的映射，数据管理的团队才能对零售业务形成最基本的数据支持能力，要尽快在数据团队内培养出一个“业务专家”，可以站在业务方的角度看待数据管理团队所提供的一系列源数据、分析模型及展现方式，从而提出更好的建议。当然，这一专家的培养需要被培养者快速入门，深入沉淀，且一定是必要项。
 
2.技术储备力量，特别是模型分析人员
 
在数据管理的前期，团队的人员不需要大量的投入，但必须是自己团队的核心骨干。他们不仅要有良好的业务理解能力，还要有数据实践能力。这样可以最大限度地降低前期的沟通成本，如果多一个数据的中间环节，数据的保障效率就会大打折扣，数据即业务，业务即数据。
 
随着数据管理工作的深入，业务部门的认识在不断加深，涉及的探索领域也在逐步拓展，相应的数据支撑工作也在不断增加。这时候就需要大量的模型分析人员进行支持，比如验证业务人员的一个想法，开发一个新的模型，为报表提供数据支持等等。并在此阶段爆发大量的探索性数据检索。
 
数据团队若没有足够的技术人员储备，就会对工作造成冲击。如果寻求临时支持，这些工作人员的数量、质量和协调水平都是一个很大的未知数。
 
数据管理一旦进入状态，最大的挑战一定是人。业务会非常依赖人员的IT和数据处理能力，数据采集、数据模型、可视化展示等业务环节无一例外。
 
3.推广，让数据说话
 
适当减少冰冷的数字图表，让业务看不懂的BI报表，要将数据带入场景进行分析和展示。比如，某一平台或某一举措对线上业务运营部门广告投放的资源是否有所节省，触达是否有所提高？数据元素灵活化后，内部运营决策的效率是否更快？
 
这里会有一个循序渐进的提升过程，要经过多轮迭代，我们的数据产品才能真正符合一线人员的需求。例如，我们在数据可视化管理BI系统上线的时候，演示环节很顺利，模型很好看，我们以为业务线会争先恐后来使用，但后来我们发现真正使用的用户并不多，通过询问我们才发现许多问题。比如：数据连贯性较差，数据展示的维度不够，展示模型还需二次加工，等等。这给数据管理团队提出了新的挑战，也带来了新的价值突破口，最重要的是给团队带来了成长。

问题三，如何初步建立零售企业的数据管理机制

 
在数据管理进入常态化后，大家可能会感觉到，经常能在工作中发现一些有价值的数据，并将之纳入管理体系中。数据滴滴答答、无穷无尽，数据一多，维度一复杂，整个版块就会变得及其冗余，所以在这个环节中，需要更进一步引入数据资产的概念，建立完善企业级数据资产的管理的制度。比如：
 
1.建立企业数据资产目录，明确企业级数据管理组织和领域数据责任人的职责，按照管理规范对相关角色分配目录数据的查询及使用权限。
 
2.明确数据标签，使得数据标签与数据资产目录形成对数据资产的网状分类功能，利用目录及标签来为数据资产进行分类分级，并增加管理属性。
 
3.不断开拓新技术，当前仍然有很多业务部门还在靠线下的，人工的方式从外部获取数据，这些数据采集没有RPA机器人、ETL工具支持，没有自动运维保障，没有数据质量监控，出现了问题大多靠人工解决，因此不断引入新的技术使得企业享受技术带来的红利也是非常重要的。
 
以上就是我们在零售企业进行数据管理建设的真实体会，从0开始建设数据管理体系需要注意到的一些布局，对业务和数据团队的人员还是很有挑战的，如果你所在的企业也想做数据管理，或者出现了如上疑惑，同样的，也可以参考本文进行体系化建设，至少比再摸着石头过河要好得多。
 
关于数睿管理咨询
上海数睿管理咨询有限公司为百胜软件全资子公司，正式成立于2021年6月，其前身为百胜软件云计算事业部。数睿管理咨询作为中国RPA产业较早的实践者，早在中国RPA市场尚处于萌芽时期的2018年，即成功落地交付了财务RPA自动化项目——菜鸟物流集团全国报税项目。截至目前，数睿管理咨询累计为国内超过100家客户提供RPA的咨询、交付、培训、售后服务。近四年间，数睿管理咨询累计交付超过600条业务流程，涉及电商零售、供应链、财务、HR等各个领域，沉淀总结了针对RPA咨询、实施交付、运维及培训赋能的完整科学管理体系，加强了企业RPA管理咨询的科学性、发展性和效率性，完善标准了RPA咨询市场体系。