医生眼镜严涵以：数智蜕变，AI与BI赋能业务实践经验分享

作为博士眼镜的数字生态合作伙伴，飞书、观远数据和好评见证了先进的数据驱动和敏捷管理决策实践，再到AI营销赋能导购，做好全球客户的精细化运营，从工具承载企业文化落地，促进组织升级和焕新。

最近，飞书、观远数据和有赞联合举办的「接近医生眼镜」在现场，博士眼镜数据运营负责人严涵介绍了博士眼镜如何利用数据运营策略，用更少的人实现更快的价值落地，服务更大的用户群体，同时利用AI力量加快员工成长，让解决问题的人更好地解决问题，以“数智蝶变、AI与BI赋能业务实践经验分享”为主题。

医生眼镜数据运营负责人严涵

下面是严涵分享实录

数据运营策略:人少，价值落地更快，用户群体更大。

我们的数据运营团队只有4名成员，但满足了企业2500人的数据消费需求。BI产品交付上线后的一个季度，实现了更快的价值落地，服务了包括100%高层管理团队、100%销售运营管理团队和70%以上关键中间运营团队在内的普通用户群体。对此，我们总结了数据运营的详细价值创造和策略。

定义价值创造链接

首先，我们应该定义组织中数据运营的价值创造路径。如图所示，底层为业务系统层，所有业务数据汇集到数据仓库，然后进入BI使用层。由于观远BI已经深度融合了飞书，用户无需直接与观远BI系统进行交互，所以这里有一个独特的设计。在飞书中，不同层次的用户可以满足各种工作需求和数据需求。这样就保证了顾客取数用数，不需要跳出飞书，就可以实现闭环操作。

解决资源有限问题的先后顺序

其次，数据团队只有四名员工，资源有限。他们必须明确自己的职责，明确解决问题的优先事项。团队成立之初，我们就明确了每个人的职责和要解决的问题，比如负责数据消费，解决数据消费的广度问题；负责业务分析，解决数据消费深度问题；负责数据生产，解决数据生产效率和效果问题。职责明确后，整个工作过程会变得简洁明了。

处理哪个用户群的数据需求是团队在业务中首先需要回答的问题。基于用户规模、需求类型和业务知名度的选择原则，我们优先考虑处理高管团队的需求，其次是销售管理团队，然后是业务中台团队，最后是一线销售人员。

真正为组织创造财富最大的群体是一线销售人员，需要数据赋能，但是我们没有把资源投入到一线销售。满足基层用户的需求是一个巨大的挑战。一是规模庞大，接近2000人。第二，一线销售人员对细粒度的数据准确性要求很高，需要大量的生产端投资。

首先，我们选择处理高层管理的需要。由于所有问题的抽象发现，高层管理的数据需求是收敛的，客户规模小，数据需求集中，但业务知名度最高。我们优先满足他们的需求。最后，我们在一个月内迅速满足了高层管理的基本数据需求，并迅速实现了价值交付。

第二是门店销售管理。门店销售管理团队的数据需求是收敛的，需要快速了解当前情况(回答“是什么”和“为什么”)，以便快速做出反应，及时指挥一线员工如何应对(回答“怎么做”)。这是一个非常集中和闭环的管理场景，所以我们优先考虑门店销售管理集中的数据需求。

企业中台团队承担高层管理者的问题，需求不断扩大。起初，中台团队几乎每天都发起各种IT需求，并频繁提取数据。唯一能重用的是经常跟踪问题的SQL代码。因此，他的优先权应该放在高层管理和商店销售之后。

现在，当我们回顾数据需求时，我们可以发现任何数据需求都可以归结为两个要素:指标和层次。这两个要素形成了数据需求的关键，这些零散的需求可以通过标准化和自动化来处理，从而提高效率。

把团队传播的数据需求放在一起，比如紫色、蓝色、绿色代表不同团队的数据需求，最终会发现业务团队的数据需求会聚集在一定的部分。博士眼镜的数据需求不会超过博士眼镜的业务范围，中台团队在博士眼镜业务中的数据需求也不会超过这个团队的业务边界。对于数据需求的发散，解决办法就是找出它们的收敛位置，然后集中资源进行处理。博士眼镜如何决定资源投入的方向，以及数据团队的工作重点。

与其做数据，不如做产品，用产品支持管理场景。

在整个数据操作过程中，医生眼镜不仅在处理数据需求，还在创造产品。这意味着我们的工作起点不是数据本身，而是对需求场景和烦恼有深刻的理解。

一开始在进行调查的时候，我们提出了一个关键问题：如果我是销售经理，我是如何安排一天和一周的。要做些什么。如果不能准确理解这些需求场景和烦恼，提供的数据服务就会变得分散和不准确，无法满足实际需要。各种各样的工作都是从业务调查开始的，这不仅仅是对数据需求的调查，更重要的是要了解他们的工作情况和困扰。它是创造产品的核心起点。

经过对营销管理工作的深入了解，我们发现他们主要关注三件事：追求业绩，抓管理，搞经营。

第一，追求业绩涉及到了解业绩来源和缺口。通过调查，我们提炼出三个场景。「业绩」「配镜」「主打」，准确总结了销售管理的核心要点。如果你不了解需求场景，你就不能在看板上体现这些关键点，这就是为什么有些看板没有问题，因为它们没有目的。

第二，注重管理。这里还有三个场景。「大盘分析」「排行榜」「门店分析」。尤其是门店分析，对于营销管理尤为重要。他们花很多时间访问商店，他们需要立即了解每个商店的经营状况。我们设计页面是为了让他们快速掌握每家店的前世，从而做出及时的战略决策。

最后，搞运营。在零售场景中，我们关注的是每周工作的闭环。关键问题是:与去年同期相比，本周的表现如何？通过评估每周的表现是否优于去年同期，我们可以快速了解每个地区、每个管理者的管理效果，以及谁的表现更好。这将指导我们的后续行动。

使用者操作，让使用者更方便地接触和使用产品

下一步就是分享如何进行用户操作，也就是如何让用户更方便地接触和使用产品。

首先是降低操作流程。一步数和三步差别很大。因为销售经理更多的是用手机而不是电脑，每天都会打开飞书，所以我们直接把“业务助手”数据入口嵌入飞书手机。你只需要打开飞书，点击它，就可以直观地看到你需要的数据，就像打开聊天窗口一样简单。

下一步就是关注顾客如何使用这些工具，是否真的在使用，何时使用，如何使用。假如没有得到用户的积极响应，很有可能我们的产品做得不够好，不符合要求，或对业务的理解还不够深入。所以，我们每天都会查看用户操作的看板，并发布每周的用户使用情况报告。并在每周的会议上，同步用户的使用情况，了解他们如何使用产品，并根据这些情况调整操作策略。

良好的内容操作、提炼和推广数据实践。

除用户信息外，还应注意用户行为。每个数据卡的浏览状态都需要了解设计。这对优化产品尤为重要，面对有限的资源和多项任务，需要根据数据来确定优先事项。

此外，我们还建立了一个指导资源投入的模型，包括卡片分类。我们可以很容易地管理这些页面，哪些页面应该保持现状，哪些需要改进，哪些需要创新，哪些应该停止。

最后，我们的数据产品被称为“商业助手”，是店铺一线管理者使用的工具。这个产品的本质是商业管理理念的实用性。我们的目标不仅仅是让更多的人更频繁地使用它，还有更大的愿景:我们希望通过这个产品重塑店铺的管理行为。

数据内容运行结果：DAU 70%，WAU 100%

我们的数据产品运营流程始于业务调研，然后是产品创造，然后是用户运营和内容运营，最后是营销策略的实施。目前上周产品DAU达到70%，WAU达到100%，持续了一个月。我认为这些结果是值得肯定的。

将来，我的目标是把日活DAU提高到100%，把现在的T 数据更新方式提高到T 0，甚至更新到小时级，让数据工具更深入地融入到日常管理中。

AI 在工业时代打破培训范式

最后，我们来分享一下如何利用AI力量进行培训，加快员工成长，让解决问题的人变得更好。

培训场景分为两个方面:供给方的培训形式(从碎片化学习到系统学习)和需求方的员工意愿(从要求我学习到我想学习)。这两个方面基本上可以涵盖所有的训练场景。在公司组织的大规模脉冲式培训中，我们观察到大部分培训资源都投入了员工的参与和学习。在这一场景中，有三个假设：全知全能(训练团队知道所有问题的正确解决方案)、教学等于学习(老师讲了员工的话)、分数等于解决问题的水平(分数高意味着解决问题的程度高)。

在工业时代，培训思维是手而不是人。然而，在当今时代，我们对培训的理解是，培训的目标不是解决问题，而是让解决问题的人变得更好。影响培训效果的最大因素是员工的想法。

于是，我们与飞书团队合作，创造了AI助手。这是一个合作平台上的数字人，每个员工都可以有一个专属的导师。这款产品的起点是问答，因为员工问了才表示他们需要这些知识。如果员工问了一个问题，系统会推荐相关的知识，我们制定了知识点关联。而且每天都会给员工发一道题，考验的是他们前一天问的重点知识，以此来温故而知新。我们希望培训不再是一年几次的脉冲组织和灌输教育，而是每天365天的工作，让解决问题的人每天都变得更好。

面对未来，我们将继续与飞书和观远数据密切合作，利用先进的技术和工具推动数字化转型，进一步优化我们的管理，帮助员工成长和公司发展。我们坚信，通过这些努力，医生眼镜将能够在竞争激烈的市场中不断前进，取得更大的突破和成功。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com