在企业数智化的道路上，天生在线的业务特性无疑让互联网企业走在了最前面。但是数智化并不存在一个完成态，随着市场环境的快速变化、业务模式的持续发展、组织的不断迭代，互联网企业的数智化仍有无限可探索的未来空间。
成立于2010年的雪球，一直致力于为中国投资者提供跨市场、跨品种的数据查询、资讯获取和互动交流以及交易服务。随着业务重心从社区运营向交易业务转型，雪球开启了数智化新探索。 不到一年时间，雪球已经让BI在各个部门里都用了起来，周活跃用户超过员工总数的20%。
(资料图片)
作为数智化建设的总设计师，雪球的数据部门到底做对了什么？带着这样的好奇，访问了雪球的数据部门负责人穆浩然，请他与我们分享雪球数智化建设中的实践与思考，也为其他数智化路上的同行者提供一些参考。
关键 Tips
● 尽管互联网企业都有BI基础设施，但真正把BI用好的不多
● OKR的指标体系在BI落地，是一个很好的切入点
● 一线业务同学需求复杂多变，有试验性，需要尽可能多提供查询看板满足需求
● 周活跃用户数线性上升，典型用户涌现，关键看板活跃，代表业务真正用起来了
● BI产品，综合效率和成本，外采是现阶段比较好的选择
以下是对话实录：
Q： 您如何看待互联网企业的数智化趋势和应用情况？
穆浩然：
数智化建设在各个互联网企业里的渗透时间已经比较长了。尽管各个公司在做这个事情的路线和诉求可能不太一样，也都有了一些基础设施的建设，但整体上我感觉 真正把BI工具用好的公司是比较少的，在产生交付价值这块还是有很大的空间可以探索 。
Q： 那么雪球是在什么样的契机下，开始探索数智化建设的？
穆浩然：
雪球成立至今也有十二年了，在历史上也做过很多探索，比如内部的一些看板工具。一年多前雪球决定要在数据分析、数据产品方面做系统化的建设，这主要是出于业务发展的诉求。雪球前几年的业务重心更多还是在社区运营方面，社区更多是靠情感来做运营，对数据没有太强的依赖。 随着雪球从社区业务转型到交易类相关业务，大家对数据的重视就会有一个质的变化。 雪球内部对数据的需求其实是很强烈的，我们笑言“天下苦数据久矣”。
Q： 雪球内不同的层级和岗位，对数据的需求是怎样的？数据部门如何来满足他们的需求？
穆浩然：
企业里不同层级的角色对于数据的需求是不一样的。
对于企业管理层，OKR的指标整体在BI平台上落地是一个很好的切入点 ，例如我们做了一个BI看板，里面显示O是什么，KR是什么，每个K和R对应的数据指标有哪些，这个指标对应的目标又是什么，目前数据的趋势是怎样的，管理层都可以在这个看板里看到。
面向业务一号位，我们会着重系统监测业务走势和健康度 ，帮助业务一号位有系统、有脉络地了解业务的方方面面，譬如从获客、转化、留存、品类、不同用户类型等多种维度。
一线业务同学对数据的需求是非常复杂多变，往往有更多需要试验的点，可能在今天这个节点他需要看这个数据，在另外一个项目上他需要看另一个数据。所以我们会做一些 查询类的看板，满足一线业务同学的多维度数据查询需求，想看什么数据都可以很快从里面查到 。
Q： 雪球数智化建设的路径是怎样的？目前效果如何？
穆浩然：
雪球采用的是集中管理的方式，由专业的数据产品经理和数据分析师来收集各业务线对于数据产品建设的需求，并且把业务的需求做处理，整合成我们在BI建设上的路线设计。刚才提到的OKR数据指标落地之外， 我们对几乎每一个业务都进行了对应的BI数字化建设 ，包括社区运营、沪深股票、公募基金代销、私募基金代销等等，目前已经覆盖到各个业务层级的日常看数用数需求。
Q： 有没有一些指标可以衡量内部的使用情况呢？
穆浩然：
我们会分析和监控用户在观远BI平台上的使用行为，这里也分享我看到的几个指标：
指标1：周活跃用户数占员工总数20%。 从去年8月系统上线到今年的4月，周活跃用户大概上涨了4倍，持续上升。目前周活跃大概占开通账户员工数的40%，占企业员工总数的20%。
指标2：典型用户获取卡片100-200次/天。 几乎每一个部门都有那么几个同学，每天获取卡片的操作频次大概都在100-200次以上。这类典型用户往往是团队中数据意识和能力最强的。
指标3：核心看板保持高度活跃。 我们也会看用户在不同看板的使用频率分布情况，以此评估我们对业务部门需求的判断是否准确、推广力度是否足够。目前来看，核心看板一直保持高度活跃的状态。
从周活跃用户数的线性增长到典型用户的持续涌现，再到用户在各个看板之间投入的精力分布，我们都能看到业务是真正把观远BI用起来了。
Q： 能否举一个实际业务场景的例子，跟大家分享BI带来了哪些实际的业务价值？
穆浩然：
这里我以社区运营到交易转化的场景为例。对于雪球来说，还是希望用户能够通过社区获得对基金类产品的认知，进而在雪球上转化成一个基金用户，购买基金。在这个背景下，交易产品的运营是非常依赖社区流量，但它的流量路径是跨产品的，有的来自于后台数据，有的来自于前台上报数据，数据源也非常复杂。
对雪球的流量路径和分发情况，以前一直有各种局部数据，但因为这些是碎片化的信息，没办法串起来，也就没能真正被业务使用。因此在整个数智化建设过程中，我们引入了观远BI平台，把整个流量到交易路径还原出来。 包括用户是从哪些位置进入，到达我们核心页面的PV/UV，再到这些流量到下游的转化率，最后产生购买行为的转化率等等。我觉得是帮助业务部门建立起一个全景的数据视野。这些关键环节的数据和转化情况，在观远BI平台上做到非常及时的监控和分析，给我们带来很大的价值和提升。
Q： 很多互联网企业BI建设起步时都会碰到一个问题，就是到底选择自研还是外采？您当时是如何考虑这个问题的？
穆浩然：
我们在引进观远BI平台之前是有自研过一些数据产品，但做的方向不一样，内部更多是面向数据应用，而BI 产品是一个支持数据应用的工具。
我认为是 BI产品自研门槛很高 ，技术层面有高要求，同时还要兼顾产品性能和产品设计。自研一套BI产品， 投入的固定成本是很高的，但边际效益很低， 还要算上如果折腾一圈发现不好用所造成的时间成本等等。所以， 综合效率和成本层面讲，外采是现阶段比较好的选择 。
我们在国内外的众多BI厂商中做了非常多的对比，直到遇到 观远，最打动我的是产品的易用性。观远很懂互联网行业的用户，在产品设计方面非常贴近互联网的用户习惯和体验 。用观远，就像用其他互联网产品一样，上手过程非常顺滑，点一点、拖一拖，后台配置也非常简便，业务非常自然就用起来了。
Q： 您认为互联网企业要做好数字化建设，需要把握好哪几个要点？
穆浩然：
第一点，数据部门要去收集需求，避免被动接需求的状态。 因为数据是刚性资源，又缺乏对结果的明确评价标准。所以，要让企业里的数据团队来做决定，让数据团队掌握资源，高效地整合和建设。
第二点，要有一个比较强的数据分析师团队 ，真正把企业的业务成体系地做量化，建立符合业务实际的指标体系。这要求数据分析师团队既要有很好的数据sense，也要有很好的业务sense。
第三点，针对不同的用户设计不同的使用场景，满足不同层级和不同业务线的需求。
Q： 最后，您能跟我们分享下，您认为数智化未来还有哪些想象空间？
穆浩然：
我们目前所处的是标准化阶段，BI以标准化的形式统一数据的统计标准，将数据产出，再把数据搬到BI上去做展示。标准化到了一定程度是可以自动化的。 观远也在做一些探索，像是AI+BI、自动化分析等等，我认为也是未来的趋势。 再进一步是智能化阶段，这要看AI+BI能不能取代人，甚至超过人。
互联网企业数智化还有更多新场景和新可能，我们还将持续探索发现更多对同行业有价值的案例，分享给大家。
文中，穆总提到的观远BI平台，也是我近年来接触过国内BI领域新兴崛起的黑马，他们不仅服务了知名的互联网公司像bilibili（哔哩哔哩）、小红书等客户，短短几年也拿下了像联合利华、元气森林、招商银行、吉利、安踏、蜜雪冰城等等各行业众多头部客户。
正在做BI选型的公司，或者准备引入外部BI的朋友，可以长按识别下方二维码，试用下观远的BI产品，体会下穆总提到的产品易用性。
