每日一书：《数据运营之路》。如何选择适合公司当前发展阶段的数据指标，从而指引促进增长，指引精益创业，实现数据价值，而这些都是数据的真正价值。数据的价值之大，也吸引着人们不得不接纳这种 “混沌”，于是大数据给世人带来了 “增熵”，而为挖掘其价值，就得 “减熵”。数据运营是做什么的呢？我个人的理解是：推动团队明确产品目标，定义产品数据指标，创建数据上报通道和规则流程，高效推动实现数据需求，观测产品数据，做好数据预警，分析数据变化原因，根据分析结果进行产品迭代和运营，为产品决策提供依据，用数据驱动产品和组织成长，达成组织目标。而对于企业来说，大数据服务的目标可以归结为 “降本增效” 四个字。分析数据，首先需要了解：数据本身是否已经足够被分析？质量是否足够好（全面、准确）？数据本身是否具备被分析的条件？对照组设置得是否合理？数据分析获得了好的效果，并不一定是分析技术有多好。其实，在实际工作中，大部分问题在数据采集阶段就已经被解决了。为了让数据分析师的输出更有价值，企业内部最有效的做法是将数据分析师的绩效与其所支持的业务、项目目标达成情况 “挂钩”，从而激发数据分析师的自我驱动力。常用的协同业务的数据指标有目标（Target）、预测值（Forecast）和门槛值（短板值，往往是人力限制或者产能限制）。在企业中，这三类数据指标承担不同的职责，缺一不可，彼此互补。数据运营的 “七寸点” 在于做好指标统一的基础工作。在大部分企业中，数据指标的设定和统一工作往往会被忽略，结果导致各个部门沟通起来口径都不一致，各方以为在开同一个会，其实讲得全是不一样的信息；严重的时候，由于对指标所表达含义的不清晰，可能造成对形势误判，从而影响决策。指标统一工作需围绕指标架构、指标设定、指标关联、指标树梳理、指标应用这五项基础工作。对于人群需求的快速判断，实现千人千面的定价管理；根据对市场价格的了解，实时判断供应商报价的合理性；线上实现精准的千人千面推送，线下实现专家式服务，供应链全链路在保障品质的基础上，实现效率的最大化。以上这些，都需要数字化和数据运营能力做支撑。在基于人货场的品质运营中，可以划分如下。● 以人为核心的服务品质。● 以货为核心的商品品质。● 以场为核心的交付握手环节的品质。除了 OKR，在小微企业中，KSF（Key Success Factors，关键成功因素法）绩效考核方式也得到了广泛应用。KSF 是信息系统开发规划方法之一，由哈佛大学教授 William Zani 于 1970 年提出。其在企业内部的应用主要是将企业利益与员工利益联结在一起，通过设定企业达到目标的关键因素，把关键因素作为薪酬的组成指标，按照不同的权重和实际达成情况来计算薪酬金额。只有同时符合增长和减少亏损的销售人员才可以获得利润分配，从本质上解决 “吃大锅饭” 的问题，以价值为唯一的绩效导向，再通过预测或测算保证各方都可得到合理收入。