元气森林是怎么做到“数据驱动”的？小公司能不能做到数据驱动？什么是数据的“颗粒度”？从管理者到执行者，个人要怎么去做数字化创新？……不少人会感觉营销数字化离自己太过遥远，不接地气。
尤其是对一些传统企业来说，常常会误以为这是互联网圈子的讨论，是互联网企业的“特权”，他们做得再好也与我无关——我就搭个炉子卖只烧鸡，你还能来抢我生意？然而如今无论是卖包装饮料、做百货超市、开咖啡/水果/便利店……总有人会拿着新武器来抢市场。
你可能会遇见元气森林这样的新玩家，也可能会发现安踏、沃尔玛这些老牌巨头在转型数字化，这使得不少老板对“互联网黑话”真是又爱又恨，整吧，一时半会整不明白，不整吧，就被竞争对手整。
其实很多时候“最大的成本是决策成本”，真正做起来反而不是那么难。
上周五我们和南方都市、凤凰网、羊城网的记者一起采访了观远数据创始人-苏春园，当时就觉得对方的回答确实非常有意思，不过 周末在家睡觉 这两天比较忙，加之其他媒体问的一些问题（怎么用大数据预测票房、华南有什么商业机会等等）感觉方向不太一样，因此做了删减整理发上来。
尤其有一段对话的前因后果，真的需要特别拎出来，摆在文章开头：当天去的路上为了给新同事解释数据分析服务的一些细节，就举了一个经典的商业案例「啤酒和尿布」，并说明这个案例在过去为什么不能大规模复现，而如今凭借算力（云计算）和算法（知识图谱、人工智能）突破，使这种神话般的数据分析真正具有普及的条件（前文《中台不死》也有写过，有兴趣可点此处）。
这个「啤酒与尿布」故事的出处是沃尔玛，而观远数据恰恰是沃尔玛的服务商，苏春园跟我们说了“故事后续”。
众所周知，沃尔玛做的是和人们生活极其贴近的商场生意，其数据会受到各种现实因素的干涉，比如今天销量增加的原因不一定是广告预算投入增加，而是今天放假；但同样放假，可能另一天的销量就并不理想，因为这天下雨；但下雨天有些店生意却做得不错，因为这家店开在地铁口并且趁机推销雨伞雨衣。
光财务报表的一堆数据摆在眼前，可能说明不了什么。
这使数据分析的难度大大增加，要考虑哪些影响因素？每种因素的条件和程度是什么？观远的团队做了大量研究，不断测试算法、优化迭代，这是一项繁重的工作，但在某一天，他们发现竟然有一个所有中国人都知晓的、影响深远的、被验证了数千年的信息模型，只要把这个信息模型和人工智能算法相结合，就能大幅提升数据分析的深度。

简而言之，有大量影响一家沃尔玛销量的因素，竟然都已被老祖宗归纳过并形成一个知识体系了。

这个中国市场特有的宛如游戏外挂一般的东西， 做了一个违背祖宗的决定 其名为：二 十 四 节 气 。
大家想想，从预测种植生产，到终端消费者的生活习惯（如冬天要吃羊肉火锅等养生概念），二十四节气相关的知识信息自成体系，而且都是公开可用的。
普通人可能很难理解这个案例有什么深远意义，但我相信，这比当前营销学领域，包括顶尖的MBA课程中八成以上的研究案例都更具价值。
除此之外，我们还专门挑了一些“刁钻”的问题问，部分采访整理如下：弯弓：如果一个企业还没有自己的CDP，就刚刚从电商平台起步，又或者是经营线下门店，只有基本的ERP系统，那要怎么实现数据驱动？苏春园：我们这几年实践下来发现，其实这种相对早期的品牌，或者一个业务刚刚开始的时候，依然有很多企业家第一天就致力于“数据驱动”了，即使没CDP这样的条件，他们也会有意识地积累大量数据。
这些数据在哪呢？比如在淘系的后台，在抖音的后台，在他用的聚水潭（一个电商SaaS ERP，轻量易用）等各种各样的线上电商ERP。
像三顿半咖啡、钟薛高、DearBoyFriend亲爱男友等，相较传统快消品巨头而言他们规模小，也没有特别大的IT团队，更别提特别完善的CDP和数据中台了，那是以后的事情，但不妨碍他们去监测各种交易数据，只是这些数据要从各个地方汇聚在一起。
我们可以非常敏捷地把数据从各个平台/后台快速接入进来，到一站式的分析平台里进行分析。
这个趋势越来越明显，那些新消费品牌，它可能只有一个亿不到的销售额就开始做数据驱动，对这帮企业有个特别贴切的名字，“互联网原住民”。
很多创始人从线上开始起家，哪怕原来只有几百万的GMV，但每个月他都看比如阿里的生意参谋，在生意起步后他会发现光阿里的数据分析肯定不够，他一定要有属于自己的数据分析，因为它很大可能会“出淘”（建立淘宝之外的生意渠道）。
弯弓：那前期多个渠道的用户ID不统一要怎么解决？苏春园：你所说的这个One ID，确实是需要业务到了一定阶段才会去做，因为投入是巨大的。
但回到刚才所说，其实以早期的三顿半为例，早期基本匹配就可以，业务是可以慢慢迭代的，对吧？可能它前期做到80%准确就OK了。
弯弓：基于您个人十多年来为企业做数据分析的经验，同时我们都知道这十多年里中国的商业环境有了天翻地覆的变化，比如十多年前兴门户网站，十年前兴社交平台，现在兴私域流量，那在MarTech领域，数据分析本身经历了哪些变化呢？苏春园：中国过去这十年很有意思，我认为数据分析基本上经历了两个阶段，正在迈向第三个阶段。
第一个阶段，大约在2015年之前，基本上就是用国外的数据产品、借鉴国外的做法，主要以大企业为主。
第二个阶段，是在15年~20年间，会明显感受到一个国产化趋势，各种基于行业的数据产品也更接地气。
而在2020年~2025年，我们觉得正在快速地进入第三个阶段——数据分析越来越自动化和智能化。
如果说以前是在“看报表”，现在则是进一步地实时可视化，可以自动预警与决策，对未来的预测能力大幅增强。
比如我们有跟联合利华合作，像清扬洗发水它未来一周、两周、三周，甚至三个月的销量会如何？如果预测对了，就可以反向把控上游，制定生产订单，或者铺货策略等等。
国内的零售与消费行业，将会快速从简单的数据分析过渡到「构建一个企业的大脑」，我们服务的几百家客户里前20%的客户都已经在快速地实践中，我们有一个客户是有6000家连锁的餐饮门店品牌，我们在帮他做各个门店的销量预测模型，从而降低它食材的库存周转周期，提升单店经营能力。
你想想，6000个店每个店如果都能提升1%，那带来的收益都是一个巨大的数字。
尤其我认为，零售消费的这个数字化创新中国是领先于全球的，很多模式我们都已经率先探索和尝试，甚至已经开始盈利。
弯弓：那您可以具体说说AI对BI（商业智能，Business Intelligence，简称：BI）的影响吗？因为BI这个名词，是1996年西方市场明确的一个概念，相对于现在的中国市场来说，时间、环境都大不相同了。
您如何看待BI？苏春园：对对，你问这个我很开心，因为我自己其实就是技术研发背景，我认为大概是2015年有一个拐点，比如观远数据也正是在2016年成立的，这个拐点就是算法、算力、数据领域的三个技术浪潮三合一，形成了一个确定性的技术变革。
传统意义上的BI虽然叫商业智能，但是其实没那么智能，更多的就是报表的可视化，就是基于历史数据进行的统计分析。
当然我不是说这些没用，我们现在也还得看看周报、财报统计等等。
但我们前面说的智能化、自动化的前提有三点，一是云计算的成熟，为企业带来了足够的算力，二是人工智能的发展，为企业带来了可用的算法，三是数据沉淀这件事已经普及到生活中的方方面面了。
你看现在我们说的零售消费品牌，它哪个环节没有被数字化替代呢？我们作为消费者，在网上浏览信息、下单购买、售后评价，每一个环节都在沉淀数据，尤其在疫情期间，各种电商、APP、小程序光速发展。
这三个变化，使数据分析不再只是静态与宏观的，而是动态的、自动的、颗粒度更精细的决策计算，这就是我常说的颗粒度革命。
简单说一个例子，元气森林跟我们合作，你猜他们每一个员工加入公司的第一件事是什么？当然第一个他要开通OA办公软件的账号对吧（笑），不过第二件事情就是开通我们观远数据的账号。
比如说一位新的前线销售人员，他就能够有他的数据权限，去看他所负责的不同市场点位的数据情况，比如哪些便利店、夫妻店的柜子卖得特别好，还能去和隔壁的销售张三做对比，看看什么新品更受欢迎？是受小朋友还是运动人群的欢迎？从而找到新的商业机会。
当然，没有“一招鲜”的流程和玩法，但是“从数据里面去找到答案”这一解题思路是肯定的，元气森林是数据驱动非常强的一个公司。
弯弓：那最后问一下，像您刚说的是在一个营销端，也即市场/销售部门这样的范畴，那如果是在产品研发领域呢？数据会给元气森林带来哪些影响？苏春园：其实元气森林旗下还有很多新的品类（笔者注：如乳茶、燃茶、玉米须、外星人等等品类），一个商品我们能喝到，是因为它上架了，它上架是因为它已经被验证了，而在它背后有可能大概20个商品是失败的。
在这个新品测试的过程里，比如在一些地方小范围上架，以前可能要六个月才能有一个相对准确的反馈报告，但通过这一流程的数据化，现在也许两个月、三个月，甚至更短的时间就能发现一些苗头，比如包装怎么调整的一些细节，然后及时迭代，最终快速上新。
总而言之，未来企业至少要有一个「决策大脑」。