最佳實踐表明：通過關注場景來使數據策略與整體業務策略保持一致。通過與各行業的各種客戶合作，我們了解到最有效的方法之一是通過價值驅動樹進行識別。

什么是價值驅動樹

價值驅動樹是一個框架，用于識別組織內的關鍵價值驅動因素并對其進行優先級排序。它由代表有助于價值創造的各種因素的不同分支組成。這些分支機構可以包括收入、成本和其他特定于部門和組織本身的關鍵績效指標。

收入分支可以細分為客戶數量和每個客戶的平均收入。通過分析這些子類別，組織可以識別推動收入增長的特定場景，例如增加客戶獲取或提高平均交易價值。以精準營銷為例，公司將投資重點放在目標客戶上，通常會帶來更高的營銷投資回報。

同樣，成本分支可以細分為固定成本，例如間接費用、固定營銷成本、財產和設備成本。這可以包括可變成本，例如生產產品的成本。通過將場景映射到這些子類別，組織可以識別降低成本、提高生產效率或優化營銷工作的機會。

標準的行業價值驅動樹

不同部門的驅動樹可能存在很大差異。零售公司的主要收入驅動因素可能包括商店級別和產品洞察，而電信公司可能會專注于網絡優化和產品捆綁。

然而事實證明，價值驅動樹在行業內通常是一致的。當然，每家公司都是獨一無二的，但公司增加收入、削減成本和推動價值創造的不同方式實際上是相同的。

考慮下面的標準價值驅動樹。在左側，可以看到與收入、成本和資產效率相關的常見驅動因素。右側是許多公司都有的典型部門或組織（盡管它們的標簽可能有所不同）。

評估影響并確定場景的優先級

有了通用的價值驅動樹，公司部門就可以開始探索數據驅動的場景。以營銷為例：

這種方法的一大優點是可操作性。公司部門和核心基礎流程通常具有明確的所有權。因此，可以直接識別關鍵利益相關者并驗證相關場景。

假設對于給定的 CPG 公司，已確定以下場景：

●個性化：使用有關客戶行為和偏好的數據來個性化營銷信息和優惠。

●定位：分析客戶數據以識別最有可能響應特定營銷信息或活動的特定細分市場。

●客戶終身價值 (CLV)：使用客戶行為和購買歷史數據來預測客戶的終身價值，然后使用該信息來優化營銷策略。

●交叉銷售和追加銷售：分析客戶數據以識別交叉銷售和追加銷售的機會，然后提供有針對性的消息和優惠以鼓勵額外購買。

●A/B 測試：使用數據驅動的見解測試不同的營銷信息、優惠和創意，以確定哪種方法最有效。

●精準營銷：利用數據通過高度個性化和有針對性的消息傳遞和優惠來瞄準個人客戶或小群客戶。

●營銷組合建模：分析不同營銷渠道和策略對客戶行為和銷售的影響，并利用該信息來優化營銷策略。

●預測分析：使用數據來預測未來客戶的行為和偏好，然后使用這些見解來優化營銷策略和活動。

●社交媒體監控：使用社交媒體平臺的數據來監控品牌情緒和參與度，然后利用這些見解來制定營銷策略和策略。

有了這份清單，就可以進一步驗證可能產生的頂線和底線影響。例如，在消費品行業，增強交叉銷售和追加銷售能力通常會導致收入增長 1% 到 3%（在現有成熟度較低的特殊情況下，收入增長超過 5%）。

深入研究，可以評估現有的成熟度以及正在使用哪些數據。對所有這些進行分析，形成了下面的情況：

選擇可以具有明顯的實質性影響但當前成熟度較低的場景為數據現代化或轉型提供了良好的起點。可以從數據產品支持的角度來審視通用數據源。在上面的示例中，九個場景中的八個和四個低成熟度場景中的三個需要數據源 2。可以想象，必須有一種方法來驗證成熟度低的原因以及如何通過提升單個數據產品更好地開發這些場景。

發現數據價值

當繼續處理場景并記錄它們及其影響時，將有機會更新價值驅動樹，如下所示：

可以使用這樣的視圖來量化通過特定用例創建的綜合價值。更重要的是，它允許講述數據組織的故事并解釋它所增加的價值。考慮到首席數據官等數據領導者過去所面臨的困境，試圖解釋各自組織的投資回報并解釋他們歷史上平均不到兩年半的任期，這一點至關重要。

小結

使用價值驅動樹來識別、確定優先級并開發數據驅動的場景可以改變組織思考和投資數據創新的方式。它還可以為業務案例開發提供數據并跟蹤實施后的價值創造。我們已經看到了消費品、零售、酒店、運輸、制造、保險和銀行等行業數據現代化進程改進的證據。無論您從事哪個行業，如果您是數據領導者，價值驅動樹可能是適合您的較好的數據驅動的工具。