GrowingIO战略升级的背后，透露了企业数字化转型

作者:网站采编
关键词:
摘要：文 | Jane 数字化转型这一概念并不新鲜，近几年被人反复提及。然而进入2020年后，伴随着流量红利的消失、国际形势的紧张以及疫情爆发的猛烈冲击，企业们开始真正意识到数字化转型

文 | Jane

数字化转型这一概念并不新鲜，近几年被人反复提及。然而进入2020年后，伴随着流量红利的消失、国际形势的紧张以及疫情爆发的猛烈冲击，企业们开始真正意识到数字化转型的重要性。

Scott Brinker在MarTech主题演讲中曾指出，在对全球2500家公司研究后发现，97％称疫情加快了数字化转型进程。

可以这样说，今年数字化转型已不再是组织的一种主张，而是取得业务成功的长期要求。德勤研究发布的报告显示，如果一个企业将其实体业务进行数字化变革，至少能为企业带来15%以上的业务增量。

然而我们发现虽然数字化转型能够为企业带来如此利好，但还是有不少企业在数字化道路上举步维艰。WPP的CEO在其2019年新时代演讲中提到，全世界顶级的1000强里面，大约只有35%的企业能够非常好的掌握一方的数据。

那么中大型企业数字化转型为何如此之难，其难点体现在哪些地方？企业数字化转型的需求从开始到现在又发生了怎样的变化？企业数字转型需要怎样的帮助？

10月21日，GrowingIO在其举办的增长大会上，对外发布了以用户数据为核心的数据管理、分析洞察、运营的增长平台，在此基础上更新了自身产品矩阵，进化为‘产品+服务+咨询’的一体式数字化增长解决方案服务商。

结合GrowingIO这样的服务平台对中大型传统企业数字化转型的底层分析以及其产品布局的整个过程，我们可以一一解决上述问题。

GrowingIO的CEO张溪梦表示，数字化转型的企业在不断发展中应该逐渐拥有八个层级的数据能力，分别为

目前大多数传统企业均处于前五个阶段，根据人的需求收集数据，进行数据处理，生成报表，利用数据可视化总结问题优化产品，这一系列的操作都是基于人所做的数据可视化。

然而越过前五个阶段后，就进入了机器视角，从预测模型、优化模型，到无监督、全自动的智能模型，都是为机器设立的，立足于机器自运行的模型。机器更能理解这些模型，因为机器相比于人的维度更多，拥有大量复杂的算法。

所以说，如果前五个层级的问题传统企业在转型期间可以通过自身克服，那么后三个层级肯定是需要的专业的有技术积累的服务平台辅助的。

值得注意的是，这八个数据层级是环环相扣的，它可以帮助企业完成管理数据、产生洞察、营销的管理、提升用户体验这么一个营销闭环，大大提升企业的营销效率，增加用户粘性、同时帮助企业实现用户增长。

以GrowingIO的布局来看企业数字化转型的需求变化，会发现企业的需求是由点及面的。

GrowingIO 的创始人张溪梦 2015 年开始归国创业，较早主要是为互联网公司提供用户行为分析产品（简称 UBA，User Behaviour Analytics），通过帮其采集、监测、分析用户行为数据，以洞察用户需求、数据驱动产品迭代分析、运营优化等，来提高转化和留存。

这段时间里，GrowingIO 主要是从产品、市场、服务迭代来匹配和适应国内主流互联网公司的需求。值得关注的是他们从数据量庞大且分散，但又极具价值的用户行为数据采集开始，推出“埋点+无埋点”的双模采集方案、数据指标体系搭建方案等。

在解决用户行为数据采集需求的同时，GrowingIO方面开始优化事件分析、漏斗分析、留存分析等这些产品、运营、数据分析师常用的产品功能。

这主要是因为当时传统分析产品分析维度少，但上手成本却很高等原因导致的，可以说除专业数据分析师，业务部门无法直接使用数据，数据既难以在业务工作中发挥作用，更无法对业务赋能。基于这个需求，GrowingIO开始推出多项维度较多、较为灵活的、有针对性功能的，尤其方便产品、运营等业务人员使用的数据分析工具。

而当时企业转型过程中，除了出现了工具的问题，企服软件还普遍存在难以直接产生业务价值等问题，对此GrowingIO 提炼了“20个数据驱动增长场景”以及“16个AI算法模型应用场景”，帮助此时的客户快速启动，实现增长。在资源极其有限的情况下，有了场景化的方案，客户也能实现聚焦某个特定场景，享受增长黑客式的红利。

2015年到2018年，国内大部分传统行业的大中企业对于数据驱动增长，仍处在探索状态。但从2019 年下半年开始，越来越多的传统企业开始投入数字化转型，尤其是在今年的疫情刺激下，开始加速直至呈现井喷状态。

文章来源：《数字化用户》 网址: http://www.szhyhbjb.cn/zonghexinwen/2020/1106/939.html

上一篇：嘀嗒出行数字化赋能为传统出租车创新突围
下一篇：一个武汉国企超市的数字化改造