有讀者來問“數據業務化”是什么意思，我記得這句話最早來自阿里集團內部關于“一切業務數據化，一切數據業務化”的說法，本來也沒什么，但后來類似的說法就越來越多了，不明覺厲，至少包括：

業務數字化，數字業務化；

產業數字化，數字產業化；

能量信息化，信息能量化；

......

雖然說法很精煉，很高大上，大家喜歡引用，但我發現不同的人有不同的理解，差別還是很大，每個人心中都有了自己的“哈姆雷特”，如下所示：

業務數據化實質上就是「數據化運營」，而數據化運營的本質是對用戶的運營，數據都源自于用戶的屬性和行為。產品生命周期全過程就是一個用戶獲取、用戶活躍、用戶留存、付費轉化、口碑傳播的閉環流程。這流程中每一個節點其實都是對用戶行為的激發以完成每一個階段的目標。以數據為決策依據，以數據為導向，這就是所謂的「業務數據化」

——某產品經理

很多人對「業務數據化」的理解還只停留在表面。「業務數據化」不是簡單地將用戶行為數字化存儲，信息只有通過內在的指標化（亦可稱為模型化），達到業務數據可利用、可分析、可改進，進入運營環節才能稱之為業務數據化

——某產品運營

業務數據化很好理解，就是我們之前說的「信息化」?！笖祿I務化」其實也比較好理解，指數據轉變為帶有建議性的信息幫助客戶實現商業目的。常見的把用戶數據打包賣給其他人，還稱不上數據業務化，因為數據并未轉變為面向客戶實現商業目的的內容，所以很多公司還只停留在「數據倒賣化」的階段

——某產品經理

沒記錯的話這句話是馬云爸爸提出來的。他的原意應該是讓阿里各項業務所產生、積累的大數據來豐富阿里的生態，同時讓生態蘊含的數據產生新的價值，再反哺生態，這是一個相輔相成的循環邏輯

——某產品經理

一切業務數據化，能夠更加直觀的了解業務的運行狀態，針對不同業務也能夠更加方便的對比、評價，對業業務的控制和改進有促進作用。一切數據業務話，是指數據的收集要以業務開展為核心，大量的沒有針對性的收集數據既是提高了成本，又容易讓管理者找不到重點

——某教師

業務數據化，業務有數據結果，有數據體現，數據業務化，收集數據與業務要有結合能支持業務進行.感覺是這樣

——某運營經理

一切業務數據化，是指需要量化業績，大鍋飯的時代要過去了。一切數據業務化，是指用數據推動業務發展，拍腦袋決策的日子要過去了

——某項目總監

經由不同的人這么一解釋，這句看似清晰的話變得撲朔迷離起來，那么“業務數據化，數據業務化”的到底是什么呢？

“一切業務數據化，一切數據業務化”源自阿里，意思是阿里豐富的業務生態產生、積累了大量的數據，這些生態蘊含的數據可以產生新的價值，再反哺生態，這是一個相輔相成的循環邏輯。前者強調業務數據的沉淀和收集，后者強調數據的應用，更加聚焦讓數據產生價值。

阿里的這個解釋比較宏觀，畢竟是老板講話用的，但有人詮釋出了新的內涵，更有啟發意義，我這里結合自己的理解做個總結提煉。

首先講業務數據化，我認為共分為二個層次：

第一層：線上化

所謂業務數據化是將業務過程中產生的各種痕跡或原始信息記錄并轉變為數據的過程，包括數據架構設計、數據建模、數據存儲、數據質量管理等系列活動，業務數據化其實早就開始了，或者說之前叫信息化。

從OA系統、CRM系統，到ERP系統其實都屬于業務的數據化，只是由于傳統行業許多業務是在線下展開，數據化十分困難。借著互聯網，尤其是移動互聯網的普及，DT時代來臨，才有條件實現更好的業務數據化，這一階段被認為是業務數據化的初級階段。

第二層：流程化

但線上化只是信息化時代的要求，數字化賦予了業務數據化新的內涵，即我們不僅要將業務流程的數據全部沉淀下來，還需要通過數據治理的手段打破數據孤島，實現上下游系統數據的融合融通，同時通過業務對象、業務規則、業務過程的全面數據化來確保端到端業務流程的高效自動化運行，并且為全流程的優化奠定數據基礎。只有做到這一點，業務數據化才算達到了高級階段。

其次講數據業務化，也可分為二個層次：

第一層：運營化

業內普遍的看法是，數據業務化是指：通過對業務系統中沉淀的數據的整合，從數據中找到規律，讓數據更懂業務，并用數據驅動各個業務的發展，將數據滲透到各個業務的運營當中，讓數據反哺業務，最終釋放數據價值，完成數據價值的運營閉環。

傳統的取數、報表、指標、建模、BI、分析、挖掘等等，都是數據業務化的手段。

第二層：產品化

數據運營是數據業務化的保守形式（比如阿里基于自身已建立起龐雜的業務群落和成熟的數據生態的基礎上提出了運營這個觀點），雖然其也是數據創造價值的一種形式，但數字化時代的數據業務化，更應從數據的產品化與商業化角度來定義，否則喊這個口號沒什么現實意義。

所謂數據業務化應是指：在數據整合的基礎上，將數據進行產品化封裝，并升級為新的業務板塊，由專業團隊按照產品化的方式進行商業化推廣和運營。

這個定義的指導性會更強一些，現在很熱的數據變現產品，比如風控、洞察等等，都是數據業務化的典型代表，具體如下圖所示：

最后講業務數據化和數據業務化的關系，也有兩層含義：

第一層：互相促進

首先，先有業務數據化，再有數據業務化，前者是后者的基礎；其次，數據業務化對業務數據化提出更高的要求，后者是前者的驅動，最后，兩者其實是一個螺旋提升的過程，共同服務于業務運營，產品創新和數據價值釋放。

第二層：相互嵌套

業務數據化如果將數據加工成知識，就能更好的滿足數據業務化的要求，數據業務化只有擁有更好的知識，才能驅動業務運營和產品創新，對于業務數據化來講，知識是其終點，對于數據業務化來講，知識是其起點。

兩者在知識上交匯，業務數據化多做點，數據業務化就可以少做點，反之亦然，兩者其實是一個有機的統一體，這種嵌套也體現到了數據中臺和業務中臺的關系上。

從這個角度來講，我們既可以把數據加工成知識這個過程看成是數據業務化的一部分，也可以看成是業務數據化的一部分，不再有絕對的標準。