如今，關於企業數字化的進程，企業信息化程度和運營效率都有了很大的提高，數據的內容和維度得到了空前的豐富，很多場景或信息都可以被數據有效、準確、實時的記錄下來。
本文主要以零售為例，談談想了解壹個企業的數據，需要了解什麽，如何快速從“門外漢”轉變為“門外漢”。
首先，這個世界充滿了數據。
不難想象，我們生活的這個世界充滿了數據。日常生活中，我們的壹言壹行，壹舉壹動，幾乎都被數據記錄下來，而且越來越有特點。
4G的成熟應用和5G的興起、基站等通信基礎設施的廣泛布局和LBS的商業化、出行或導航軟件的廣泛使用(包括買票、打車、* * * *享受自行車、地圖導航、車載傳感器.....)讓我們每個人的軌跡變成數據，被記錄下來，比如我們去哪裏上班，住在哪裏，怎麽旅行，什麽時候旅行，路過哪裏，在哪裏。
隨著新零售的發展，大數據、AI、掃碼支付、圖像識別、傳感器等新技術的應用，微信營銷、社會化營銷、社群營銷等新思維的興起，加速了線上線下的融合。無論人們是線上購物還是線下購物，整個購物鏈條中各個環節的數據都會快速準確的傳輸到系統後臺。
基於記錄的數據，商家或購物平臺會知道是誰買的，什麽時候，什麽地方，什麽東西，多少錢，花了多少錢，怎麽付款，是打折還是優惠等信息。如果妳在網上購物，妳搜索了什麽關鍵詞，瀏覽了什麽商品，跟商家咨詢了什麽，把貨送到哪裏，等等信息也會被商家或者購物平臺知道。如果是線下購物，從進店到離店，妳在店裏的壹舉壹動都被店內安裝的攝像頭嚴密監控。通過視頻監控和人臉識別，商家會立刻知道妳是誰，妳是新顧客還是老顧客，妳在店裏走的是什麽樣的路徑，妳停留在哪個商品區，妳拿了哪些商品，妳把哪些商品放進了購物籃等等。
我們什麽時候上網聊天，和誰聊天，什麽時候聊天，聊什麽，文字/語音還是視頻，這些都會生成相應的數據，並被記錄下來。
同樣，當我們打電話、送快遞、點外賣、跑步健身、去餐館、看電影或者瀏覽網頁時，我們都以數據的形式留下了壹點點不可磨滅的痕跡。甚至當妳走在城市的每壹條街道上，遍布城市的攝像頭都可能捕捉到妳美好的影像。
總之，科技服務給我們帶來了生活上的極大便利，但也向我們索取了最重要的東西——個人信息作為交換。畢竟，天下沒有免費的午餐。
雖然越來越多的事件、行為、場景被數據記錄或表征，但在現階段甚至未來很長壹段時間內，仍有很多東西無法被數據記錄。比如人內心的想法只要不表達出來，就很難用數據記錄下來，這大概也是世界充滿不確定性的原因之壹。
圖1。用數據表示業務
當我們接觸到企業數據的時候，我們需要知道這些數據是怎麽來的。這些數據不會無緣無故產生，背後壹定有壹些業務場景。
我們深刻感受到，這個世界充滿了數據，數據規模呈指數級增長，數據類型也是多種多樣，從結構化數據到文本、語音、圖像、短視頻、視頻等非結構化數據。
第二，數據表達了什麽？
真實(非捏造、模擬、偽造)、可量化、可記錄的數據，壹定會反映現實世界中的某個業務場景。真實業務場景的發生或變化，大多會反映在後臺系統的數據中。
但是，數據對業務場景細節的表示仍然存在壹定的信息損失或失真。舉個例子，壹個30歲的女顧客在壹家母嬰店買了兩件嬰兒衣服，但是我們不知道她為什麽要買，是給自己的孩子買還是送給親戚朋友，是作為生日禮物送還是長大後需要換衣服。這時候就需要做分析和“猜測”了。
零售是商業場景最多樣，最貼近大家日常生活的行業。在談到業務和數據的關系時，我們不妨用零售業的例子來幫助我們更好地理解。
在炎熱的夏天，酷熱難耐。當妳走進公司附近的便利店，用微信支付，花3.5元，買壹瓶無糖330ml摩登罐的可樂，刷會員卡存100積分，收銀MM還妳壹張POS單據。這時，妳所發生的壹切已經通過收銀臺記錄在數據庫中。更糟糕的是，店裏的攝像頭還記錄了妳在店裏的壹舉壹動，並轉換成壹幀壹幀的圖像數據。
這就是業務數據化。
分析顯示，最近3.5元的330ml現代罐可樂銷量比上月增長了20%，而75%的消費者是20-35歲的男性。相比之下，300毫升塑料瓶可樂的銷量下降了40%。通過對比，店長認為300ml塑料瓶可樂利潤低，而330ml現代罐可樂目前更受年輕人歡迎。考慮到房租壓力越來越大，便利店競爭越來越激烈，他做了壹個大膽的決定，去掉300ml塑料瓶可樂，增加330ml現代罐裝可樂。
這就是數據業務，或者說數據驅動的業務。
圖二。業務和數據之間的關系
所以，不要急著看企業系統裏的表。妳看數據出業務，數據只是冷冰冰的數字，沒有任何意義，不會告訴妳任何信息。在我們開始了解企業數據之前，讓我們先熟悉壹下業務。
圖3。理解數據的過程
以“面-線-點”的方式熟悉業務比較合適，全面、系統、有效、深入，先在壹個行業，再在壹個垂直領域，再在壹個企業，最後在壹個具體的業務場景。以下方法可以幫助妳快速熟悉業務:
閱讀行業報告，包括行業現狀、整體規模、發展模式、技術、產品特點、消費者特征、標桿企業、趨勢預測等。
從公司年報、經營分析報告等文件中了解企業整體情況；
瀏覽公司官網、微信官方賬號、關偉、網店等，加深和提高對公司的了解，同時做壹些線上的體驗和感悟；
實地考察企業線下網點，體驗網點服務，向壹線網點工作人員了解情況。(很多大公司會要求總部員工每年至少在壹線體驗1-2天，避免與業務脫節。)
請教有經驗有見識的老員工。他們不僅熟悉業務，對企業裏的人和事也非常清楚，可以多向他們請教；
日常生活中經常會出現很多商業場景，保持開放的心態，仔細觀察，所見即所得；
註重平時積累，多讀書，多體驗生活，增加社會閱歷和閱歷。
對於沒有家庭的年輕人來說，壹罐嬰兒奶粉能喝多久，大多是沒有概念的；大部分沒談過戀愛的男生不明白BB霜和面霜是什麽，為什麽要用卸妝水和棉花卸妝(直接用清水洗就好了，省事~ ~)等等。這些生活常識來源於日常積累，會讓妳在深入學習某個行業時得心應手，減少學習的時間成本。
圖4。熟悉業務的方法。
只有對業務有了基本的了解，才能知道數據表達的是什麽。
第三，數據背後的場景是什麽？
當我們了解企業數據的時候，面對的是上百個系統，上千個表格，有些人感覺很匆忙，不知道如何下手。
只要遵循壹般的業務邏輯，就基本可以梳理出企業IT系統的建設邏輯和關聯，有壹個整體的認識，形成框架思維，避免陷入“信息孤島”。這樣做對於數據集成是必要的。不能把壹個系統割裂開來，單獨看。系統之間的關系必須清晰。
比如，在構建以成員為ID的基礎數據寬表時，需要對以人為中心的業務流程進行全面梳理，在此基礎上，需要對各個業務節點的系統進行清晰梳理，明確各個系統的數據如何整合和關聯，做到全面，避免遺漏壹些系統和相應的信息。
圖5。以人為中心的數據集成
零售企業壹般都有營銷、拓展、商品、采購、倉儲、配送、運營、門店、客服、IT、行政、人力資源、財務、整合等智能化部門。每個部門都有具體的業務活動和流程，部門之間也有相互的業務往來。企業的IT系統也是圍繞這些業務活動構建的。只要是零售企業，這個企業是這樣，那個企業也是這樣。商業活動本質上沒有太大區別，壹切都是相通的。但是，每個企業獨特的地方需要我們特別註意。
建議全景看看企業IT系統架構，花幾天時間研究壹下。
當我們深入了解單個系統時，基於我們對企業IT系統的整體了解，我們不僅要知道這個系統的功能和作用，誰在使用它，還要知道這個系統在整個企業系統中的位置，上下遊系統是什麽，數據流是如何工作的。
有兩種IT系統，業務系統和業務支持系統。業務系統主要是各業務條線最原始的數據，即“壹手數據”，而業務支撐系統主要是從業務系統中提取原始數據，經過清洗、加工、整合、分析後得到的匯總數據。
深入研究單個系統當然要看數據字典。同樣，先從表面了解，先看什麽樣的表，什麽樣的數據，對應什麽業務，哪些表可以忽略，哪些表需要重點關註。
壹般來說，表的命名遵循嚴格的規範，從表名就可以直觀地判斷出來。所以我們可以從表的命名來快速識別，比如sys代表系統，pos表訂單，cos代表客服，sms代表短消息，item代表商品，等等。
每個系統會有數百個表，所以妳需要做壹個快速過濾，看看哪些表妳不需要看。比如sys相關的表，主要用來保存系統配置參數或者記錄系統運行狀態，壹般可以跳過。
經過初步篩選，得出需要詳細了解的表格。
表壹般分為兩種，事實表和維度表。事實表記錄和存儲與交易、事件或行為相關的數據或信息，如POS訂單表，而維度表描述個體的屬性或個體之間的映射關系，如成員信息表、商品信息表、品類表、行業表、地區表、門店信息表、員工表等。事實表是動態的，冗余的，數據量大，而維度表是靜態的，冗余的，數據量小。
先看事實表，再看與事實表相關的維度表。
使用業務關聯法和“5W2H”方法論可以幫助我們快速理解單個表格。
比如我們每個人都親身經歷了在店裏購物的全過程，從中可以拆解出與這件事相關的幾個必不可少的信息，就是誰買的，什麽時候，什麽地方，什麽東西，多少錢，花了多少錢，有沒有優惠，怎麽付款等等。這些信息也會產生相應的數據。
反過來，我們也可以從數據中獲取這些信息，還原真實的業務場景。從事實表數據的字段信息可以知道會員/非會員(誰買的)、下單時間(什麽時候買的)、店鋪(在哪買的)、購買的商品(買了什麽)、數量(買了多少)、多少錢(金額)、折扣(有沒有折扣)、付款方式(如何付款)、收銀員等等。每個方面的信息都可以與維度表結合，或者與外部數據集成，以獲得更多的維度信息。比如知道是誰買的，就可以進壹步知道這個人的基本信息，比如性別、年齡、職業、註冊時間等。在哪家店買，可以進壹步了解省市縣和商圈的信息，也可以知道店是什麽類型(比如街邊店和商場)；妳買了什麽商品，結合商品列表，或者關聯外部數據，就可以知道商品的具體屬性信息。
對於單個表，也有必要了解以下信息:
(1)主鍵，即哪些字段可以用來唯壹標識壹行數據；
(2)數據更新機制看涉及哪些字段，事實表和維度表不壹樣；
(3)數據量是多少，要看是大表還是小表，訂單有多大；
至此，您已經了解了單個表及其對應的業務。不要粗心大意。這時候妳對業務的了解只能得到及格分數！更詳細的業務場景需要對具體的數據字段進行深入研究。別人不會告訴妳太多細節，告訴妳也沒用，因為沒有親身經歷妳很快就會忘記。
要了解具體的領域，僅僅看數據字典是不夠的，還要知道數據是什麽樣子的。
在讀取數據時，要小心和敏感。
如果看到壹個“2018-7-4 9:16”的數據交易時間，就要特別註意了，可能需要處理成標準的時間格式——“2018-07-0409:16:00”；
如果看到壹個字段的前幾行都是相同的值(比如0或者null值)，就要特別註意這個字段是否只有壹個值；
如果看到商品數量是小數，要結合商品名稱、類別、單位、規格等信息，看看數量是小數的時候買的是什麽商品；
如果結算金額為0，看商品是否為贈品(由商品名稱和類別決定)；
如果結算金額為負，請檢查數量是否為負，以及訂單類型是否已退回。
如果有壹張結算金額非常大的POS單，有幾百萬，我們來看看用什麽幣種結算。如果是人民幣，請業務人員確認，要麽是輸入錯誤，要麽是有壹些特殊的業務操作。
總之，基於我們對業務的理解和對數據的敏感，如果發現某個領域的數據“異常”或者不符合我們之前對業務的理解，那麽這個時候我們不妨看看其他領域是否“異常”，通過這些領域的信息更多地去思考背後的業務場景是什麽。
如果可以，不妨熟悉壹下常用的表格及其字段，最好寫下來。
在底層數據處理階段花費的時間。而且數據處理會出現很多問題，其實大部分都是因為對業務和數據的無知造成的。
我們對數據了解得越多，數據處理就越方便和有效。
企業的原始數據有很多坑，妳永遠不知道坑在哪裏，什麽時候來，要多久才能填好。當妳理解數據的時候，多壹些敏感和質疑是不會錯的。