1.1.3　数据分析的落地方法

在企业的数字化发展过程中，很重要的一步是将数据思维落实到业务流程中，也就是将数字化的工作方法引入企业经营的方方面面。CDA提出的EDIT数字化模型是企业引入数据分析的落地模板。这个模型包含4个部分，如图1-5所示。

EDIT数字化模型主要包括探索（Exploration）、诊断（Diagnosis）、指导（Instruction）和工具（Tool）4个部分。其中外环的E、D、I 3个部分由企业业务岗位的人员执行，中心T部分由技术部门人员提供数据和工具的支持。

图1-5　EDIT数字化模型

1.业务运行探索（E）

业务运行探索关注各个项目的运行状态、各项指标是否合规及各项业务的具体数据等。常常使用可视化的形式来展示业务运行状态。例如，我们可以首先基于KPI和业务实践来构建精益化的指标体系，然后输出业务运营监控看板。这种看板类似于汽车仪表盘，可以实时显示企业的业务运行状态。

2.问题原因诊断（D）

当业务指标偏离正常值时，采用定性和定量相结合的方式，在中、微观层面定位和分析问题。用数据分析的语言来说，就是识别出到底是哪些因素显著影响了该业务指标的变化。

3.业务策略指导（I）

在确定业务目标后，我们可以引入数字化的方法来更好地指导优化业务策略。例如，可以根据用户画像的结果来给不同类型的用户群体分别投放营销资源。这里，我们有知识库、策略库、流程模板等可以便捷地制定优化策略。

4.数据算法工具（T）

数字化工具分为两个部分：数据工具和算法工具。数据工具（如数据库）从数据角度出发，整合企业的主数据、交易数据、分析数据和元数据，为数据应用提供数据基础。算法工具（如机器学习算法）是EDIT数字化模型的发动机，服务于价值经营、客群运营、全面质量管理、全面风险管理等各个方面。其中在CDA LEVEL Ⅰ认证内容中，算法部分以描述性分析方法为主，不涉及机器学习等更深入的算法。更深入的数据分析算法技术将会在CDA LEVEL Ⅱ、Ⅲ知识体系中讲解。