在聊【数据应用自动化】前，我们首先要明确，数据的存在是为了更好的服务业务发展和企业的运行，说白了就是打助攻的，如果数据没有实现这个初衷，或者说没打好助攻，那数据本身并不存在价值，也就是说再多的数据如果没有被用起来也是0价值，这也就是为什么通常在投入数字化转型前、企业或个人需要首先冷静分析“我们想要用数据做什么？”。
清楚了这个点，那我们再来看看大家通常都是怎么用数据的，举几个简单例子：
- 根据用户产品使用数据，建模筛选出可转化的用户，产生报表列出用户画像，销售人员根据画像跟进
- 根据用户产品使用数据，建模产出可能流失的用户，运营人员根据报表实施挽留策略
- 建模产出营销活动效果指标，营销人员根据数据结果调整活动或制定新活动
- 建模产出广告效果指标，营销人员根据数据结果调整广告投放策略
- 等等
可以说绝大多数情况，我们都是走以下流程：
- 产生数据指标
- 业务人员看指标
- 业务人员根据数据执行
简单来说，如果数据最终会去驱动业务，那么执行者通常是人。或者说，一组组由机器（数据仓库或者任何产出数据指标的东西）产出的数据，最终去响应并执行的却是人，这是不是听起来很别扭?
确实对于很多探索性多一些的任务，我们需要人来根据数据判断执行，但是绝大多数都是较为机械化的执行理论上可以被自动化的业务流程。
设想一下，如果数据仓库产生出的数据指标不光只是用来看的，它还能自动地执行业务流程，那么我们的数据将被最大化的用起来，是不是听着也更顺耳一点呢？
这就是为什么我们提出【数据应用自动化】这个概念。
科技的发展，在某些程度上看，并没有让我们的企业和业务更简化，反而让他们的节奏更快，更复杂。所以我们以往先用眼睛看数据然后根据结论人工地去执行、已经越来越超出我们的负荷，随之而来的是效率跟不上、执行中出现疏漏、出现更多的人为错误、996。所以秉承着所有机器的创造初衷，我们对于数据的使用也有了新的要求：我们需要让数据的结果直接融入到业务中，尽可能的将重复性高的操作自动化，让机器去完成。
下面我列出了一些常见情景和案例，也许会有助于理解【数据应用自动化】带来的可能性：
- 我们可以通过建模，从海量免费用户中根据产品使用情况，计算出免费用户的可转化性，并自动将结果转变成CRM或SCRM工具中的线索，同时自动将产品使用情况和属性同步到创建的线索中，这样营销人员有了源源不断且精准的线索，不需要打开数据报表分析出哪些是可以转化的，然后机械的录入创建。这个例子还可以延伸下，我们可以额外建模产出已经成功转化的客户，用这个数据自动关闭线索，这一系列自动化不仅清零了营销人员的操作，更重要的是营销人员需要的数据都直接展示在他们工作的平台上。
- 同上原理，我们还可以将产品的报错、者产品的使用情况和画像同时同步给客服团队使用的工具上，让他们减少技术人员的依赖，让客服更高效，用户更满意则粘性越高、口碑越好。
- 我们还可以用建模产出不同的广告人群包数据，然后自动上传到需要投放到平台去，并且根据模型定时产出的数据变化，不断更新已上传的人群包，确保广告投放的精准度和数据的实效性。
- 我们还可以建模计算出哪些客户可能处于流失阶段，不用等业务人员看报表去做反应（有可能当他们看到了也晚了），自动推送消息到对应的业务人员并创建跟进需求，减少整体流失率。
- 等等
说了这么多，谁都知道【自动化】好，但是企业现在用的工具和平台这么多，一个一个去自动化要多少工程量，难道每天忙产品还不够吗？一旦哪个工具不用了，不就白忙活了吗？
是的，所以你不应该自己去实现对接这些工具，你应该用一个全新的工具去帮你自动化这些工具，所以我们创建了【极成】一个【数据应用自动化】或【反向ETL】产品，赶快了解下吧！
