数字化给企业带来的最大的变化之一就是企业手里的数据越来越多，它们可能都有用，但是因为分散亟需融合管理。
从行业层面看，散落在各处的多源数据可能存在着5个问题：
从品牌层面看，未来商业成功的关键之一源自企业相关数据利用程度，依托完整的架构系统及数据模型对多源数据进行整合分析、利用，高效提升企业的资源利用率。项目围绕体验数据、运营数据以及舆情数据进行数据挖掘分析，获取企业后续业务经营和客户体验提升的策略和行动。
从运营层面看，内外部双视角洞察，客户驱动+业务运营诊断，共同作用使日常体验管理更加全面。
今天我们就一起来聊一聊体验管理中的数据：
数据角色的变化数据在体验管理中的角色是帮助组织更好地了解客户，但同时，数据本身和体验管理对数据的需求也在不断改变，体验管理数据化的态势由此而来。
首先，数据本身在延展，交易数据在向交易前后延展，触点数据在向旅程两端延展，节点数据在向上下游延展。
其次，体验管理对数据体量的需求在改变，大数据对传统调研的影响和辅助并存。对于企业而言，数据量级只要能解决体验问题即可，并不追求不必要的大数据和大样本调研。
此外，体验管理对数据指标也更加挑剔，除数据本身的敏感性、有效性、准确性外，还需要数据的关联性、代表性、可落地性，体验管理数据指标池的门槛也随之越来越高。
最后，数据融合愈发重要，体验数据（X-Data）与运营数据（O-Data）的融合已被提及多年，现阶段的核心重点在于厘清哪些“X”与哪些“O”融合对体验管理更加有效。更重要的是，O-Data部分通常发展历史、成熟度均高于X-Data，因此，X-Data应主动向O-Data对齐并不断细化O-Data。
我们认为，这是当前比较有效的数据融合方式。
（1）数据本身的演进
▶数据的多元化：
在以体验为中心的管理运营中，数据本身的作用并没有发生变化--依然是帮助企业更好地了解客户。但随着科技发展，企业了解客户的维度和渠道更加丰富，与客户相关的数据信息也愈发多元，客户体验数据的来源早已不再局限于调研体系和客服系统中。
大数据环境下，客户不经意间的行为都会留下数据痕迹，成为了解客户的重要线索。未来，要构建完善的客户体验管理体系，契机在于如何将千丝万缕的线索串联起来，据此真实还原客户心理、合理预测客户需求，形成以数据为基础的客户运营体系，同时还要与体验管理的关键节点相关联，最终实现体验数据的价值。
▶数据的延展性：
客户数据的持续发展和扩张给体验管理更多数据可能性，体验数据正在沿着客户旅程向两端不断延伸，并在延伸过程中持续优胜劣汰。虽然数据本身并无优劣之分，但数据对体验管理来说却有好坏之别，也正是这种差别，使数据在延伸过程中完成自我更新和迭代，比如体验改善需要更有抓手的数据、客户运营需要更有客户视角的数据、品牌营销需要更有结果导向的数据。这正如大浪淘沙，几番甄别，使体验数据变得更加充实。
当前，体验数据具备很强的关联性和融合性，也就是说，体验数据不再局限于指标本身，而是涵盖了其背后一整套体验管理机制和运营逻辑。
（2）体验管理对数据要求的变化
▶客户核心行为数据：
客户核心行为是区分场景的。
在体验管理场景化的今天，不同场景的客户需求、体验触达、客户感知有所不同，这也是差异化体验、定制化服务等体验相关字眼不断被提及的原因。但是，体验管理需要在纷繁复杂的场景化趋势中找到客户的核心行为，这些行为要能与客户需求、客户感知相关联，决定了企业在场景中对客户体验的触达方式和渠道。
▶X-Data与O-Data的融合：
体验数据要赋能企业的决策和战术，需要兼顾客户感知和企业运营的特点，这也是X-Data与O-Data结合使用的重要原因之一。当前，行业对X-Data和O-Data的梳理已经相当成熟，两类数据所构成的指标池不断完善。对于任何企业来说，虽然可以从中挖掘信息但也带来巨大的数据搭建成本等压力。
因此，体验数据影响企业策略的关键并不在于两类指标的大小，而在于两类指标池的融合方式。同时，这其中也蕴含了企业的经营逻辑选择，即运营导向还是体验导向，导向不同则指标池融合时的主导指标和协同指标也有所不同。
▶数据的整理和使用：
体验管理对于数据的应用可以说层出不穷，从数据清洗、整合、建模到数据分析、检验和展示，多样化的方法论、统计模型、咨询模型、用研模型不断涌现，这当然能使数据得到更好的整理和应用，但也容易让企业开展体验管理时忽略数据最原始也是最有效的作用--量化评判。
事实上，体验管理初始目标之一就是评判体验的好坏，因此企业才引入量化指标。企业希望利用指标数字的大小和不同维度间的比较，来帮助企业判定当前体验水平的高低以及在行业内的位置，而这些可能需要的只是一把尺子或一个闯值，但这既是体验管理的本源，也是数据的本质。
（3）新数据和新融合
▶新数据：
新数据不仅指新的指标、新的数据，而且还对应新的目标。鉴于未来的不确定性，体验管理更倾向于聚焦那些确定的部分，比如企业的体验管理目标。对应于目标，企业可以给体验管理数据的获取渠道、扩展方向、研究方法明确边界和路径，如此获取的新数据将更有效地支持企业的经营目标和营销需求。
▶新融合：
以需求为导向构建客户体验管理体系，不仅需要企业理解客户的生活场景，更要理解企业自身是如何在客户的生活场景中传递体验的。也就是说，企业需要建立品牌体验原景与客户生活场景的“两景融合”，此为新融合。融合的关键点，在于确定两者之间产生Gap的具体时刻 (MOG，Moment of Gap)，不同于关键体验时刻 (MOT，Moment of Truth)的应用，MOG将进一步拉近客户与品牌的距离，帮助企业利用当前的技术手段，构建客户场景需求数据与品牌体验传递数据的实时关联，最终实现新融合。
数据博弈的演进数据在体验管理中的博弈是经常存在的，正如体验与经营的非零和博弈状态，体验管理中的数据博弈也可以通过有效的策略实现双赢。
（1）企业希望客户告诉的 vs 企业可以回应的
企业并不总是明确知道哪些是需要客户提供的内容，这就像客户说不清自己的需求一样。但企业可以通过一些结构化的设计，将客户的反馈进行整理、归类和分析并从中找到企业需要的信息。当然，这里所说的客户反馈，仍然包括企业主动询问客户和客户主动向企业反馈两种方式。
得到客户的反馈后，企业需要有所回应。对企业内部来说，这种回应是体验问题得到解决的闭环结果;对客户来说，反馈的问题得到企业关注并给予回应，客户与企业、品牌的粘性将不断增强。再者，如果客户在社交圈中传递其得到回应的良好体验，企业与品牌将在市场竞争中建立更加牢靠的诚信口碑和责任口碑。
但值得注意的是，企业的回应也是有选择性的，当多个客户反馈同一个问题时，企业又并不具备一一回应的能力，这时企业就需要根据价值分层、分享意愿等确定回应的优先级别。
（2）客户的付出 vs 客户的回报
站在客户视角，客户的付出可分主动付出和无意识付出两种情形。
客户主动付出: 包括参与企业组织的调研、主动通过企业客服等渠道反馈问题等。企业需要理解的是，无论何种场景都会与客户产生触点并占用客户的时间和精力，而有触点意味着有体验交付，占用客户资源则意味着客户会产生需要回报的潜意识。那么，对于企业来说，关注各触点环节上的体验交付质量以及客户对回报的预期，就是必然。
客户无意识付出: 并非客户不主动，而是客户的这种付出行为并不针对企业和品牌，更多是客户个人分享。因此，客户无意识付出一般不会与企业产生触点，客户也不会在潜意识中有企业要回报的预期。此时对于企业来说，这恰好是一个给客户创造惊喜的好机会，而这种场景下得到企业回报的客户，大概率会成为企业的忠实拥护者。
（3）数据洞察和体验提升
体验数据洞察的结果并非仅应用于体验提升，还会涉及生产品牌、营销、运营等多个方面。即便是聚焦于体验提升，其影响力和决策力也不是完全绝对的，这在体验管理中是一种常态。类似的，由于体验提升的落地方案需要涉及众多部门、协调众多资源、评估众多约束条件等，所以体验提升也并非总是完全依赖于体验数据洞察的结果。
正因为两者之间这种弱相关的绑定关系，使体验洞察和体验提升之间常发生目标不协同、路径不一致的情形。对于企业来说，为体验洞察和体验提升建立统一或互相妥协的目标、相互依存的路径是体验管理中亟待解决的问题。
（4）数据的融合与应用
X-Data与O-Data在融合时，常出现结论南辕北辙的情形 (例如波动趋势相反)，如果将视角局限在指标本身，那么很容易陷入不断解释、不断调和的窘境。因此，站在更高维度审视二者的融合和差异，才能找到更好的解决方案。
企业在体验管理中需要解决“体验好不好”“问题在哪里”、“该如何解决”这三个问题，X-Data与O-Data在解决这些问题时要做到各司其职，既互不交叉又互相补充。如此一来，即便数据指标层面出现矛盾，指标的作用却不矛盾，反而呈现出更加多样化的体验洞察结果，为体验管理提供更多可能性。