教育是个整体业务链条相对复杂的行业，这跟教育服务本身的长周期和学习过程的不可控等特点有关。同时，在2021年的重大调整后，行业的竞争局面事实上变得更加复杂和激烈了。无论是对老牌的机构还是对年轻的创业团队来说，要想跑出来都要面临巨大的挑战。

火花思维可能是个值得研究的案例。这家2017年12月诞生的企业，到去年底累计学员数已突破70万。短短几年里，火花思维快速起量，遭遇挑战后又快速调整保持增长势能，已经成为素质教育领域头部影响力品牌。

这家公司如何找到的破局之道？

在与火花思维技术副总裁张俊英对话后，《新立场》认为数据和业务的共振或许能提供一部分答案。

01、用数据做杠杆

传统上认为，在线教育的最大优势是杠杆。这里说的杠杆，指的是在线教育借助互联网技术放大了优秀师资和教辅材料的价值，因为直播或者视频可以实现近乎零边际成本的复用。

在企业对扩张规模的天然渴望和来自投资人的压力之下，不少教育机构选择了捷径，将杠杆用到极致，比如一套名师课程吃遍天、或者拿名师撑门面但一个大机构动辄上万人，真正跟学生对接的显然还是大量普通教师。

火花思维是个例外。

从创立开始，火花思维坚持小班授课，每个班6到8人。教育不是单向的信息传输，学生播放了视频跟他学到了东西是两码事，且学生的自驱能力和领悟能力一般需要到更高的学习阶段才会养成，甚至对于很大一部分人来说，永远不会养成。火花思维始终坚持以学生为中心，确保老师跟每个孩子的联系能够更紧密、互动更有效，从而让教学效果更为优质。

当网课变得普及，这种对传统教育中因材施教和个体互动的坚持，被衬托得更具意义。

但也正是这份坚持带来了一个问题，就是在线教育传统上普遍应用的杠杆没法用了，火花思维需要找到替代的“新杠杆”，管理团队把目光瞄准了数据。

互联网不只能做信息的复制，更能做到信息的搜集和分析，例如定制化的客户端和互动机制能够精准跟踪学习过程。火花思维的思路是，让更多跟学习过程关联的数据被生产和记录，同时促进对这些数据的充分消费，通过建立在数据上的洞察来改进业务。

比如，把网课PPT换成趣味动画或者高频互动，这是在扩增数据来源；很早就自研的BI系统，是在建立数据消费的底座设施；而学情健康度这样的创新特色指标，则既增加了数据丰富度，又促进了底层数据被更多人更好消费。

张俊英说，火花思维用这些数据，一方面去刻画学生的学习情况，度量孩子的上课体验；另一方面，也用这些数据去指导教学内容的设计，指导授课老师的培训和备课，指导辅导老师和家长的沟通。

但同时张俊英也提到，教育行业的know how不在PM或者运营手里，而在教师和辅导老师那里。怎么让这些人具备数据智能是真正的挑战。

具体来说，一个是工具障碍，比如业务同学不会写SQL，但SQL又是传统数据分析必备的；另一个是能力障碍，比如不会分析交叉表，缺乏数据反馈的闭环思维等。

要解决这些问题，数据工具要尽可能做到简单易用，让即便是与大数据完全不相关的岗位人员，也能随时随地完成数据消费：想到就能看到，看到就能用到。

火花思维的管理层大多出自互联网行业，像张俊英此前就是滴滴的技术总监，所以自建系统完成这些功能在技术实现上是可能的。但客观上讲，对于一家教育公司来说，完全自研这一套装备，可能性价比没那么高，并且迭代优化的时间成本也过于沉重了。

这时候找家外部的数字化合作伙伴，合理利用其成熟的数据基础设施，完成对自身系统的升级优化是个更恰当的选择。

02、破除两个障碍

从某种程度上说，今天数字化肯定已经是所有企业的共识了。不知道数字化的企业基本不存在，完全不关心数字化的企业很少，但问题是真正用好数字化的企业也不多。绝大部分企业即便采取了主动行为，也更多是在追求数字化的壳子，而轻视或者忽略了数字化的实质，因此效果并不理想。

就像张俊英所描述的那样，“很多企业很焦虑，其实是坐在金山上讨饭吃”。火花思维的成功，最值得推广的经验，就是怎么让数据持续强力地去驱动业务，因为好多企业的痛点就是有数据没驱动、或者驱动不够的问题。

在道的层面，张俊英将数字化比作“艰难的组织转型”，必须要有管理者自身坚持高标准、强推动，才能实现。在术的层面，也如张俊英所指出的，数据无法驱动业务是因为“两个障碍”：工具和能力。

要解决的问题定义清楚了，接下来无非是把可能的合作对象筛一遍，看哪家的方法论和产品更对症。基于这个标准，数据飞轮和火山引擎数智平台进入了火花思维管理层的视野。

我们先说下数据飞轮这个概念。

这一模式由火山引擎在2023年正式提出，是基于字节跳动十余年的数据驱动经验提炼而来。

火山引擎很清楚数字化并不是为了完成数据的积累，而是要让数据来科学地指导业务决策。在这种过程中，数据不是目的而是手段，也不只是资产而是变成了资源，而资源就是要用起来才有价值。就像是经济，经济要越流通越消费才能越繁荣，数据也要越消费才越能创造价值，甚至反过来刺激产生更多数据。

所以数据飞轮由上层的“业务应用”轮和下层的“数据资产”轮两个部分组成，通过数据消费作为核心驱动力，链接并加速了这两个轮子的转动。即，“高频次的数据消费，能够加速数据生产；有效用的数据消费，能够推动业务发展”。在这个过程中，企业的数据流充分融入业务流，上下两个轮子间就形成了飞轮效应。

拿火花思维来讲，他们是怎么实现两个轮子间形成飞轮效应的呢？首先是管理层按照数据飞轮的理念，优化公司围绕数据驱动业务的流程，员工层打消对数据消费的抵触心理，其次就是引入火山引擎数智平台上的产品，来打通工具和能力两个障碍。

“设计师团队是一群自称打小看到数字，就会头皮发麻的人，用完这些产品后，竟然给数据团队来了个‘为想象插上数据的翅膀’的分享”，张俊英分享了一个来自设计团队的案例。

流程的变化是会在设计阶段给每张海报分别打上风格标签，再在投放后收集营销效果，最后把这两组数据进行结合对比。实现的效果是，原本空想形式的讨论会，变成了假设、脑爆、验证、继续假设的数据闭环，甚至可以追踪不同设计风格的历史效果变化。

这个案例中，火花思维就是通过好看好用的工具，降低了设计师团队的抵触心理、降低了他们不会写SQL语言的操作门槛，打破了工具这一环的障碍。张俊英说，工具是下限，决定门槛高度，能力是上限，决定天花板高度。让广大一线员工能先把工具用起来，就已经成功了一半。

至于能力上，小到不会分析交叉表，大到缺乏数据反馈的闭环思维，张俊英认为“只要业务同学先用上数，随着时间越来越久，他们自己就会提出更有挑战、更有业务价值的数据问题，用上更加复杂的分析工具和分析能力，得到了正反馈之后，就会自己驱动自己”。

扩大到整个火花思维来看，原先在自建系统的时候，所有报表都需要写SQL才能生成，80%的图表都是专门的分析师团队建的。新系统引入后，现在这个数字下降到了只有不到40%。用户群体从50人左右的分析师团队和少部分数据运营，变成了运营人员和业务骨干，现在每个月的数据生产者就有120人。

03、数据驱动带来业务主动

在管理学的讨论和分享中，有几个常见的术语：深入一线、业务视角。这些术语所表达的含义，就是要打破执行和决策之间的信息壁垒，让决策更有依据更加准确。比如任正非就曾经说过，要让听得见炮声的人来做决策。

而解决工具和能力两个障碍后，老师和导师都学会了主动用数。没有人比这些人更接近一线，当他们普遍参与数据资产的生产、建设和消费，意味着业务跟数据的鸿沟被抹平了。

张俊英说，表面上是建图表和用图表的人变了，实质是生产关系变了。

数据的充分使用和反馈，保证了公司内部信息的有效同步，在数据驱动的基础上，火花思维实现了业务主动。

比如，学情健康度是火花思维早就有的指标，但之前这些数据用于后台的策略配置或者产品化，前台业务团队日常都是被推着使用。现在新系统能将多维度的学情数据直接展示给教学管理者。基层管理团队可以纵向比较，中高层管理团队可以横向研判，现在变成了业务主动使用这些数据了。

“最终在顶层管理团队的支持下，我们整体的学情健康度提高了5个百分点，并且能看到学情变好后带来的留存率提高。”

这里其实就能看出为什么张俊英会说生产关系变了。如果说之前不同层级的团队，主要依赖自上而下的驱动模式，那么现在，更多层级的自我驱动、相邻层级的协调管理，都变得更普遍了。

除此以外，张俊英还举了个更具体的场景。

火花思维每天都有大概3%的孩子因为缺课需要补课。早先的做法是BI出个大明细表，运营同学下载后根据大区拆解到团队，再到子团队和一线管理层。 大致情况就是无数表格飞来飞去，浪费时间不说，还没有结果反馈。

后来，通过在这种明细表上加入行列权限，并结合新的推送能力，一线管理者每天可以直接看到自己团队的补课提醒明细。同时工单回填情况也放到DataWind上做分析，这样一线管理者不再只是执行工单的工具人，还能真正看到自己努力的结果。

“最后的结果是不仅工单执行率提高了，而且工单执行后的补课概率也提高了。到今天，这张补课工单看板都是我们单日访问量最大的图表。”

张俊英上面提到的能力障碍里，有一条是缺乏数据反馈的闭环思维，过去补课提醒这个场景就是典型。运营每天做表哥表姐拉一堆明细表手工分发，一线业务团队拿到手蒙眼执行，结果运营不能即时获得业务团队工单的执行情况，业务团队不知道执行过后补课概率有没有提高。而新系统的补课明细自动推送和工单回填分析递送，则对症下药，建立起基于反馈的数据闭环，这就是效果立竿见影的原理。

火花思维从火山引擎数智平台引入的产品里，充满字节特色的还有DataFinder和DataTester。这些产品也将自己速度带来了火花思维，张俊英说，“以现在这种速度去完成业务洞察，是从前的我们根本不能想象的”。

DataTester能够在较小的样本下进行A/B实验，把传统A/B Test需要按月计的反馈周期缩短到以周天计。在DataFinder和DataTester的加持下，marketing团队可以自己监控实验数据的进展，并且分析用户行为路径的差异，最终新模式注册成功率提高到了30%。

较小的样本，要做到科学的A/B实验，对算法的动态分流能力有很高的要求。但这事本身又有很高的价值，因为更早地对方案做出筛选，意味着更低的试错成本和更紧凑的增长节奏。字节的AB测试文化在业界是招牌，火山引擎把这个过程中积累的技术经验向外输出，也算是技术普惠了。

这些案例说明数据飞轮模式对业务起到了实实在在的帮助，因此各个团队的使用意愿和反馈都非常积极。调研显示，在引入火山引擎数智产品之前，业务团队对数据系统的业务团队好评度（NPS）只有20%。新系统上线后，这个指标直接跳到了70%左右。

在字节内部，评估数据部门的工作时有个“0987”的指标，即零数据事故、90%的需求被满足、80%的分析能通过主题表和中间表的方式来覆盖，以及70%的业务团队好评度（NPS）。火花思维的实践倒是跟这个规律吻合，说明火山引擎这套打法还是有较强的普适性。

04、写在最后

在线教育的兴起，不仅是教育模式的一次革新，更是对学习本质的一次深刻解构。相较于传统线下的教育模式，一个本质的区别在于，它通过利用互联网通信技术，解耦了学习这个过程跟空间、时间和局部资源的绑定。

这种解耦，本质上是数据的解耦，它让教育过程产生了海量的数据，而这些数据正是推动教育创新的宝贵资源。

某种程度上说，在线教育就是一个数据原生的行业，只不过多数在线教育企业单靠自身无法做到充分发挥这些数据的潜力。火花思维正是认识到了这一点，并且做对了选择，才成功释放了这些数据的潜力、引爆了业务的增长。

火花思维的快速增长，让我们看到了数字化在教育领域的广阔前景。我们有理由相信，未来随着更多教育机构认识到数据飞轮理念的价值，并将其应用到自身的业务实践中，教育行业将迎来更加深层次的变革和发展。

这不仅是火花思维的未来，也是整个教育行业的未来。

*题图及文中配图来源于网络。