数字化运营建设

数字化运营建设基于优质的数据基础逐渐深入，其实现路径主要分为四个阶段：有数据、 看数据、分析数据、应用数据。

下面将分别介绍各阶段的落地重点。

1.有数据

数字化运营的第一步是有数据，有数据不是单纯得将数据采集到数据库，而是一个复杂 的过程。神策数据创始人& CEO桑文锋的《数据驱动：从方法到实践》书中曾提到大数据具备四个特征：大、全、细、时。“大”强调大数据宏观的“大”，而非一味追求数据量的“大”，需要从系统的角度考虑数据采集。“全”指全量数据，而非抽样或者只有一部分环节的数据，强调多种数据源，包括前端、 后端的数据，以及日志、数据库数据等，不要建立数据孤岛。

“细”强调多维度数据，包括事件、商品的各种维度、属性、字段等。如用户看的商品 属于什么类别、价格如何、原价及打折价如何等。

“时”强调时效性，即实时数据采集和实时数据分析的价值。有数据的原则是强调从需求出发，先梳理应用场景，再梳理对应指标体系，最后再做数 据采集。大体上可分为两步：

第一步，深度需求调研，总结数据应用场景与分析指标体系。

理想的应用方式是结合管理层战略规划与一线业务人员需求调研总结项目整体目标、数 据运营困境、数据需求场景，形成针对性的数据需求场景并基于此规划分析指标体系。 如下图，为神策数据为客户梳理的数据采集模板。

第二步，基于需求场景，设计数据采集方案。

基于需求场景与指标体系设计数据采集方案，明确数据采集内容、数据导入内容与数据 打通方案。并通过打通用户标识ID,实现用户全渠道行为追踪。

2、看数据

看数据强调所有业务人员可以看到其需要的数据，并进行一些可视化数据分析。如可根 据使用场景分为主题指标看板、可视化分析模型、用户标签画像可视化等。主题指标看板，提供全行业务人员的大盘指标看板，涵盖全司的关键指标。同时，提供细分主题指标看板，展示某一个职能或者业务线的关键指标。

可视化分析模型，业务方能够日常进行自助式查询、标签创建。如果业务人员不具有基 础取数能力，如按区域、版本、型号等查看业务情况，而依赖第三方的数据部门的支持， 长此以往，数据时效性无法保障，数据部门的人力资源也会遇到瓶颈。

用户标签画像可视化，由于业务线的发展节奏很快，每一次活动或者是每一次业务调整 都会涉及到标签。如果业务人员可以直接进行标签的自主查看、生产与迭代，相比后端 技术和数据部门人员建设，将大大提升运营效率和效果。

3、分析数据

以数据驱动业务为目标进行分析场景建设，基于数据洞察指导业务迭代，实践数据在各 业务场景下的深度应用。一般可包含四步：一是场景指标体系搭建，二是分析报告撰写， 三是报告workshop,四是分析方法论沉淀。具体如下：数据需求与采集规划：根据场景主题设计指标体系，补充采集缺失的数据、优化不可 用的数据。

分析诊断报告：结合数据实际表现和业务特征，对当前业务运营现状进行分析诊断， 总结数据洞察并提供业务优化建议。

业务迭代&效果评估：以workshop的形式向业务线人员交付分析报告，由业务人 员根据报告建议进行业务迭代或产品改版，并对效果进行数据评估。

分析方法论沉淀：基于分析报告，输出更通用的分析思路方法及实施规范，形成行内 数据分知识沉淀，以便内部复用。

这四步可以应用于业务诊断与增长模型、新客绑卡&激活率、老客业务提升、功能价值 评估、流量分发效果等场景。

4、应用数据

应用数据，即数据产品化，与业务流打通形成实时展示与触达策略。以自动化运营和智 能推荐2大场景为例。

场景一：数据产品化自动化运营系统的建设思路

自动化运营系统的运作思路一般为：策略制定，人群筛选，精准触达，效果回收，

场景二：智能推荐系统支撑产品个性化服务闭环

智能推荐系统的运作思路一般为：数据采集，模型建立，推荐结果，效果分析。