数据化运营学习笔记一

今天开始写产品、数据、运营的一些东西，听起来很大，其实的确很大。我目前是一只骆驼，也是一个刚刚启程的骆驼，所以在以后的征途上要学习更多的知识抗在身上；下一个境界是 狮子，懂得舍弃，把最精华的东西武装自己；最后一个境界是赤子，这个境界还很远我就在这里不逼逼叨了。

我目前是一只骆驼，所以把我get到的知识记录下来以供大家互相学习，在理解和认知过程中难免有问题希望大家能够及时提出，我也会及时修正；

－－－－－－－－－－－－－－－正式开始－－－－－－－－－－－－－－－－－－－－－

从营销理论的发展历程来看 以产品为中心到以消费者为中心再到目前的混合式为中心，主要客观原因是现在产生了大量的数据，所以我们不仅仅只靠产品或者消费者而设计产品设计运营方法，我们需要数据准确知道目标用户是哪些，他们需要什么样的需求，进而设计有效的产品；

Probability（概率）：营销、运营活动以概率为核心，追求精细化和精准略。

Product（产品）：注重产品功能，强调产品卖点。

Prospects（消费者，目标用户）。

Creative（创意，包括文案、活动等）。

Channel（渠道）。

Cost/Price（成本／价格）。

而在这其中，以数据分析挖掘所支撑的目标响应概率是核心，在此基础上将会围绕产品功能优化、目标用户细分、活动创意、渠道优化、成本的调整等重要环节和要素，共同促使数据化运营持续完善，直至成功。从宏观理解，概率可以是特定消费群体整体上的概率或可能性。从微观理解，概率可以是具体到某个特定消费者的“预期响应概率”，比如通过罗辑回归算法搭建一个预测响应模型，得到每个用户的预计响应概率，然后根据运营计划和预算，抽取响应概率分数的消费者，进行有针对性的运营活动，这种方法可以有效提升运营的效率和效果。（自己的问题 ：生意圈发红包的活动，充值返现活动 是不是可以进行精细化运营）；

上面的3P3C理论锁定了影响运营效果的主要因素、来源，可以帮助运营人员、管理人员、数据分析人员快速区分实践中的思考维度和着力点，提高思考效率和分析效率。

－－－－－－－－－－－－数据化运营的主要内容－－－－－－－－－－－－－－－－－

数据化运营的基本要素和核心－－“以企业级海量数据的存储和分析挖掘应用为核心支持的，企业全员参与的，以精细、细分、和精细化为特点的企业运营制度和战略”，浅层次理解为，在企业常规运营的基础上革命性地增添数据分析和数据挖掘的精准支持。从宏观上对数据化运营的理解，其中会涉及企业各部门，以及数据在企业所有部门的应用。

数据化运营，首先是要有企业全员参与意识，这样才可能将其转化为企业全体员工的自觉行动，才可能真正落实到运营的具体工作中。例如产品数据团队与提出分析需求的业务团队配合不紧密，最终数据分析团队完成的分析方案、模型、建议、报告很多时候是纸上谈兵。

从产品开发人员到产品运营团队，到销售团队和支持团队，每个人每个岗位都能真正从数据应用、数据管理和数据发现的高度经营各自的本职工作，都在各自的工作中自觉利用或简单的数据工具（目前可以是 YY后台），进行大大小小的数据分析挖掘，这才是真正的从数据中发现信息财富并直接助力企业的全方位提升。也只有这样，下一版本的新需求不是拍脑袋拍出来的，而是来自于用户反馈数据的提炼；运营人员也不再仅仅是每天被动地抄报运营KPI指标，通过数据仪式的培养，他们将在运营前的准备，运营中的把握，运营后的反馈、修正、提升上有充分的预见性和掌控力；

只有来自企业决策层的直接倡导和实质性的持续推动，才可以在企业建立、推广、实施、完善真正的全员参与、跨部门跨专业、具有战略竞争意义的数据化运营。

－－－－－－－－－－－－为什么要数据化运营－－－－－－－－－－－－－－－－－

数据化运营首先是现代企业竞争白热化、商业化环境变成以消费者为主的“买方市场”等一系列竞争因素所呼唤的管理革命和技术革命。“穷则思变”，当传统的营销手段、运营方法已经被同行普遍采用，当常规的营销技术、运营方法已经很难明显提升企业的运营效率时，竞争必然呼唤革命性的改变去设法提升企业的运营效率，从而提升企业的市场竞争力。

有了数据分析、数据挖掘的强有力支持，企业的运营不再盲目，可以真正做到运营流程自始自终都心中有数、有的放矢。

－－－－－－－－－－－－数据分析和数据挖掘技术的有效应用－－－－－－－－－－－－

一名出色的数据分析师必须是多面手，不仅要具备统计技能、数据仓库知识（熟悉主流数据库基本技术，可以自助取数，可以与数据仓库团队沟通）、数据挖掘技能，更重要的是他还要具有真对具体业务的理解能力和快速学习能力，并且善于与业务方沟通交流。数据分析挖掘绝不是闭门造车，要想让项目成功应用，必须要自始自终与业务团队并肩作战，从这点来看业务理解能力和沟通交流能力的重要性要远远超于技术层面的能力（比如统计技能、挖掘技能、数据仓库技能）。

分析团队做出的分析方案、数据模型，必须要在业务应用中得到检验，这不仅要求业务方主管的参与和支持，也要求业务方的团队和员工同样要具有响应的数据化运营能力和水平，具体需要具备哪些能力，我会在后期的笔记中提到。