綠色排版工具|熱門專題|網站地圖|移動官網
您的當前位置:網站首頁 > 數據運營 > 正文

數據化運營的概念與趨勢

來源:未知 編輯:小螞蟻站長 時間:2019-11-28 17:37:02 閱讀:

一、數據化運營的概念:

概念千萬條,有效就這條:

以企業海量數據的存儲和分析挖掘應用為核心支持的,企業全員參與的,以精準、細分和精細化為特點的企業運營制度和戰略。

----盧輝,《數據挖掘與數據化運營實戰:思路、方法、技巧與應用》

盧輝提出的數據化運營,強調全員參與,人人都是數據分析師,這恰恰是目前數據化運營最難實現的一點,因為數據分析本身就有較高門檻,需要相應知識技能及系統支撐,而很多高層并不一定具備這方面的專業知識,甚至沒有這方面的意識。要做到全員參與,需要自上而下的推動,從公司戰略層面、組織架構和考核制度、企業文化等層面,甚至要與員工成長、職級相掛鉤,才可以推動。

我曾經為產品經理團隊制定了數據化運營的能力模型,用于指導他們提升的數據運營能力。

數據化運營的概念與趨勢
數據化運營的概念與趨勢

對于盧輝定義的數據化運營概念,我需要修正一點:即使沒有海量數據(對于創業公司或小公司,往往是這樣的),其實通過有效的數據應用,還是能夠幫助產品取得更好增長。

二、數據化運營的趨勢

盧輝在他書里闡述了數據化運營的三個趨勢:

(一)數據產品作為商業智能的一個單獨的發展方向和專業領域,在國內外的商業智能和數據分析行業已經成為共識,并且正在企業的數據化運營實踐中發揮著越來越大的作用。

數據產品是能夠有效提升數據應用的效率、放大數據價值、降低用戶操作門檻的工具(或者系統)。數據產品的流行,是企業日益增長的數據需求與有限的專業數據人力的矛盾造成的。在人力成本激增的情況下,基于通用型的分析決策工具,能夠有效降低這部分成本,同時也能夠提高企業工作效率。

但是,一款強大的數據產品,往往要依賴在一個強大的數據中臺,如果沒有數據中臺的支持,從0到1構建數據產品,建設周期非常長。目前國內,阿里構建了比較完善的數據中臺,在此基礎上衍生了很多數據產品。國內頭條系,也有強大的數據中臺,包括數據采集、推薦系統、ABtest等,據頭條內部人士透露,頭條系能夠在兩周內上線一個具備最小可行性功能的APP,通過ABtest系統快速測試新產品是否滿足市場需求。他們典型的成功案例就是在短視頻領域,借助中臺的力量,同時孵化了抖音、西瓜和火山視頻等爆品。

數據化運營的概念與趨勢

阿里巴巴的數據中臺全景圖

這幾年,如GrowingIO、神策、騰訊燈塔(https://beacon.qq.com/)等數據產品也嶄露頭角,解決了數據埋點、報表自動化和敏捷自助分析等一些問題。但離我心目中的高階數據產品工具,還有一定距離。我認為的數據產品有這五個階段:

1、數據埋點層:解決數據代碼埋點和無埋點,元數據管理的問題。下圖是騰訊燈塔提供的各項服務:

數據化運營的概念與趨勢

2、報表和指標層:通過報表模板,快速構建指標和報表體系,報表滿足實時監控。下圖是神策報表體系的演示案例:

數據化運營的概念與趨勢

3、敏捷分析層:能夠有簡單的自助分析,解決簡單的探索性分析等問題,并且能夠并行多任務的ABtest實驗能力。

4、模型自動化應用層:提供有針對性的模型解決方案,能夠快速接入模型,與投放系統鏈接,實現效果實時追蹤和優化,提升運營效率,提升個性化營銷的能力。

5、智能運營層:提供運營一體化解決方案,構建比較完善的用戶生命周期管理、產品生命周期管理、用戶激勵機制和CRM系統,利用模型,實現高效自動化運營和個性化內容推薦。

從目前情況看,大部分的數據化產品只達到1至3的層面,部分垂直類同質化的產品,如游戲,在模型自動化應用層,有不錯的成功案例。

(二)數據產品經理作為分析和商業智能的一個細分的職業崗位,已經在越來越多的大規模數據化運營的企業得以專門設立并且日益強化。這里的數據產品經理,是專指設計和運營數據產品的產品經理。但我遇到的許多數據產品經理,其實并非很符合實際的要求。很多數據產品經理,過于專注于技術,而忽視了產品運營的實際情況,甚至有一些閉門造車,數據產品過于追求通用化,降低了工具的效果。解決通用化需求和個性化問題,需要尋找到一個平衡點,這個平衡點,需要數據產品經理具備一定的業務運營經驗,才能把握好。

(三)泛BI的概念在大規模數據化運營的企業里正在越來越深入人心。由于數據產品的逐步普及,讓人人成為數據分析師,成為一種可能,借助于工具的輔助,能夠極大降低做數據分析和決策的門檻。

我的觀察:

1、數據分析技術門檻下降,懂業務運營的數據分析師價值更大。越來越多的產品團隊,建立自身的數據分析團隊(不歸屬于數據部門),與專門的數據部門形成協同作戰。我遇到很多后臺及客戶端開發同事,轉做在線推薦的,他們最大的問題是對業務問題不了解,許多模型做出來,效果差強人意。一些在數據部門的分析師,則往往從單點解決產品運營的問題,極少能夠從體系化的層面考慮。所以,如果遇到一名既懂業務,又懂數據分析的數據分析師,真的值得好好對待,這類人已經成為獨角獸。

2、科學實驗(ABtest)成為重要的數據驅動工具。2018年,在我的數據化運營思維里面增加了增長黑客的思想,我認為增長黑客是一套體系化、可執行的數據化運營方法論。增長黑客的方法,體系化地闡述了如何開展數據化運營:如何建立增長團隊、如何設定不同階段的增長目標和北極星指標、如何繪制增長路線圖(增長模型)、如何建立增長引擎(流程、文化)、如何快速讓其他團隊認可。這些問題,在盧輝的書里面,沒有完全解決。增長黑客推崇的大規模高效的ABtest實驗,解決常規模型無法解決的個性化問題,這又是對數據產品無法解決通用性問題的很好解決方案。

數據化運營的概念與趨勢

3、數據中臺極其重要,是提煉數據價值的煉油廠。如果把數據比喻為工業時代的石油,那數據中臺就是大型的煉油廠,它把控著數據質量、標準化,通過數據整合,把數據的價值提升到更高層次,更重要的是,它能夠發揮數據的規模效應。

相關文章推薦:

圖文精選:

欄目分類

Copyright?2012-2019 小螞蟻信息網版權所有 粵ICP備14061018號


鄭重聲明:本網站資源、信息來源于網絡,完全免費共享,僅供學習和研究使用,版權和著作權歸原作者所有,如有不愿意被轉載的情況,請通知我們刪除已轉載的信息。

Top 双色球基本走势图2007