從“數據運營”的角度上來可以說拆散成兩塊，一個是數據，一個是運營 。“運營”也是近幾年互聯網興起之後出現的崗位。當很多人問運營朋友說，你是做什麼的？運營朋友回答：我是什麼都管，生產也管一點，銷售也管一點。後來運營細分之後，又分為了產品運營，用戶運營等等，我們今天講的就是數據運營。
學習數據分析之前，一定要學會以下三點：
1、數據分析必須擁有數據來做支撐：如果沒有第谷積累的大量觀測材料，開普勒不可能取得如此成就；反之，如果沒有開普勒，第谷辛勤積累的觀測數據也許會成為一堆廢紙；
2、要具備數據分析視角和思維：第谷篤信地心說，開普勒接受了哥白尼的日心說，站在一個新的視角上再結合觀測數據才發現了行星運動三大定律；
3、要學會“去粗取精”：開普勒摒棄了海量數據，把每天取一次的數據變成每年取一次。當我們擁有海量數據的時候，我們不是讓自己沉浸其中，而是要獨具慧眼、合理利用，在繁雜的數據中，發現內在規律，才能成就智慧。
從企業的角度上來說，第谷在生產數據，開普勒是使用數據和分析數據。我們現在拿到了數據之後怎麼進行運營？運營一定要把自己放到大的背景下來看，我們先來講一個宏觀的話題，中國經濟的三個階段的變化：
中國經濟三個階段的變化分別是生產導向，再到銷售導向，再到如今的市場導向。
生產導向是計劃經濟的典型特徵，生產什麼就銷售什麼，企業通過大量生產和壓縮成本以形成規模經濟。那個年代有大量的工廠和製造業企業如雨後春筍般湧現，當時我們都說中國製造，後來變成中國智造，只要質量好的產品就有人買。
到了九十年代的時候，社會生產力有了長足的發展，企業多了，市場上供大於需，企業為了搶佔市場份額開始進行大面積廣告投放，進入到銷售導向時代。大家讀《大敗局》就會知道，秦池、巨人、愛多等中央電視臺標王，都是那個時代產生的，大家通過打廣告取得的品牌知名度產生實實在在的銷售收入。
但是到了移動互聯網的時代，不再是為了產品找到合適的用戶，而是為用戶找到合適的產品。例如小米崛起的時候，有產品嗎？沒有！用戶會為了怎樣的產品“發燒”，小米就生產怎樣的產品；有廣告麼？沒有！靠的是社群、是粉絲的傳播。這是一個神奇的時代，全球最大的出租車公司Uber沒有一輛車；全球最大的媒體所有者Facebook沒有一個內容製作人；全球最大的住宿服務提供商Airbnb沒有任何房產。但是，他們都有大量高粘度用戶。
所以我們推導出，在現在移動互聯網時代，在這種市場演變到今天的情況下，我們經營的不再是產品，而是我們的用戶。用戶會產生什麼呢？用戶會產生數據。所以說在現在這個時代上，數據已經成為企業的核心資產了，數據就是價值。對企業而言，如果光生產產品而沒有數據，很快會被淘汰，那麼如何管理這個核心資產呢？
企業要具備三個能力，數據佔領能力、數據分析能力、價值變現能力。
數據佔領能力就是獲取數據資源的能力，不僅要有企業內部運營的數據，同時要尋求外部的合作，獲取大量的信息。互聯網時代最重要的是連接，我們不再篤信短板理論，而是通過跨界融合是資源整合來達到1+1>2的效果。
對數據要有分析能力，回到我們剛才開普勒的故事，他是基於這些大量的數據進行分析，以每一年作為一個視角才能分析出行星定律的三大定律。
數據可以變現，並不是通過數據的買賣進行變現，而是從數據中發現存在的問題，讓企業運營做得更好，提升經營績效。
如果企業沒有做數據運營，會怎麼樣呢？
首先，不知現狀。無法獲知業務狀況、發展規律、用戶畫像等，在一片漆黑中憑感覺前行。我們接觸過很多的老闆，老闆都不知道自己企業的真實利潤和銷售額是多少。
第二，不明原因。利潤下滑、增長停滯、用戶流失，不能探究真實原因，面對問題無法有效解決，且未來再發生時依然如此。所以很多老闆說做了十年的企業跟剛做一年的企業沒有任何區別。
第三，不可預測。銷量、收入、用戶行為，沒有準確的預測，依靠經驗來進行備貨、促銷、人員擴張。粗放經營，損耗太大。
所以說，如果不能衡量就無法提高，現在這個階段就是要從一種粗放經營轉向精細化運營。我們的市場經濟已經上了一個天花板，在天花板的時代，不要再想把蛋糕做大，蛋糕就那麼大了，而是要做好、做精細化運營。
如何進行數據化運營？
數據化運營具體落地到企業應該怎麼做？我們認為有這麼五步：自上而下、數據閉環、搭建模型、數據分析、權限分配。我們具體看一下每一步應該怎麼做。
一、自上而下｜定義指標庫，確定項目範圍
我舉一個O2O的例子，首先我們做自上而下的時候要知道公司內部到底有哪些決策，老闆、產品、運營、培訓、市場、招商、客戶，每一個部門崗位關心什麼指標呢？
我們做指標之前要有一個目標：提升運營效率，降低運營成本，簡單說四個字降本增效。老闆關注的是利潤率問題，產品關注產品使用率、留存率等，運營關注成本控制等等，將不同崗位人員所關注的指標，都給梳理出來。
剛剛說的這塊的運營概念是一個公司內的大運營概念，精細到運營部門又會關注到什麼指標呢？比如說用戶的性別、年齡段、網站的訪問情況，訂單的變化情況、日留存、雙週留存，客戶為什麼取消訂單、每次發放優惠券所帶來的效果是怎麼樣的等等可能在座的運營人士關注這些運營指標。
二、數據閉環｜接入分析數據，整理數據
確定好指標之後，要形成數據閉環，把我們橫向的業務系統全部打通。比如說以某個知名互聯網公司為例，將交易系統、商家系統、客戶系統、會員系統、財務系統全部打通，有時候把HR系統也打通了。
很多時候銷售部門的數據和財務部門的數據總是有差異，很多公司都存在這種情況。數據閉環打通的其實不是一個系統，而是業務之間的壁壘，讓每一個部門之間溝通得更好。
除了內部數據之外還有一些外部數據。如果大家做互聯網相關的工作，很多會在百度上投廣告、關注排名情況，我們應該把這些數據全部都接入進來，包括行業數據都囊括進行做一些綜合性分析，做到數據閉環。
三、數據模型｜打通數據關係，搭建數據模型
模型搭建是準備麵粉的過程，我們把小麥給磨成麵粉，最後用麵粉做出蛋糕，蛋糕才是我們真正要吃的東西。搭建數據模型，從數據分析的視角，搭建很多數據模型，就是打通數據鏈條、打通數據之間的關係。
四、數據分析｜圍繞項目範圍，製作分析結果
數據分析我們怎麼來做呢？比如說你想要看到不同地域下訂單的變化情況，只要把這個數據拖上來，就能夠很直觀就能看到全國各個不同區域的訂單的變化情況；做一個篩選，比如說全部各個區域訂單變化情況，其中有一個是川菜，就是這個菜系變化的情況。
這個數據做出來之後，下一次還需要分析嗎？不需要了。因為你把所有的數據已經關聯好了，以後就按照這個模式，它的數據會自動的更新，這就是圍繞我們項目範圍，製作分析結果。
我們強調業務人員和運營人員才是數據精細運營的核心，因為技術人員是很難了解得到具體業務的定義，我們常說要玩死一個IT很簡單，只需要不斷地給他提需求就行了。所以說只有業務人員才更能挖掘數據背後的隱藏價值。拆分對比效果如下，可參考介個：對比拆分~
多組數據圖的縱橫交錯不利於數據分析，通過拆分對比，各組數據形式一目瞭然，並且高度交互，實現針對某個點顯示所有品類或時間的具體數據，高效獲取數據分析結果。桑基圖＋鑽取可視化效果如下：
不僅可以看到數據流轉趨勢，還可以深入查看具體的流轉的數據是哪些，精準到每個點，以便業務人員對症下藥，
GIS地圖效果如下：
移動端普遍應用，帶來了大量的位置信息，催生了新的數據形式。BDP實現了實時、動態的數據流展示，可直觀查看數據流動，從而更合理、高效的進行資源的優化和配置。要打通的是各個業務部門之間的壁壘，我們用同一種語調、同一種頻率說話，我們要做的就是讓每一個人員都能做數據分析師，在簡單拖拽的過程中實現數據分析過程，探索業務背後發生的本質。
在不久的將來，多智時代一定會徹底走入我們的生活，有興趣入行未來前沿產業的朋友，可以收藏多智時代，及時獲取人工智能、大數據、雲計算和物聯網的前沿資訊和基礎知識，讓我們一起攜手，引領人工智能的未來！
閱讀更多 多智時代 的文章
