菌菌運營
大廠之所以牛逼，是真的很牛逼
今天就從BAT的數據化運營體系來感受一下大廠的膩害之處
BAT的數據化運營體系可以歸結為六個層級，圍繞數據平臺建設的：數據規範、數據倉庫、產品數據規範、產品ID、用戶ID和統一SDK;圍繞數據報表可視化的輸出，包括數據地圖、數據門戶;對數據進行的精細化加工，關於用戶的畫像、行為、特徵加工分析和挖掘;
結合具體的應用場景的數據運營體系，在阿里媽媽做廣告推薦，在微信做公眾號、朋友圈推薦，在搜索關鍵詞做SEM推薦;圍繞數據和應用，所展開的各類數據產品;通過數據影響到戰略分析和決策。
一、數據平臺建設
數據平臺建設聽起來是高大上的事情，但事實上是個事無鉅細的工作。比如數據零散，各部門都掌握著自己的數據，而無法做到共享和管理;數據的不連貫，前員工走了，後面的人沒有承接，數據做了一半就沒有了，業務也相應的沒有歷史回顧和對比;
數據口徑的不一致，DAU、PCU、WAU、MAU、按天留存率(1-30日留存)、累計留存率(7日、14日、30日累計留存率)，新增用戶，有效新增用戶，活躍轉化率，付費轉化率，收入指標，ARPU人均收入，渠道效果數據這些指標每個部門、每個人都有不同的定義和計算口徑;數據沒有完善的維護，雜亂的數據沒有前後血緣關係的聯繫，沒有對應的同學來承接維護。
二、標準化的數據報表和可視化配置
建立完善的數據平臺後，需要面臨到數據開放的問題。對數據進行標準化後的產品的數據報表和可視化，對數據進行統一的管理，所展示的內容有數據的血緣、數據的owner、數據的每天產入產出、數據基本統計、數據的健康度等等。
如騰訊的數據門戶；阿里的在雲端。
三、數據分析與挖掘
對數據的精細化加工，建立數據特徵標籤後更多的是對數據的分析和挖掘應用。
常用分析工具：EXCLE，SPSS，SAS，Enterprise Miner，Clementine，STATISTICA。個人用的比較多的是：EXCEL和SPSS。而BAT更多的是結合這些公司開發自己的數據分析平臺和數據挖掘算法平臺，但思路方法基本上類同。
數據分析思路包括：
（1）事前分析：
如何預測各類指標；如何建立考核指標；支持的決策；精細化運營
（2）事中分析：
實時監控效果；實時反饋和分析原因、調整
（3）事後分析：
回顧分析效果、原因、優化；如何指導下一步的戰略調整
常見的數據分析方法：
交叉分析、對比分析、預測分析、關聯分析、聚類分析、對應分析、相關分析、因子分析等。
四、數據運營體系
主要的平臺邏輯多數是進行用戶細分，商品和服務細分，通過多種推薦算法的組合優化進行商品和服務的個性化推薦。另外還有針對不同產品生命週期，用戶生命週期構建的產品數據運營體系。
騰訊用到一個很重要的方法，即用戶生命週期管理辦法。這也是社交網絡事業群正在力推的一個很重要的方法論。
什麼叫用戶生命週期管理傳統營銷學講的是客戶生命週期管理，因為騰訊社交群主要客戶就是用戶，所以騰訊叫用戶生命週期管理。但是傳統的對應的理論是客戶生命週期管理，簡稱CLM。
《王永慶傳》提到一個一個米店老闆怎麼做生意，他每天會收集顧客用米的情況，包括家裡有多少成員，然後能估計到他每天吃多少米，然後推算出這個家庭什麼時候能把米吃完。比如買10公斤大米，估計是半個月，到快吃完時，他就會主動送貨上門，或者主動打電話。他用這種辦法贏得了客戶。
很快他的經營網絡就超過了其他店。而阿里通過成立數據委員會，通過不同部門的數據分析師和算法工程師建立不同業務的數據分析可視化報表、數據推薦平臺。
五、數據產品
以BAT三家公司的數據產品為例進行分享。
騰訊：廣點通、信鴿
阿里：數據魔方、淘寶情報、淘寶指數、在雲端
百度：百度預測、百度統計、百度指數、百度司南、百度精算
六、戰略
一定要強調的是數據≠戰略!數據是客觀的，是死的，是不會自己主動分析的。更人是感性的，是有經驗的，有自己的判斷的。只有結合數據來輔助我們，理性分析，才能做出更為可量化、可細化、精準化的KPI和戰略目的。
閱讀更多 菌菌運營 的文章
