一文读懂数据化运营
最近我读了《数据化运营：系统方法与实践案例》这本书后就是这种感受，要是能合着《精益数据分析》一起“内服”，效果更佳，瞬间打通任督二脉，忍无可忍只好把读书笔记分享一波。提前预警！！！本文很干，请自备茶水！
一、数据运营、数据分析之间的辩证关系
在说数据运营之前，首先得了解运营是什么？从广义来说，一切能够进行产品推广、促进用户使用、提高用户认知的方法与活动都是运营。运营的终极目标是使产品能持续稳定地、更好地生存下去。好的运营是通过推广、引导、活动等一系列举措让产品的各个指标得到提升。
数据驱动运营就是通过数据分析与用户行为研究让产品的功能不断完善，适用性不断提升，使产品有更长的生命周期。
个人理解也就是《精益数据分析》中提到的“构建”——“衡量”——“学习”的循环。
二、数据运营“硬实力”
数据驱动运营，需要一套支撑数据应用的“硬件能力”。这套能力体现在数据的流转环节，从海量的数据中提取出有用的模式并对其进行分析、挖掘、应用，包括：数据采集（埋点、爬虫），数据加工、清洗、建模、挖掘到最后支持到上游的应用。书中用一张图将”硬实力“提炼出来：
其中，数据源包括企业内部的OA数据、财务数据、业务数据、日志数据、埋点数据以及外部数据。经ETL后存储到数据仓库中，数据仓库包含三层。
ODS层是各业务系统的源数据，会对操作型环境中的数据进行简单的格式解析、多数据源的合并、设置字段默认值等操作
DW层对ODS层进行建模加工，提供统计汇总数据。
DM层根据DW层的数据，为各个业务单元定义的集市，输出相关的主题宽表
有了上面的硬件基础，企业的数据管理部门还需要对各业务条线的数据梳理出一份全量业务的数据字典，方便数据分析人员借助数据字典了解公司的全景数据，明确数据的分布和蕴含意义。数据字典的能否在企业级的层面做到及时更新，也是数据“硬实力”的重要组成部分。
此外，数据建模层和数据应用层主要是对数据仓库中的数据进行利用与挖掘，数据建模层主要方便地对数据分析人员查询分析数据、BI报表的实时展示以及数据挖掘工程师对数据的深度建模与挖掘提供支撑。数据应用层是数据价值产生的出口，可以认为面向的用户是全体管理人员和业务人员，而不是数据分析人员，可以提供用户的智能营销以及个性化内容推荐等功能。
三、数据运营“软实力”
数据运营软实力，主要是对人的能力要求。数据团队作为各业务部门的支持方，团队内成员主要从事数据采集、清理、分析、策略、建模等工作，支撑整个运营体系朝精细化方向发展。常见岗位包括：数据分析师、算法工程师、爬虫工程师、数据挖掘工程师等。从工作内容分为：数据治理、数据分析挖掘、数据产品三个层次。
数据治理：
优质的数据是应用的前提。数据治理负责数据系统的架构规划、数据的标准和规范化作业、数据的权限管理，保证数据的安全性和可用性，定义各业务口径的数据标准，构建数据集市和底层数据架构，输出支持到分析人员应用的数据字典。
数据分析挖掘：
数据分析是数据运营的重点工作，其核心是业务方向的数据分析支持。主要包括：
-
对业务活动进行效果评估以及异常分析，如异常订单分析、异常流量分析，挖掘业务机会点，给予运营方建议及指导；
-
收集整理各业务部门的数据需求，搭建数据指标体系，定期向业务部门提交数据报表，包括日报、周报、月报等；
-
数据价值挖掘，如基于用户行为数据建立用户画像、建立RFM模型对客群进行聚类营销；
-
辅助管理层决策，对问题进行定位，输出可行性建议，辅助管理层进行决策。
数据产品：
负责梳理各部门对数据产品的需求，规划报表并优化报表，协调数据仓库的开发资源保证项目按时上线。将数据分析部门建立的挖掘模型、用户画像等数据模型做成可视化产品输出。企业内部常见的数据产品包括数据管理平台和自助数据提取平台。其中数据管理平台支持运营日报查看、实时交易数据查看、业务细分数据查看；自助数据提取平台满足业务方对更细纬度业务数据的需求，解放数据提取人员的重复性工作。
数据运营人员需要技能与能力
1、EXCEL数据处理与绘图
2、SQL类语言
3、Python语言
4、PPT制作能力
5、业务理解能力
