想做数据运营,第一步怎么办?

想做数据运营,第一步怎么办?

小图2

国内的BAT巨头早已经意识到大数据的威力,已在布局数据化运营。


马云把下一个时代的竞争定义为数据竞争,百度今年9月份百度世界大会大数据分论坛,主题即是“让大数据成为商业新能源”。滴滴打车的成功更离不开数据,滴滴CTO张博曾表示,大数据是滴滴的心脏。


如今越来越多的企业开始关注如何转化数据,用以解决业务问题,驱动业务的迅猛成长。 “大数据”、“数据科学”、“Hadoop/Spark”等新兴字眼,也接踵而来,被炒的火热。如何处理并使用数据,逐渐成为了各个企业核心课题。


对很多中小企业决策者而言,抓住用户、提升对市场的反应速度、提高运营效率等急需数据驱动运营,但如何开始做数据驱动运营,仍很困惑。


现在开始,要做数据驱动运营了,需要注意什么?第一步怎么启动?一定要自建吗?有没有靠谱的第三方解决方案?


小图3

长链条


首先,得理解“数据分析”是很长的链条,而真正实现数据驱动,可能会是个漫长的过程。


一般可以把“数据科学”归纳为三类:数据的追踪与收集,数据存储处理,数据可视化以及预测分析。


举个简单的类比:原始数据,其实就像是原始石油,大家都知道很珍贵,但如果没有专业的处理和加工,是无法转变为汽油或其它石油衍生品,为商业生产提供动力和能量。


“数据科学”,就是像是炼油技术:通过数据的追踪与收集,可以从网络日志,移动应用,客户交易信息等等行为中勘探收集大量数据资源;而存储处理,是通过技术,将看似杂乱不堪的数据转化的整齐而有规则,并根据其数据量以及提取方式,将其储存为不同种类的格式(数据仓库,Hadoop,Spark ); 这些提炼过的数据,再通过分析可视化或预测建模过程转换为及时商务信息,协助日常决策;也可以摇身一变,转化为数据产品,为商务产生直接的价值。


这样的链条中,每一步的精准度都有很高的要求。就像中学候串路, 链条一个环节出现问题或断裂,灯泡就不会亮。

时间、人力成本这么高,一定要自建吗?



其次,实现这样的链条,人员、薪酬、时间等成本极高。


在LinkedIn,单单是数据分析的职能,在全公司就有不下100人的团队,如果加上工程的各个环节,光是处理数据类的需求,就有200-300人在支撑。


而LinkedIn建立一支这样的团队,需要多少时间。 LinkedInBusiness Analytics 部门曾由其前商业总监张溪梦主导,从2010年4月开始,自己的一个人,扩张到近100人的大部门,足足花了近五年时间。


而“数据工程师”,“数据架构师”,“数据分析师”这样的职位,工薪待遇要求也很高。


有媒体道,在美国,大数据分析平均每年薪酬高达17.5万美元,而国内尖互网公司,大数据分析的薪酬可能要比同一个级别的其他位高20%至30%。


在拉勾网上,1-3年工作经验的数据分析师如果开不到15-30K的薪资,显得完全没有吸引力。并且让人头疼的是,即便是这样的薪资,招到优秀的数据分析师也并不容易。


除此,时间成本,是最大的挑战。速度在企业发展中,尤其是互联网行业,是至关重要的竞争力之一。就像Facebook在小红书里写下的“唯快不破” 的战略指导方针, 组建团队所需的时间能否赶得上市场、客户、对手、产品等更新迭代的速度?


大公司也许可以承担这样的成本,而对于中小型公司来说,有没有必要在早期就花精力和人力去建造这样的数据团队,或者能不能建立起一只能服务企业数据运营的队伍,也是个巨大的问题。

小图4

“黄花菜早凉了”怎么办


在国内,一些很早觉醒的中小企业已经着手组建自己的数据分析团队,但即便是有相对完善数据团队的企业,仍然有自己的烦恼。


中小企业自建的团队,一般都是数据分析师和数据工程人员,这和企业内部运营人员的比例,是完全失衡的,一般都是1:100甚至1:300。这种结构,让分析师每天纠缠在事务性事情上,很难产生价值。


并且,数据分析的过程也是相对缓慢的。


例如产品分析,产品经理会向数据分析团队提出分析需求,而当数据分析师去寻找数据的时候,会发现需要工程人员协助加入新的代码,埋点采集;等到写好代码上线,数据收集进来,往往几周已经过去了,这时候产品经理往往早已进行了决策,进行下一步产品的开发了。


如果这样的决策速度,是无法达到数据驱动运营的最佳效果的。这其中,是否有数据,如何埋点,如何分析,如何决策,每一步都需要大量的时间反复优化,如果没有经验,会耗费很多精力和时间。

小图5

give us the data,

and we will take care of the rest



而在国外很多企业开始使用mixpanel、Optimizely等这样的数据分析工具,“give us the data, and we will takecare of the restOptimizely即以这样的理念服务了8000家付费用户,mixpanel也有约3000家付费用户, 45 billion actions


在国内,也开始有这样的企业提供此类SaaS服务,比如GrowingIO等。今年5月,张溪梦从硅谷回国,带领来自LinkedIn 、eBay 、Coursera、亚信等国内外顶级互联网及数据公司的团队创办GrowingIO


利用硅谷最新的数据分析技术和方法,把过去几个月到几个星期的数据分析工程压缩到几个小时到几分钟,为互联网企业提供端到端的数据分析解决方案,帮助企业提升效率、增长业务。产品主要覆盖四大类数据分析,包括市场推广、产品体验、销售运营,以及客户成功


这种数据分析工具运用无埋点采集,收集海量的网站、移动APP以及移动终端数据,自动生成一套对商业价值最有用的方案,促进业务运营的分析结果,以辅助企业内的决策者以及一线员工做到全数据驱动决策。


这样可以极度压缩数据收集、处理、分析的过程,大幅解放数据分析人员,他们可以做更深层的东西。如果你关心营销,它们告诉你哪些对营销最有用;如果你关心客户成功,它们告诉你怎么提高客户留存率、降低流失率......可以帮助中小企业解决自建数据分析团队时间长、成本高、数据分析过程漫长、需内部反复优化等很多难题。


其实,大数据运营的本质即是化繁为简,就是在做小数据、没数据的工作:如何能将海量数据转化为可以理解的商务洞察,协助决策的制定。




Can not display properly

为了您能获得最佳体验,请使用宽度大于1000px的屏幕浏览

亦或是扫描下方二维码,浏览手机版网页

'); })();