数据化运营是指充分利用数据对企业运营过程中的各个环节进行____、____、____
数据化运营是指通过数据化的工具、技术和方法，对运营过程中的各个环节进行科学的分析，为数据使用者提供专业、准确的行业数据解决方案，从而达到优化运营效果和效率、降低运营成本、提高效益的目的。
数据是反映产品和用户真实状态的一种方式，通过数据指导运营决策、驱动业务增长。数据充斥在运营的各个环节，成功的运营一定是基于数据的。当数据使用者养成以数据为导向的习惯之后，做运营就有了依据，不再是凭经验盲目运作。
数据化运营不是孤立的数据主义，应该是“业务专家+数据智能”的半人工方式，也就要求数据使用者在数据化运营实践中，需要拥有深度的业务逻辑，再结合数据智能技术，方能实现数据智能为业务的赋能。
数据化运营的2种方式
1、辅助决策式数据化运营
通过数据、模型、知识等进行业务决策，起到帮助、协助和辅助决策者的目的。通过为决策者提供信息，供企业使用。
2、数据驱动式数据化运营
整个运营运作流程以最大化结果为目标，以关键数据为触发和优化方式，将运营业务的工作流程、逻辑、技巧封装为特定的应用，借助计算机技术并结合企业内部的流程和机制形成一体化的的数据化工作流程。
数据运营这两年这么火，数据运营是做什么的？
数据运营是做什么的？又为什么比其他运营岗位更有竞争力呢？数据运营是一个近年来兴起的概念，是一个入门就偏技术性的运营岗位。所以数据运营在起点上就比其他岗位的运营要高。这也注定了在薪资结构上，数据运营的薪资要普遍比其他运营岗位薪资高。
一、数据运营是做什么的：市场分析
数据运营是做什么的？按照不同的维度对用户层行分层，并再次分化，从而为运营决策提供支持。
随着互联网发展的提速，数据作为精准运营的决策依据也越来越重要，因为我们渐渐摒弃过去的流量思维，更看重精准流量。我们不断去研究，那些曾经购买我们产品的用户，可以总结出哪些身份标签、行为标签、兴趣标签，他们又会出现在什么地方，我们怎样才能更有效地触及到这些人呢？这些都需要数据运营来解决。
目前，数据运营是什么样呢？我们可以通过相关数据查阅到下面的基本情况。
从上图，在最近1年的岗位样本上，北京的平均薪资是12300元，其中占比区间最多的是10-15K。
而工作经验1-3年的数据运营薪资就已经接近月薪1万，在3-5年的薪资，达到了基本管理层的薪资水平。
数据是反映产品和用户状态最真实的一种方式，通过数据指导运营决策、驱动业务增长。所以，数据运营是属于一种技能强、门槛高的岗位，我们研究数据的目的也是希望通过数据发现问题，提升效率，促进增长。
二、数据运营是做什么的：具体工作分析
数据运营是做什么的？是不是基于数据的运营，一切跟着数据来，分析一堆Excel表格呢？还是说要研究高深的工具，像Python、数据库之类的？
可能大家理解的数据运营更偏向于是数据分析层面，实际上，数据运营包括数据收集、数据分析、决策支持三个环节。数据分析只是其中的一环节。
1、数据运营是做什么的：数据收集说到数据收集，大家理解是不是说尽可能收集一切数据，其实不然，数据收集必须围绕你的运营目标展开，不是什么数据都对你是有价值的。数据有很多种，当你不使用它们的时候，他们就是一堆杂乱的数据，只有你有了明确了数据分析的目的，才能进行数据分析。电商后台就有很多数据，商品的名称、型号、尺寸大小、价格、货源产地、购买者的淘宝账号、下单号、下单地址、购买者的身份（是否为新老用户）等。
数据收集要坚持一个原则：宜早不宜晚。意思是产品从创立阶段，就需要有意识的收集数据，而不是等到公司发展到B轮、C轮才去收集。如果是活动，也要在活动开始就去收集数据，而不是等活动结束后才收集统计，那样可能对于过程中出现的问题就没办法及时调整了。
数据收集主要是收集哪些数据呢？围绕运营目标，我们可以把要收集的数据分为4种类型：行为数据、流量数据、业务数据、外部数据。
下面我们依次对其分析。
a、数据收集：行为数据它是记录用户在产品上一系列操作行为的集合，按时间顺序记录。
比如用户打开APP，点击菜单，浏览页面是行为；用户收藏歌曲、循环播放歌曲，快进跳过歌曲也是行为。
行为数据的核心是描述用户在不同时间点、产品的不同环节，用了哪种方式完成了哪个类型的操作。
举个例子，阅读内容、点赞、评论、分享是社区产品的用户行为，点击产品、添加购物车、下单、付费、评价是电商产品的用户行为。不同平台对用户行为的定义标准不同，你要结合公司的业务再展开分析。
另外一方面，用户行为也是用户运营体系的基础，我们可以按不同行为划分出不同梯度，将用户区分成核心用户、重要用户、普通用户、潜在用户，再进行分层管理。当然，每家公司对用户的分层标准也是不一样的。
b、数据收集：流量数据通常是先有流量，才有了用户行为合集，流量达不到一定程度，用户的个别行为可能都比较独立，无法有效支持决策。
流量数据和行为数据最大的差异在于，流量数据能够知道用户从哪里来，是通过搜索引擎、外链还是直接访问。这些数据通常用于渠道转化分析、广告投放决策等应用。
c、数据收集：业务数据业务数据在产品运营过程中伴随业务产生。比如电商产品，我进行了促销，多少用户领取了优惠券，多少优惠券被使用，优惠券用在哪个商品上，这些数据和运营息息相关，但因为没办法通过行为数据和流量数据解释清楚，所以归类到业务数据的范畴。
这部分数据企业一般关注比较多，因为它能直接反映出销量、下载量，跟企业的生存关系特别密切。
d、数据收集：外部数据通常外部数据是指不通过公司内部出现的，比如一些第三方平台统计的行业数据、用户行为数据，这些数据对公司决策也起到很大支持作用。公司可以拿着这些数据跟内部数据对比，看看目前公司处于哪个水平。
2、数据运营是做什么的：数据分析数据运营做产品的数据分析，要考虑影响产品的核心指标是什么。比如电子商务网站，流量就是非常重要的指标。当重要指标数据或趋势过于宏观时，我们需要通过不同的维度对核心数据进行分解，来获得更加精细的数据洞察。
在选择维度时，需要仔细思考其对分析结果的影响。举个例子，当监测到网站流量异常时，可以通过拆分地区、访问来源、设备、浏览器等维度，发现问题所在。如下图，当天网站的访问用户量显著高于上周，这是什么原因呢？当我们按照访问来源对流量进行维度拆分时。不难发现直接访问来源的访问量有非常大的提升，这样就进一步把问题聚焦了。
当我们做数据分析时，首先要选择影响产品的核心指标，然后通过不同维度的数据对核心指标进行分析，确定影响核心指标的因素，接下来在用数据去验证。3、数据运营是做什么的：决策支持数据运营无论做数据报表还是数据分析，目的都是为了用数据支持决策。比如我们用漏斗模型对用户注册进行分析，能够还原出用户每个路径结点用户的转化。
上图中注册流程分为3个步骤，总体转化率为45.5%，第二步的转化率是56.8%，显著低于第一步89.3%和第三步转化率89.7%，可以推测第二步注册流程存在问题。
第二步的提升就是我们关注的重点，接下来我们要做的就是优化产品，关注新的数据情况，这就是在用数据支持决策。否则我们只是知道注册环节有问题，但又不知道具体的小问题出现在哪里，就显得很无措。
数据运营是做什么的？本篇给大家介绍了数据运营的基本情况，数据运营包含的四个环节，希望大家通过阅读本篇文章，对数据运营有进一步的认知。请持续关注爱盈利更多运营干货知识。
数据化运营需要什么知识技能？
编辑导语：数据可以驱动业务，同样的，运营也可以结合数据，帮助企业找到新的增长点，实现数字化转型。具体而言，什么是数据化运营？本篇文章里，作者就数据化运营的定义、所需知识技能、以及基本流程等方面做了总结，一起来看一下。
互联网下半场，流量红利早已消耗殆尽，一方面是泡沫散去后投资人投资更加理性，没那么多钱可以给到互联网公司去烧钱拉客户，另一方面，现在用户信息过载、产品和服务同质化严重，经常是花了钱也得不到客户，这样导致企业获客成本已经非常昂贵。过去获取一个新客的成本可能几毛钱几块钱，现在要几百元，流量洼地几乎不存在了。于是，大家纷纷把目光投向了大数据，希望利用数据驱动业务，带来新的增长点，数字化转型、数据化运营成了近几年的热潮。那么，到底什么是数据化运营，该如何进行数据化运营呢?一、数据化运营与运营什么关系？数据化运营：通过数据化的工具、技术和方法，对运营过程中的各个环节进行科学的分析，为数据使用者提供专业、准确的行业数据解决方案，从而达到优化运营效果和效率、降低运营成本、提高效益的目的。
产品和运营是相辅相成无法分割的，举个通俗的例子，产品诞生就像小孩出生，而运营则是让孩子茁壮长大，成为有用之才为为家、为国做贡献的长期过程。而数据化运营，则是将数据的能力贯穿运营的整个过程。以AARRR的用户增长框架为例，数据化运营覆盖：经营管理：从拍脑袋定性决策，到一切用数据说话的定量决策。渠道运营：如何找到流量规模大、留存质量高、又便宜的获客渠道，渠道投放策略怎样实现ROI最大化。活动运营：参与活动的用户具有什么特征，每个活动的转化效果以及ROI怎样，是持续扩大流量还是优化调整策略。产品运营：用户是否可以流畅地完成操作流程，各个业务流程的转化漏斗如何，哪个环节流失最多，是否可以通过产品优化提升整体转化率。内容运营：有些业务是商品运营，即哪些内容更受用户喜欢，如何实现人货的最优匹配。用户运营：用户分层，不同用户群体的差异化运营策略。
二、数据赋能运营的2个方向
数据在数据化运营过程中的价值概况主要就是两个方向，一是通过数据进行决策，还有就是把数据应用到运营或产品流程，提升产品智能化能力。1.数据决策业务数据化，把业务过程的数据进行采集处理，用数据呈现业务经营情况是什么、怎么样、为什么、如何做的问题。2.智能应用又可以分为两个维度，一是智能营销运营，二是产品的智能。智能化运营，典型的案例是基于用户画像实现精准营销。即通过用户画像分析挖掘，对用户进行差异化、精细化运营。产品智能常见的是个性化推荐、AI应用，例如利用机器学习算法，实现内容的自动化审核。三、数据化运营的基本流程
1.确定目标数据化运营第一步，要搞清楚业务的核心目标是什么，用户运营、产品运营不同的运营场景目标不同，可以围绕业务的KPI展开。2.指标体系业务目标确定后，基于目标进行数据指标的拆分，构建业务监控或结果评价的指标体系。3.数据获取需要的数据从哪里来，对于流量、行为类的数据必须要先进行埋点，在数据团队经常遇到业务产品找数据PM要数据，到头来却发现都没有埋点。4.数据分析利用数据分析方法、数据可视化等方法对采集到的数据进行处理，形成分析报告。5.策略建议基于分析结果，发现业务问题或寻找潜在增长点，支撑业务决策、驱动产品流程改进优化。6.评估优化分析结论或策略建议在产品或运营端实施后，通过AB测试对比、效果分析，持续优化迭代。四、数据化运营需要掌握的知识体系1.数据埋点数据埋点是互联网产品数据分析的根基，想要做好数据化运营，需要清楚埋点的流程、埋点方案选择、数据验证方法。可以查看：《用户行为数据采集：常见埋点方案优劣势对比及选型建议》。2.指标体系建设好的指标体系可以直观地反应当前业务经营状况的好坏，并且可以给出可以指导行动的决策建议。数据化运营需要掌握指标体系的构建及管理方法。例如，通过OSM与UJM模型，构建数据化运营指标体系。3.数据分析方法除了专业的数据分析岗位外，现在几乎各个岗位都要求具备一定的数据分析技能，产品经理掌握分析方法可以更好的做产品决策，运营具备分析能力，可以更高效的运营。目前市面上数据分析的课程非常多。4.用户行为分析过去数据分析以宏观的数据指标为主，例如流量、订单、营收等。随着用户增长理论的发展，对个体行为的洞察分析成了新的方向。通过对用户点击事件、漏斗转化、行为路径、留存分析以及魔法数字分析，找出产品流程上的问题和改进点，从而提升用户转化，促进用户增长。5.数据可视化运营数据分析报告、数据分析平台都需要以更直观的方式将分析结果或决策建议输出，指导业务决策。因此，需要了解数据可视化图表的应用原则、可视化产品设计理念，以及常用的可视化工具，如Echart、百度图说，可以查看《数据可视化怎样才有灵魂》。6.用户画像标签体系与精细化运营精细化运营离不开用户的分层运营，对用户进行更细粒度的分群，需要掌握用户画像理论、用户画像标签体系建设方法，将业务运营场景抽象成用户标签，利用CDP/DMP平台实现更高效的运营流程。可以查看《CDP、DMP、CRM都是什么，你分得清楚吗？》、《数据中台：从0-1，数据服务平台（DMP）实践》。7.算法挖掘应用基于运营经验的规则运营需要和算法能力相结合，才能发挥更大的价值，例如人与商品的精准推荐实现千人千面的个性化产品体验，或者将业务规则抽象成算法特征，利用AI能力预测用户行为意向。可以查看：《数据化运营：算法模型可以取代业务经验吗？》。五、总结这篇文章主要是想让你对数据化运营有个宏观的认知。了解数据化运营的流程，以及工作过程涉及的知识及技能，可以更有针对性地准备。数据化运营是不断实践和积累的过程，后续也会针对各个方向的知识进行单独篇幅的介绍。#专栏作家#数据干饭人，微信号公众号：数据干饭人，人人都是产品经理专栏作家。专注数据中台产品领域，覆盖开发套件，数据资产与数据治理，BI与数据可视化，精准营销平台等数据产品。擅长大数据解决方案规划与产品方案设计。本文原创发布于人人都是产品经理，未经作者许可，禁止转载。题图来自Unsplash，基于CC0协议
