大數(shù)據(jù)如何應(yīng)用于企業(yè)運(yùn)營(yíng)_數(shù)據(jù)分析師培訓(xùn)

大數(shù)據(jù)在企業(yè)運(yùn)營(yíng)的不同層次有著不同的作用，也對(duì)應(yīng)了不同的應(yīng)用方法論。本文抽象出大數(shù)據(jù)應(yīng)用于企業(yè)運(yùn)營(yíng)的不同層次以及相應(yīng)的應(yīng)用方法——大數(shù)據(jù)企業(yè)運(yùn)營(yíng)應(yīng)用金字塔模型。大數(shù)據(jù)企業(yè)運(yùn)營(yíng)金字塔分為7個(gè)層面，包括數(shù)據(jù)基礎(chǔ)平臺(tái)層、業(yè)務(wù)運(yùn)營(yíng)監(jiān)控層、用戶洞察與體驗(yàn)優(yōu)化層、精細(xì)化運(yùn)營(yíng)與營(yíng)銷層、業(yè)務(wù)市場(chǎng)傳播層、業(yè)務(wù)經(jīng)營(yíng)分析層和戰(zhàn)略分析層。企業(yè)在考慮大數(shù)據(jù)應(yīng)用時(shí)，此模型可以作為基礎(chǔ)的參考方向。

數(shù)據(jù)基礎(chǔ)平臺(tái)層。數(shù)據(jù)基礎(chǔ)平臺(tái)層是大數(shù)據(jù)企業(yè)運(yùn)營(yíng)應(yīng)用金字塔的最底層也是整個(gè)金字塔的基礎(chǔ)層，如果基礎(chǔ)層搭建不好，上面的應(yīng)用層也很難在企業(yè)運(yùn)營(yíng)中發(fā)揮效果。沒有數(shù)據(jù)或者沒有高質(zhì)量的數(shù)據(jù)，所有的分析和數(shù)據(jù)挖掘都是誤導(dǎo)。數(shù)據(jù)基礎(chǔ)平臺(tái)層的目標(biāo)是把企業(yè)的所有用戶（客戶）數(shù)據(jù)用唯一的用戶ID串起來，包括用戶（客戶）的畫像（如性別、年齡等）和用戶行為等，以達(dá)到全面的了解用戶（客戶）的目的。數(shù)據(jù)基礎(chǔ)平臺(tái)層的搭建有三大關(guān)鍵：
（1）確定用戶唯一ID。企業(yè)需要確定打通用戶（客戶）數(shù)據(jù)的唯一ID，可以考慮用會(huì)員注冊(cè)號(hào)，或手機(jī)號(hào)或者身份證號(hào)等。企業(yè)在構(gòu)建會(huì)員注冊(cè)體系時(shí)，最好是使用用戶手機(jī)號(hào)作為會(huì)員賬號(hào)，這樣方便后期整合其他外部數(shù)據(jù)源；同時(shí)使用手機(jī)號(hào)的好處在于未來可以基于手機(jī)號(hào)向會(huì)員開展相關(guān)的營(yíng)銷活動(dòng)；
（2）有效的解決數(shù)據(jù)孤島問題。擁有大數(shù)據(jù)的企業(yè)常常有多個(gè)業(yè)務(wù)部門，而且不同業(yè)務(wù)部門的數(shù)據(jù)往往孤立，導(dǎo)致同一企業(yè)的用戶各種行為和興趣愛好數(shù)據(jù)散落在不同部門，出現(xiàn)不同的數(shù)據(jù)孤島，導(dǎo)致企業(yè)的數(shù)據(jù)資產(chǎn)不能很好的整合使用。解決數(shù)據(jù)孤島的問題，需要高層重視并授權(quán)給公司級(jí)的中立數(shù)據(jù)部門，企業(yè)從上往下，有意識(shí)強(qiáng)有力的去整合不同業(yè)務(wù)部門的數(shù)據(jù)，解決數(shù)據(jù)孤島，打通數(shù)據(jù)；
（3）解決數(shù)據(jù)有效管理和計(jì)算的問題。我們可以通過技術(shù)手段和規(guī)范手段把數(shù)據(jù)管理起來。重點(diǎn)要解決的問題是存在數(shù)據(jù)倉(cāng)庫(kù)里面的數(shù)據(jù)具體的含義是什么，以及如何高效的存儲(chǔ)和計(jì)算。通過數(shù)據(jù)接入系統(tǒng)和元數(shù)據(jù)管理系統(tǒng)，我們可以有效的管理數(shù)據(jù)的定義和相關(guān)計(jì)算邏輯；通過分布式文件系統(tǒng)、分布式數(shù)據(jù)庫(kù)等方法解決高效存儲(chǔ)的問題；通過大數(shù)據(jù)查詢分析計(jì)算、批處理計(jì)算、流式計(jì)算和內(nèi)存計(jì)算等計(jì)算模式以及大數(shù)據(jù)計(jì)算任務(wù)調(diào)度系統(tǒng)等方法解決高效計(jì)算的問題。
業(yè)務(wù)運(yùn)營(yíng)監(jiān)控層。業(yè)務(wù)運(yùn)營(yíng)監(jiān)控層主要目的是幫助企業(yè)監(jiān)控業(yè)務(wù)運(yùn)營(yíng)情況的健康度，快速發(fā)現(xiàn)問題并定位問題原因。我們首先要做的是搭建業(yè)務(wù)運(yùn)營(yíng)的關(guān)鍵數(shù)據(jù)體系，在此基礎(chǔ)上開發(fā)可視化的數(shù)據(jù)產(chǎn)品，監(jiān)控關(guān)鍵數(shù)據(jù)的異動(dòng)，并可以定位數(shù)據(jù)異動(dòng)的原因，輔助運(yùn)營(yíng)決策。在業(yè)務(wù)運(yùn)營(yíng)監(jiān)控層，如果企業(yè)構(gòu)建了實(shí)時(shí)計(jì)算的能力，那么很多業(yè)務(wù)運(yùn)營(yíng)中問題就能更快的發(fā)現(xiàn)。因此，業(yè)務(wù)運(yùn)營(yíng)監(jiān)控層的工作有兩大關(guān)鍵：
（1）梳理數(shù)據(jù)體系。數(shù)據(jù)分析師和業(yè)務(wù)負(fù)責(zé)人一起梳理業(yè)務(wù)的數(shù)據(jù)體系，尤其是對(duì)關(guān)鍵數(shù)據(jù)如KPI數(shù)據(jù)進(jìn)行系統(tǒng)化的拆解和梳理。KPI數(shù)據(jù)的梳理可以以假設(shè)該數(shù)據(jù)下跌開始進(jìn)行梳理。以活躍用戶為例，假設(shè)某產(chǎn)品的活躍用戶數(shù)下跌，一方面可以通過物理拆解的方式層層下鉆找出影響模塊，即某產(chǎn)品的活躍用戶下跌可能是因?yàn)樵摦a(chǎn)品的子模塊活躍用戶下跌引起，我們可以對(duì)該子模塊進(jìn)一步拆解分析原因，拆解的過程也是數(shù)據(jù)體系搭建的過程；另一方面，可以對(duì)活躍用戶的相關(guān)因素進(jìn)行數(shù)據(jù)化梳理，如新老用戶的構(gòu)成、用戶質(zhì)量、推廣渠道質(zhì)量的變化等多種維度進(jìn)行數(shù)據(jù)化梳理；
（2）打造數(shù)據(jù)異動(dòng)監(jiān)控產(chǎn)品。企業(yè)需要構(gòu)建靈活和智能的數(shù)據(jù)異動(dòng)監(jiān)控產(chǎn)品，并把梳理好的數(shù)據(jù)體系封裝在數(shù)據(jù)異動(dòng)監(jiān)控產(chǎn)品中。數(shù)據(jù)異動(dòng)監(jiān)控產(chǎn)品需要有三方面的能力：一方面，數(shù)據(jù)可視化程度高易讀性好，通過該產(chǎn)品可以清晰的看到數(shù)據(jù)體系和數(shù)據(jù)間的脈絡(luò)；第二方面，通過算法實(shí)現(xiàn)異動(dòng)原因的定位；第三方面，智能的告警功能，一旦關(guān)鍵數(shù)據(jù)的關(guān)鍵節(jié)點(diǎn)出問題，并可以通過短信、郵件等方式周知相關(guān)人員。
用戶洞察/體驗(yàn)優(yōu)化層。這一層主要是通過大數(shù)據(jù)來洞察用戶行為和偏好以及監(jiān)控和優(yōu)化用戶的體驗(yàn)問題。這一層面既運(yùn)用了結(jié)構(gòu)化的數(shù)據(jù)來洞察和優(yōu)化，也運(yùn)用非結(jié)構(gòu)化的數(shù)據(jù)（如文本）來洞察和優(yōu)化。前者更多的是應(yīng)用各種用戶行為模型來實(shí)現(xiàn)，后者更多的是通過監(jiān)測(cè)微博、論壇和企業(yè)內(nèi)部客服系統(tǒng)的文本來洞察和優(yōu)化。具體包括以下兩大方面：
（1）用戶洞察。利用大數(shù)據(jù)技術(shù)抓取微博、論壇和企業(yè)客服系統(tǒng)等文本數(shù)據(jù)來洞察用戶對(duì)產(chǎn)品的關(guān)注點(diǎn)和走勢(shì)，實(shí)時(shí)掌握用戶需求及動(dòng)向；基于大數(shù)據(jù)的用戶行為數(shù)據(jù)分析，并結(jié)合用戶調(diào)研，深度掌握用戶潛在需求和預(yù)期；對(duì)企業(yè)內(nèi)部數(shù)據(jù)進(jìn)行系統(tǒng)化梳理后，為企業(yè)內(nèi)部數(shù)據(jù)用戶搭建自助分析工具，協(xié)助企業(yè)內(nèi)部數(shù)據(jù)用戶（如產(chǎn)品經(jīng)理、營(yíng)銷人員）靈活提取和分析數(shù)據(jù)，幫助他們進(jìn)行相關(guān)研究和決策；
（2）體驗(yàn)優(yōu)化。我們可以通過大數(shù)據(jù)構(gòu)建各種用戶體驗(yàn)監(jiān)測(cè)模型來進(jìn)行用戶體驗(yàn)優(yōu)化。如電商用戶購(gòu)買行為的漏斗模型，監(jiān)控用戶進(jìn)入首頁(yè)、查看商品產(chǎn)品詳情、把產(chǎn)品放到購(gòu)物車、購(gòu)買以及支付等各環(huán)節(jié)之間轉(zhuǎn)化率來發(fā)現(xiàn)用戶購(gòu)物過程的體驗(yàn)問題；通過大數(shù)據(jù)技術(shù)監(jiān)測(cè)用戶使用產(chǎn)品的評(píng)價(jià)以及時(shí)發(fā)現(xiàn)產(chǎn)品體驗(yàn)問題，并提交給相關(guān)產(chǎn)品或服務(wù)部門進(jìn)行調(diào)整和優(yōu)化。
業(yè)務(wù)運(yùn)營(yíng)監(jiān)控層和用戶洞察/體驗(yàn)優(yōu)化層這兩個(gè)層面終極目標(biāo)是實(shí)現(xiàn)企業(yè)運(yùn)營(yíng)健康度監(jiān)控的智能化，這兩層面做出的工具好比是人體的體溫計(jì)、血壓計(jì)、B超、CT等工具，我們用這些工具就能快速透視企業(yè)運(yùn)營(yíng)中那一模塊或者環(huán)節(jié)發(fā)生問題，以輔助相關(guān)人員進(jìn)行及時(shí)的改進(jìn)。
精細(xì)化運(yùn)營(yíng)和營(yíng)銷層。這一層主要的目的是通過大數(shù)據(jù)驅(qū)動(dòng)企業(yè)進(jìn)行精細(xì)化運(yùn)營(yíng)和營(yíng)銷。實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)和營(yíng)銷有六方面關(guān)鍵：
（1）構(gòu)建基于用戶的數(shù)據(jù)提取和運(yùn)營(yíng)工具。運(yùn)營(yíng)和營(yíng)銷人員通過簡(jiǎn)單的條件配置（如選擇男性、18-24歲以及特定興趣愛好），便可把用戶信息提取出來，對(duì)相應(yīng)的用戶進(jìn)行營(yíng)銷或運(yùn)營(yíng)活動(dòng)；
（2）構(gòu)建基于大數(shù)據(jù)的CRM系統(tǒng)。傳統(tǒng)的CRM系統(tǒng)只關(guān)注企業(yè)內(nèi)部數(shù)據(jù)，而大數(shù)據(jù)時(shí)代的CRM不僅僅是整合企業(yè)內(nèi)部數(shù)據(jù)，還需要整合更多的外部數(shù)據(jù)，利用大數(shù)據(jù)技術(shù)獲取更多實(shí)時(shí)和多元化的用戶行為和偏好數(shù)據(jù)，為企業(yè)潛在用戶、存留用戶打標(biāo)簽，構(gòu)建多維度及實(shí)時(shí)的用戶視圖，更有效掌握不同用戶的價(jià)值，對(duì)不同用戶實(shí)施不同的營(yíng)銷策略；
（3）構(gòu)建基于大數(shù)據(jù)的營(yíng)銷活動(dòng)數(shù)據(jù)挖掘體系。通過數(shù)據(jù)挖掘提升用戶對(duì)營(yíng)銷活動(dòng)的響應(yīng)（如點(diǎn)擊率），常見的數(shù)據(jù)挖掘算法有決策樹、邏輯回歸等，通過這些算法有效的提前識(shí)別最有可能參與活動(dòng)的用戶，或者發(fā)現(xiàn)潛客；
（4）推廣渠道質(zhì)量監(jiān)控和防作弊。通過大數(shù)據(jù)手段建立營(yíng)銷推廣渠道質(zhì)量的監(jiān)控模型，實(shí)時(shí)的監(jiān)控推廣渠道的效果和質(zhì)量，防止渠道作弊，及時(shí)優(yōu)化和挑戰(zhàn)推廣策略和預(yù)算；
（5）通過數(shù)據(jù)挖掘的手段進(jìn)行客戶生命周期管理，做到實(shí)時(shí)對(duì)不同生命周期的客戶進(jìn)行實(shí)時(shí)標(biāo)記和預(yù)警，并把有效的活動(dòng)當(dāng)成商品一樣及時(shí)的推送給不同生命周期階段的客戶；
（6）客戶個(gè)性化推薦。主要是用個(gè)性化推薦算法實(shí)現(xiàn)根據(jù)用戶不同的興趣和需求推薦不同的商品或者產(chǎn)品，以實(shí)現(xiàn)推廣資源效率和效果最大化。
業(yè)務(wù)市場(chǎng)傳播層。這一層面要做到通過“性感”的數(shù)據(jù)分析和挖掘來輔助產(chǎn)品進(jìn)行傳播，主要有兩種實(shí)現(xiàn)方式：
（1）制作有趣的數(shù)據(jù)信息圖譜。相信大家都不喜歡看產(chǎn)品的公關(guān)軟文，而更喜歡看好玩的有趣的內(nèi)容?；ヂ?lián)網(wǎng)上內(nèi)容的傳播更是如此。第三方數(shù)據(jù)公司CNNIC中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心2014年的數(shù)據(jù)顯示，10-29歲的網(wǎng)民占所有中國(guó)網(wǎng)民的55%，而這些用戶偏年輕、偏“屌絲”，所以這些受眾更喜歡“性感”的內(nèi)容。某電商平臺(tái)曾經(jīng)通過統(tǒng)計(jì)其購(gòu)買胸罩C-Cup以上的用戶地區(qū)分布，發(fā)現(xiàn)西安的網(wǎng)民相對(duì)比例最多，并發(fā)布了這個(gè)數(shù)據(jù)，暗示西安女生身材好，引起不少“屌絲”網(wǎng)民傳播。而某社交平臺(tái)在則基于其8億多活躍用戶披露“逃離北上廣”數(shù)據(jù)圖，發(fā)現(xiàn)11%的用戶在春節(jié)后逃離了北上廣，并引起央視的深入報(bào)道；

（2）提供數(shù)據(jù)可視化產(chǎn)品。如某搜索引擎廠商，提供關(guān)鍵詞搜索指數(shù)，讓關(guān)注此關(guān)鍵詞的用戶可以實(shí)時(shí)掌握該關(guān)鍵詞被網(wǎng)民關(guān)注的走勢(shì)，在提供此服務(wù)的同時(shí)，也形成了該搜索廠商的品牌傳播效應(yīng)。另外一個(gè)案例是，某互聯(lián)網(wǎng)地圖服務(wù)上基于其位置定位數(shù)據(jù)，向網(wǎng)民展示了春節(jié)期間的全國(guó)春運(yùn)出行熱度圖，以可視化的大數(shù)據(jù)產(chǎn)品形式來展現(xiàn)全國(guó)春運(yùn)動(dòng)態(tài)，網(wǎng)民可以在動(dòng)態(tài)的出行熱度圖上查看某城市的人口遷入、遷出線路排行，并能進(jìn)行飛機(jī)、汽車、火車等不同出行方式的熱度對(duì)比，由此來知曉某地區(qū)春運(yùn)的出行熱度。全國(guó)春運(yùn)出行熱度圖被央視報(bào)道，可見這樣結(jié)合社會(huì)熱點(diǎn)的數(shù)據(jù)可視化產(chǎn)品更被關(guān)注。
業(yè)務(wù)經(jīng)營(yíng)分析層和戰(zhàn)略分析層。這兩個(gè)層面更多的是運(yùn)營(yíng)傳統(tǒng)的戰(zhàn)略分析、經(jīng)營(yíng)分析層面的方法論，擁有大數(shù)據(jù)的企業(yè)在這兩個(gè)層面的優(yōu)勢(shì)在于其分析的數(shù)據(jù)可以來自大數(shù)據(jù)，并且數(shù)據(jù)更新速度快，快到可以按照小時(shí)來更新甚至是分鐘級(jí)的速度更新，傳統(tǒng)的戰(zhàn)略分析、經(jīng)營(yíng)分析一般是按月來統(tǒng)計(jì)；另外一個(gè)優(yōu)勢(shì)在于大數(shù)據(jù)的數(shù)據(jù)來源更多，可以對(duì)非結(jié)構(gòu)化的數(shù)據(jù)進(jìn)行更多的深入挖掘和洞察。但有兩方面需要注意：
（1）有很多企業(yè)錯(cuò)誤的把“業(yè)務(wù)運(yùn)營(yíng)監(jiān)控層”和“用戶洞察/體驗(yàn)優(yōu)化層”能做的事情放在經(jīng)營(yíng)分析層或者戰(zhàn)略分析層來實(shí)施。我們認(rèn)為“業(yè)務(wù)運(yùn)營(yíng)監(jiān)控層”和“用戶/客戶體驗(yàn)優(yōu)化層”更多的是通過機(jī)器、算法和數(shù)據(jù)產(chǎn)品來實(shí)現(xiàn)的，“戰(zhàn)略分析”、“經(jīng)營(yíng)分析”更多的是人來實(shí)現(xiàn)。很多企業(yè)把機(jī)器能做的事情交給了人來做，這樣導(dǎo)致發(fā)現(xiàn)問題的效率較低。我們的建議是：能用機(jī)器做的事情盡量用機(jī)器來做好，尤其是“業(yè)務(wù)運(yùn)營(yíng)監(jiān)控層”和“用戶/客戶體驗(yàn)優(yōu)化層”，在此基礎(chǔ)上讓人來做擅長(zhǎng)的經(jīng)營(yíng)分析和戰(zhàn)略判斷；
（2）在變化極快的互聯(lián)網(wǎng)領(lǐng)域，在業(yè)務(wù)的戰(zhàn)略方向選擇上，數(shù)據(jù)很難預(yù)測(cè)業(yè)務(wù)的大發(fā)展方向，如果有人說微信這個(gè)大方向是通過數(shù)據(jù)挖掘和分析研究出來，估計(jì)產(chǎn)品經(jīng)理們會(huì)笑了。我們認(rèn)為，如果能利用數(shù)據(jù)通過機(jī)器、算法、或者人工的手段，把經(jīng)營(yíng)的現(xiàn)狀和問題及原因洞悉的特別清楚已經(jīng)很不錯(cuò)了，這樣決策層就可以基于這些情況進(jìn)行更好的“拍腦袋”決策。
從本質(zhì)上來說，數(shù)據(jù)在業(yè)務(wù)運(yùn)營(yíng)監(jiān)控、用戶洞察和體驗(yàn)優(yōu)化、精細(xì)化營(yíng)銷和運(yùn)營(yíng)、輔助經(jīng)營(yíng)分析中能起到比較好的作用，但在產(chǎn)品策劃、產(chǎn)品創(chuàng)意等創(chuàng)意性的事情上，起到的作用較小。但一旦產(chǎn)品創(chuàng)意出來，便可以通過大數(shù)據(jù)AB測(cè)試，數(shù)據(jù)驗(yàn)證效果了。總之，本文只是提綱挈領(lǐng)的介紹了大數(shù)據(jù)在企業(yè)的落地方案。