大數(shù)據(jù)應(yīng)用于企業(yè)運營_數(shù)據(jù)分析師考試

大數(shù)據(jù)在企業(yè)運營的不同層次有著不同的作用，也對應(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)運營的不同層次以及相應(yīng)的應(yīng)用方法——大數(shù)據(jù)企業(yè)運營應(yīng)用金字塔模型。大數(shù)據(jù)企業(yè)運營金字塔分為7個層面，包括數(shù)據(jù)基礎(chǔ)平臺層、業(yè)務(wù)運營監(jiān)控層、用戶洞察與體驗優(yōu)化層、精細化運營與營銷層、業(yè)務(wù)市場傳播層、業(yè)務(wù)經(jīng)營分析層和戰(zhàn)略分析層。企業(yè)在考慮大數(shù)據(jù)應(yīng)用時，此模型可以作為基礎(chǔ)的參考方向。

　　數(shù)據(jù)基礎(chǔ)平臺層。數(shù)據(jù)基礎(chǔ)平臺層是大數(shù)據(jù)企業(yè)運營應(yīng)用金字塔的最底層也是整個金字塔的基礎(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)運營中發(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。數(shù)據(jù)基礎(chǔ)平臺層的目標是把企業(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，以達到全面的了解用戶（客戶）的目的。數(shù)據(jù)基礎(chǔ)平臺層的搭建有三大關(guān)鍵：

　?。?）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，可以考慮用會員注冊號，或手機號或者身份證號等。企業(yè)在構(gòu)建會員注冊體系時，最好是使用用戶手機號作為會員賬號，這樣方便后期整合其他外部數(shù)據(jù)源；同時使用手機號的好處在于未來可以基于手機號向會員開展相關(guān)的營銷活動；

　?。?）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)給公司級的中立數(shù)據(jù)部門，企業(yè)從上往下，有意識強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)；

　?。?）解決數(shù)據(jù)有效管理和計算的問題。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。重點要解決的問題是存在數(shù)據(jù)倉庫里面的數(shù)據(jù)具體的含義是什么，以及如何高效的存儲和計算。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)計算邏輯；通過分布式文件系統(tǒng)、分布式數(shù)據(jù)庫等方法解決高效存儲的問題；通過大數(shù)據(jù)查詢分析計算、批處理計算、流式計算和內(nèi)存計算等計算模式以及大數(shù)據(jù)計算任務(wù)調(diào)度系統(tǒng)等方法解決高效計算的問題。

　　業(yè)務(wù)運營監(jiān)控層。業(yè)務(wù)運營監(jiān)控層主要目的是幫助企業(yè)監(jiān)控業(yè)務(wù)運營情況的健康度，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)運營的關(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，并可以定位數(shù)據(jù)異動的原因，輔助運營決策。在業(yè)務(wù)運營監(jiān)控層，如果企業(yè)構(gòu)建了實時計算的能力，那么很多業(yè)務(wù)運營中問題就能更快的發(fā)現(xiàn)。因此，業(yè)務(wù)運營監(jiān)控層的工作有兩大關(guān)鍵：

　?。?）梳理數(shù)據(jù)體系。數(shù)據(jù)分析師和業(yè)務(wù)負責人一起梳理業(yè)務(wù)的數(shù)據(jù)體系，尤其是對關(guān)鍵數(shù)據(jù)如KPI數(shù)據(jù)進行系統(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為該產(chǎn)品的子模塊活躍用戶下跌引起，我們可以對該子模塊進一步拆解分析原因，拆解的過程也是數(shù)據(jù)體系搭建的過程；另一方面，可以對活躍用戶的相關(guān)因素進行數(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行數(shù)據(jù)化梳理；

　?。?）打造數(shù)據(jù)異動監(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)異動監(jiān)控產(chǎn)品中。數(shù)據(jù)異動監(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，通過算法實現(xiàn)異動原因的定位；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)化用戶的體驗問題。這一層面既運用了結(jié)構(gòu)化的數(shù)據(jù)來洞察和優(yōu)化，也運用非結(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現(xiàn)，后者更多的是通過監(jiān)測微博、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)來洞察用戶對產(chǎn)品的關(guān)注點和走勢，實時掌握用戶需求及動向；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；對企業(yè)內(nèi)部數(shù)據(jù)進行系統(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、營銷人員）靈活提取和分析數(shù)據(jù)，幫助他們進行相關(guān)研究和決策；

　　（2）體驗優(yōu)化。我們可以通過大數(shù)據(jù)構(gòu)建各種用戶體驗監(jiān)測模型來進行用戶體驗優(yōu)化。如電商用戶購買行為的漏斗模型，監(jiān)控用戶進入首頁、查看商品產(chǎn)品詳情、把產(chǎn)品放到購物車、購買以及支付等各環(huán)節(jié)之間轉(zhuǎn)化率來發(fā)現(xiàn)用戶購物過程的體驗問題；通過大數(shù)據(jù)技術(shù)監(jiān)測用戶使用產(chǎn)品的評價以及時發(fā)現(xiàn)產(chǎn)品體驗問題，并提交給相關(guān)產(chǎn)品或服務(wù)部門進行調(diào)整和優(yōu)化。

　　業(yè)務(wù)運營監(jiān)控層和用戶洞察/體驗優(yōu)化層這兩個層面終極目標是實現(xiàn)企業(yè)運營健康度監(jiān)控的智能化，這兩層面做出的工具好比是人體的體溫計、血壓計、B超、CT等工具，我們用這些工具就能快速透視企業(yè)運營中那一模塊或者環(huán)節(jié)發(fā)生問題，以輔助相關(guān)人員進行及時的改進。

　　精細化運營和營銷層。這一層主要的目的是通過大數(shù)據(jù)驅(qū)動企業(yè)進行精細化運營和營銷。實現(xiàn)精細化運營和營銷有六方面關(guān)鍵：

　?。?）構(gòu)建基于用戶的數(shù)據(jù)提取和運營工具。運營和營銷人員通過簡單的條件配置（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，對相應(yīng)的用戶進行營銷或運營活動；

　?。?）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)獲取更多實時和多元化的用戶行為和偏好數(shù)據(jù)，為企業(yè)潛在用戶、存留用戶打標簽，構(gòu)建多維度及實時的用戶視圖，更有效掌握不同用戶的價值，對不同用戶實施不同的營銷策略；

　?。?）構(gòu)建基于大數(shù)據(jù)的營銷活動數(shù)據(jù)挖掘體系。通過數(shù)據(jù)挖掘提升用戶對營銷活動的響應(yīng)（如點擊率），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別最有可能參與活動的用戶，或者發(fā)現(xiàn)潛客；

　?。?）推廣渠道質(zhì)量監(jiān)控和防作弊。通過大數(shù)據(jù)手段建立營銷推廣渠道質(zhì)量的監(jiān)控模型，實時的監(jiān)控推廣渠道的效果和質(zhì)量，防止渠道作弊，及時優(yōu)化和挑戰(zhàn)推廣策略和預(yù)算；

　?。?）通過數(shù)據(jù)挖掘的手段進行客戶生命周期管理，做到實時對不同生命周期的客戶進行實時標記和預(yù)警，并把有效的活動當成商品一樣及時的推送給不同生命周期階段的客戶；

　　（6）客戶個性化推薦。主要是用個性化推薦算法實現(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，以實現(xiàn)推廣資源效率和效果最大化。

　　業(yè)務(wù)市場傳播層。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)品進行傳播，主要有兩種實現(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。某電商平臺曾經(jīng)通過統(tǒng)計其購買胸罩C-Cup以上的用戶地區(qū)分布，發(fā)現(xiàn)西安的網(wǎng)民相對比例最多，并發(fā)布了這個數(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道；

　?。?）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)鍵詞的用戶可以實時掌握該關(guān)鍵詞被網(wǎng)民關(guān)注的走勢，在提供此服務(wù)的同時，也形成了該搜索廠商的品牌傳播效應(yīng)。另外一個案例是，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)期間的全國春運出行熱度圖，以可視化的大數(shù)據(jù)產(chǎn)品形式來展現(xiàn)全國春運動態(tài)，網(wǎng)民可以在動態(tài)的出行熱度圖上查看某城市的人口遷入、遷出線路排行，并能進行飛機、汽車、火車等不同出行方式的熱度對比，由此來知曉某地區(qū)春運的出行熱度。全國春運出行熱度圖被央視報道，可見這樣結(jié)合社會熱點的數(shù)據(jù)可視化產(chǎn)品更被關(guān)注。

　　業(yè)務(wù)經(jīng)營分析層和戰(zhàn)略分析層。這兩個層面更多的是運營傳統(tǒng)的戰(zhàn)略分析、經(jīng)營分析層面的方法論，擁有大數(shù)據(jù)的企業(yè)在這兩個層面的優(yōu)勢在于其分析的數(shù)據(jù)可以來自大數(shù)據(jù)，并且數(shù)據(jù)更新速度快，快到可以按照小時來更新甚至是分鐘級的速度更新，傳統(tǒng)的戰(zhàn)略分析、經(jīng)營分析一般是按月來統(tǒng)計；另外一個優(yōu)勢在于大數(shù)據(jù)的數(shù)據(jù)來源更多，可以對非結(jié)構(gòu)化的數(shù)據(jù)進行更多的深入挖掘和洞察。但有兩方面需要注意：

　?。?）有很多企業(yè)錯誤的把“業(yè)務(wù)運營監(jiān)控層”和“用戶洞察/體驗優(yōu)化層”能做的事情放在經(jīng)營分析層或者戰(zhàn)略分析層來實施。我們認為“業(yè)務(wù)運營監(jiān)控層”和“用戶/客戶體驗優(yōu)化層”更多的是通過機器、算法和數(shù)據(jù)產(chǎn)品來實現(xiàn)的，“戰(zhàn)略分析”、“經(jīng)營分析”更多的是人來實現(xiàn)。很多企業(yè)把機器能做的事情交給了人來做，這樣導致發(fā)現(xiàn)問題的效率較低。我們的建議是：能用機器做的事情盡量用機器來做好，尤其是“業(yè)務(wù)運營監(jiān)控層”和“用戶/客戶體驗優(yōu)化層”，在此基礎(chǔ)上讓人來做擅長的經(jīng)營分析和戰(zhàn)略判斷；

　?。?）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)測業(yè)務(wù)的大發(fā)展方向，如果有人說微信這個大方向是通過數(shù)據(jù)挖掘和分析研究出來，估計產(chǎn)品經(jīng)理們會笑了。我們認為，如果能利用數(shù)據(jù)通過機器、算法、或者人工的手段，把經(jīng)營的現(xiàn)狀和問題及原因洞悉的特別清楚已經(jīng)很不錯了，這樣決策層就可以基于這些情況進行更好的“拍腦袋”決策。

　　從本質(zhì)上來說，數(shù)據(jù)在業(yè)務(wù)運營監(jiān)控、用戶洞察和體驗優(yōu)化、精細化營銷和運營、輔助經(jīng)營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測試，數(shù)據(jù)驗證效果了?？傊?，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。還有更多的細節(jié)和方法論未能展示出來，后面的文章將繼續(xù)展開。