多语言展示
当前在线:1453今日阅读:60今日分享:41

企业搞定数据化运营,全靠这几步!

从“数据运营”的角度上来可以说拆散成两块,一个是数据,一个是运营。“运营”也是近几年互联网兴起之后出现的岗位。当很多人问运营朋友说,你是做什么的?运营朋友回答:我是什么都管,生产也管一点,销售也管一点。后来运营细分之后,又分为了产品运营,用户运营等等,今天讲的就是数据运营。
工具/原料
1

数据分析步骤

2

BDP商业数据平台

方法/步骤
1

从企业的角度上来说,第谷在生产数据,开普勒是使用数据和分析数据。我们现在拿到了数据之后怎么进行运营?运营一定要把自己放到大的背景下来看,我们先来讲一个宏观的话题,中国经济的三个阶段的变化:

2

中国经济三个阶段的变化分别是生产导向,再到销售导向,再到如今的市场导向。生产导向是计划经济的典型特征,生产什么就销售什么,企业通过大量生产和压缩成本以形成规模经济。那个年代有大量的工厂和制造业企业如雨后春笋般涌现,当时我们都说中国制造,后来变成中国智造,只要质量好的产品就有人买。到了九十年代的时候,社会生产力有了长足的发展,企业多了,市场上供大于需,企业为了抢占市场份额开始进行大面积广告投放,进入到销售导向时代。大家读《大败局》就会知道,秦池、巨人、爱多等中央电视台标王,都是那个时代产生的,大家通过打广告取得的品牌知名度产生实实在在的销售收入。但是到了移动互联网的时代,不再是为了产品找到合适的用户,而是为用户找到合适的产品。例如小米崛起的时候,有产品吗?没有!用户会为了怎样的产品“发烧”,小米就生产怎样的产品;有广告么?没有!靠的是社群、是粉丝的传播。这是一个神奇的时代,全球Uber没有一辆车;全球最大的媒体所有者Facebook没有一个内容制作人;全球最大的住宿服务提供商Airbnb没有任何房产。但是,他们都有大量高粘度用户。所以我们推导出,在现在移动互联网时代,在这种市场演变到今天的情况下,我们经营的不再是产品,而是我们的用户。用户会产生什么呢?用户会产生数据。所以说在现在这个时代上,数据已经成为企业的核心资产了,数据就是价值。对企业而言,如果光生产产品而没有数据,很快会被淘汰,那么如何管理这个核心资产呢?

3

企业要具备三个能力,数据占领能力、数据分析能力、价值变现能力。数据占领能力就是获取数据资源的能力,不仅要有企业内部运营的数据,同时要寻求外部的合作,获取大量的信息。互联网时代最重要的是连接,我们不再笃信短板理论,而是通过跨界融合是资源整合来达到1+1>2的效果。对数据要有分析能力,回到我们刚才开普勒的故事,他是基于这些大量的数据进行分析,以每一年作为一个视角才能分析出行星定律的三大定律。数据可以变现,并不是通过数据的买卖进行变现,而是从数据中发现存在的问题,让企业运营做得更好,提升经营绩效。

4

企业如何进行数据化运营?数据化运营具体落地到企业应该怎么做?我们认为有这么五步:自上而下、数据闭环、搭建模型、数据分析、权限分配。我们具体看一下每一步应该怎么做。

5

一、自上而下|定义指标库,确定项目范围我举一个O2O的例子,首先我们做自上而下内部到底有哪些决策,老板、产品、运营、培训、市场、招商、客户,每一个部门岗位关心什么指标呢?我们做指标之前要有一个目标:提升运营效率,降低运营成本,简单说四个字降本增效。老板关注的是利润率问题,产品关注产品使用率、留存率等,运营关注成本控制等等,将不同岗位人员所关注的指标,都给梳理出来。

6

二、数据闭环|接入分析数据,整理数据确定好指标之后,要形成数据闭环,把我们横向的业务系统全部打通。比如说以某为例,将交易系统、商家系统、客户系统、会员系统、财务系统全部打通,有时候把HR系统也打通了。很多时候销售部门的数据和财务部门的数据总是有差异,都存在这种情况。数据闭环打通的其实不是一个系统,而是业务之间的壁垒,让每一个部门之间沟通得更好。

7

三、数据模型|打通数据关系,搭建数据模型模型搭建是准备面粉的过程,我们把小麦给磨成面粉,最后用面粉做出蛋糕,蛋糕才是我们真正要吃的东西。搭建数据模型,从数据分析的视角,搭建很多数据模型,就是打通数据链条、打通数据之间的关系。

8

四、数据分析|围绕指标范围,制作数据分析呈现数据分析我们怎么来做呢?比如说你想要看到不同地域下订单的变化情况,只要把这个数据拖上来,就能够很直观就能看到全国各个不同区域的订单的变化情况。这个数据做出来之后,下一次还需要分析吗?不需要了。因为你把所有的数据已经关联好了,以后就按照这个模式,它的数据会自动的更新,这就是围绕我们项目范围,制作分析结果。

9

五、权限分配|根据用户权限,分配数据资产数据分析完成后,根据用户权限分配数据资产,手机或者电脑都可以接收,并且自动更新。可视化并不是炫酷,而是视角,视角就是数据分析的思维;我们不能孤立来看数据,一定要场景化。比如复购率,技术人员在做数据分析结果时,把每个月的复购单数除以所有单数减掉退货单数作为每个月的复购率,而业务人员认为不需要减掉退货单数,这就取决于是在什么场景下对复购率进行定义。

11

多组数据图的纵横交错不利于数据分析,通过拆分对比,各组数据形式一目了然,并且高度交互,实现针对某个点显示所有品类或时间的具体数据,高效获取数据分析结果。

12

移动端普遍应用,带来了大量的位置信息,催生了新的数据形式。BDP实现了实时、动态的数据流展示,可直观查看数据流动,从而更合理、高效的进行资源的优化和配置。

推荐信息