从零开始 构建数据化运营体系

　　构建数据化运营体系是终点，又是起点，此过程就是迭代，是体系的核心。

　　在了解数据化运营前，运营们有没有过如下的问题：

　　不同渠道，效果究竟是好是坏?

　　活跃数下降了，到底是因为什么原因?

　　这次活动推广成效如何?

　　发布了版本，用户喜不喜欢?

　　我们总是说传播，传播到底有多大?

　　这些都是产品和运营每天、每时、每刻都会遇到的问题。数据化运营，实际以解决这些问题为根本。它从来不是BAT的专属，也不是大数据的独宠，每一家互联网公司，都有适合的数据运营土壤。

　　数据运营体系，是数据分析的集合与应用，也是数据先行的战略，它不仅是运营人员的工作，也是产品、市场和研发的共同愿景。从管理角度，是自上而下的推动，如果领导不重视，那么执行者数据用得再好，也是半只腿走路。

　　如何构建数据化运营体系呢?以下是我的总结思考。

　　我将数据化运营体系划分成四层架构，每一层架构都逐步演进互相依赖，每一层又不可缺少。这四层分别是：数据收集层、数据产品层、数据运营层、用户触达层。它是以运营人员为视角的框架。

　　数据收集层

　　数据化运营体系的底层是数据收集，数据是整个体系中的石油。

　　数据收集的核心是尽可能收集一切的数据，它有两个原则：

　　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。数据化运营贯彻产品全阶段，不同阶段有不同的运营方法。

　　宜全不宜少：指的是只有不合适的数据，而没有烂数据。像历史数据、变更记录或者细节处的数据，都存在价值。

　　举一个例子：

　　有一家金融产品，它的征信系统会详细记录用户的行为，用户在借贷时上传担保资料，会记录用户在这些页面的操作步骤和时间。

　　这里有一个假设，上传担保资料普通人一定是谨慎小心的，如果这步骤完成的非常顺畅快速，很可能是会违约和欠款的人群：你操作那么溜，是不是想捞一笔?属于熟练工作案。征信系统会把这些数据作为特征判断风险。

　　需要收集的数据能划分成四个主要类型：行为数据、流量数据、业务数据、外部数据。