>

想做数据运营,第一步怎么办?

GIO 增长团队 2018-03-01
449

作者 | 陈明


国内的BAT巨头早已经意识到大数据的威力,已在布局数据化运营。

马云把下一个时代的竞争定义为数据竞争,百度今年 9 月份百度世界大会大数据分论坛,主题即是“让大数据成为商业新能源”。滴滴打车的成功更离不开数据,滴滴 CTO 张博曾表示,大数据是滴滴的心脏。

如今越来越多的企业开始关注如何转化数据,用以解决业务问题,驱动业务的迅猛成长。 “大数据”、“数据科学”、“Hadoop/Spark”等新兴字眼,也接踵而来,被炒的火热。如何处理并使用数据,逐渐成为了各个企业核心课题。

对很多中小企业决策者而言,抓住用户、提升对市场的反应速度、提高运营效率等急需数据驱动运营,但如何开始做数据驱动运营,仍很困惑。

现在开始,要做数据驱动运营了,需要注意什么?第一步怎么启动?一定要自建吗?有没有靠谱的第三方解决方案?

一、长链条

首先,得理解“数据分析”是很长的链条,而真正实现数据驱动,可能会是个漫长的过程。

一般可以把“数据科学”归纳为三类:数据的追踪与收集,数据存储处理,数据可视化以及预测分析。

举个简单的类比:原始数据,其实就像是原始石油,大家都知道很珍贵,但如果没有专业的处理和加工,是无法转变为汽油或其它石油衍生品,为商业生产提供动力和能量。

“数据科学”,就是像是炼油技术:通过数据的追踪与收集,可以从网络日志,移动应用,客户交易信息等等行为中勘探收集大量数据资源;而存储处理,是通过技术,将看似杂乱不堪的数据转化的整齐而有规则,并根据其数据量以及提取方式,将其储存为不同种类的格式(数据仓库,Hadoop,Spark ); 这些提炼过的数据,再通过分析可视化或预测建模过程转换为及时商务信息,协助日常决策;也可以摇身一变,转化为数据产品,为商务产生直接的价值。

这样的链条中,对每一步的精准度都有很高的要求。就像中学时候串联的电路, 链条一个环节出现问题或断裂,灯泡就不会亮。

二、时间、人力成本这么高,一定要自建吗?

其次,实现这样的链条,人员、薪酬、时间等成本极高。

在 LinkedIn,单单是数据分析的职能,在全公司就有不下 100 人的团队,如果加上工程的各个环节,光是处理数据类的需求,就有 200 - 300 人在支撑。

而 LinkedIn 建立一支这样的团队,需要多少时间。 LinkedIn Business Analytics 部门曾由其前商业总监张溪梦主导,从 2010 年 4 月开始,自己的一个人,扩张到近 100 人的大部门,足足花了近五年时间。

而“数据工程师”,“数据架构师”,“数据分析师”这样的职位,工薪待遇要求也很高。

有媒体报道,在美国,大数据分析师平均每年薪酬高达 17.5 万美元,而国内顶尖互联网公司,大数据分析师的薪酬可能要比同一个级别的其他职位高 20% 至 30%。

在拉勾网上,1-3 年工作经验的数据分析师如果开不到 15 - 30K 的薪资,显得完全没有吸引力。并且让人头疼的是,即便是这样的薪资,招到优秀的数据分析师也并不容易。

除此,时间成本,是最大的挑战。速度在企业发展中,尤其是互联网行业,是至关重要的竞争力之一。就像 Facebook 在小红书里写下的“唯快不破” 的战略指导方针, 组建团队所需的时间能否赶得上市场、客户、对手、产品等更新迭代的速度?

大公司也许可以承担这样的成本,而对于中小型公司来说,有没有必要在早期就花精力和人力去建造这样的数据团队,或者能不能建立起一只能服务企业数据运营的队伍,也是个巨大的问题。

三、“黄花菜早凉了”怎么办

在国内,一些很早觉醒的中小企业已经着手组建自己的数据分析团队,但即便是有相对完善数据团队的企业,仍然有自己的烦恼。

中小企业自建的团队,一般都是数据分析师和数据工程人员,这和企业内部运营人员的比例,是完全失衡的,一般都是 1:100 甚至 1:300。这种结构,让分析师每天纠缠在事务性事情上,很难产生价值。

并且,数据分析的过程也是相对缓慢的。

例如产品分析,产品经理会向数据分析团队提出分析需求,而当数据分析师去寻找数据的时候,会发现需要工程人员协助加入新的代码,埋点采集;等到写好代码上线,数据收集进来,往往几周已经过去了,这时候产品经理往往早已进行了决策,进行下一步产品的开发了。

如果这样的决策速度,是无法达到数据驱动运营的最佳效果的。这其中,是否有数据,如何埋点,如何分析,如何决策,每一步都需要大量的时间反复优化,如果没有经验,会耗费很多精力和时间。

四、give us the data, and we will take care of the rest

而在国外很多企业开始使用 mixpanel、Optimizely 等这样的数据分析工具,“give us the data, and we will takecare of the rest,”Optimizely 即以这样的理念服务了 8000 家付费用户,mixpanel 也有约 3000 家付费用户, 45 billion actions。

在国内,也开始有这样的企业提供此类 SaaS 服务,比如 GrowingIO 等。今年 5 月,张溪梦从硅谷回国,带领来自 LinkedIn 、eBay 、Coursera、亚信等国内外顶级互联网及数据公司的团队创办 GrowingIO。

利用硅谷最新的数据分析技术和方法,把过去几个月到几个星期的数据分析工程压缩到几个小时到几分钟,为互联网企业提供端到端的数据分析解决方案,帮助企业提升效率、增长业务。产品主要覆盖四大类数据分析,包括市场推广、产品体验、销售运营,以及客户成功。

这种数据分析工具运用无埋点采集,收集海量的网站、移动 APP 以及移动终端数据,自动生成一套对商业价值最有用的方案,促进业务运营的分析结果,以辅助企业内的决策者以及一线员工做到全数据驱动决策。

这样可以极度压缩数据收集、处理、分析的过程,大幅解放数据分析人员,他们可以做更深层的东西。如果你关心营销,它们告诉你哪些对营销最有用;如果你关心客户成功,它们告诉你怎么提高客户留存率、降低流失率......可以帮助中小企业解决自建数据分析团队时间长、成本高、数据分析过程漫长、需内部反复优化等很多难题。

其实,大数据运营的本质即是化繁为简,就是在做小数据、没数据的工作:如何能将海量数据转化为可以理解的商务洞察,协助决策的制定。




关于 GrowingIO


GrowingIO 是基于用户行为的新一代数据分析产品

首推国内领先的“分析工具+运营咨询+持续增长”数据服务体系,帮助企业构建数据运营闭环

依托于快速部署无埋点技术,实时采集全量行为数据,搭建完整的数据监控体系

高效管控与运营核心业务指标,帮助企业挖掘更多商业价值