淺談提升“數據驅動力”的三個層面
隨著流量紅利的消失,深度挖掘用戶價值、精細化運營越來越成為互聯網行業的轉變重心,“數據驅動力”的價值也得以凸顯。與此同時,要想提升“數據驅動力”,就要掌握三點內容,具體如文中所示。
互聯網流量紅利的消退,倒逼互聯網公司告別野蠻擴張迎來精益運營時代,通過“數據驅動”挖掘更深層次的用戶價值成了互聯網人的一致共識,“數據驅動力”在精益運營時代的重要性日益突顯。
這里的“數據驅動力”,即指通過數據體系,系統化地獲取及分析數據,并為業務決策提供有效支撐,不斷驅動業務發展的思維和能力。
概括來說,互聯網人可以從以下三個層面提升“數據驅動力”。
一、認識數據驅動結構
1. 數據價值演進金字塔
按照人類認知邏輯,數據的價值演進呈現出一個清晰的“倒金字塔結構”,如圖1所示,塔基到塔尖由低到高依次為數據、信息、知識、智慧,塔的四周則是客觀的外部世界。
如果我們將數據價值演進的過程,看做是一個礦物冶煉過程的話,數據就像是人類從外部世界發掘出的初級“礦石”,是對客觀世界的最原始記錄。比如未被加工和解釋的文本、數字、聲音或圖像,等等。
然后再經過一步步的冶煉加工,依次生產出更高等級的認知“產品”。這些“產品”的共同使命,在于幫助人們實現更加科學的決策,而最終又通過實踐影響客觀世界。
落在實際業務中,打造“數據驅動力”首先就是要構建獲取業務數據的能力;其次是提升發現和挖掘信息的能力,以及提升總結、歸納知識的能力;而最高的追求則是形成“業務智慧”,及運用智慧持續驅動業務發展的能力。
拿到一手業務數據后,對數據價值挖掘和思考的深度,往往也決定了一個人、一個企業的發展高度和維度。
2. 數據驅動系統金字塔
為了描述數據驅動系統的內部結構,本文借助了傳承于老子《道德經》的“道法術器勢”理論。
如圖2所示,數據驅動體系,由高到低依次可以劃分為“道、法、術、器”幾個層級。
- 道,指數據驅動需遵循的規律、理念和價值觀
- 法,指圍繞數據驅動人為制訂的制度、規范
- 術,指數據驅動的技術、技巧、方法
- 器,則指數據驅動中所使用的工具或手段
- 勢,指所處的時空及趨勢,即互聯網行業所處的大環境
“器”服務于“術”,“術”符合于“法”,“法”根基于“道”,“道法術器”整個體系又在“勢”的裹挾下不斷演進并驅動“勢”的前進和變化。
實際業務實踐中,需講求“以道御術”,即以道義來承載智術。
想打造自己的數據驅動力,首先要認同數據驅動的內在價值,形成數據驅動業務的內在價值觀;在“明道合法”基礎上,再去不斷提升數據挖掘、數據分析等技術層面的技巧和方法,不斷提升Excel、SQL、Python等數據工具的使用能力,這樣的“數據驅動力”才會更加有底氣。
二、構建數據驅動閉環
1. 打通數據驅動流程閉環
業務實踐,是數據驅動的出發點,也是數據驅動的落腳點。
如圖3所示,一個完整的數據驅動流程大致可劃分為數據需求、采集處理、挖掘分析、數據決策、數據驅動5個環節。
數據需求,是整個流程的第一步,其根據業務碰到的實際問題抽象而來,為數據采集指明了方向。
數據采集處理,即搞到數據并進行清洗、轉換、整理和存儲。
數據采集的方式主要包括可視化埋點、代碼埋點、導入輔助工具3類。采集的數據類型主要包括埋點數據、日志數據、業務數據、爬蟲數據、財務數據、第三方數據等等。
數據挖掘分析,包括數據挖掘、數據分析2個環節:
(1)數據挖掘,主要是計算機通過統計學、人工智能、機器學習等方法挖掘出有價值的信息或知識。
(2)數據分析,則是通過適當的統計分析方法及工具,對采集整理的數據進行剖析,提取出有價值的信息,并得出結論。
數據分析,主要的重點是進行業務的現狀分析、原因分析、預測分析,常用的分析方法包括對比分析、分組分析、交叉分析、回歸分析,等等。
2. 建立數據驅動體系閉環
隨著數據專業技術的發展和數據工作的日益精細化,業務的數據驅動早已不是一個人獨立就能完成的工作,而更需要依靠一個機制化的配合體系,相關部門之間需形成數據驅動的業務閉環。
如圖4所示,管理層&業務團隊、數據團隊是數據驅動體系里的最主要的兩個業務角色。
管理層&業務團隊,首先需基于商業模式和企業愿景制訂okr目標,從而指引業務鏈條上的相關團隊沿著一致的方向開展工作,然后再結合業務實踐中碰到的問題,形成具體的數據需求下發至數據團隊。
數據團隊根據業務需要,采集數據并構建起數據體系,結合業務方的數據需求進行挖掘分析,并將結論反饋給管理層&業務團隊;幫助業務方更科學地決策實現對業務實踐的驅動,并最終促進okr的達成。
數據驅動體系得以運轉的基礎,是公司內部數據驅動的企業文化和價值觀,讓數據真正發聲。
而讓數據驅動體系高效運轉的要點,是各個部門之間形成一致的數據共識,即明確公司層面的北極星指標和增長模型;而數據需求的提出、數據體系的構建需主要圍繞這一數據共識而展開。
三、把握數據驅動節奏
數據驅動是一個動態的過程,業務實踐中需要根據實際情況,靈活把握數據驅動的節奏和側重點。
如圖5所示,以一個互聯網項目管理的節點為例,大致可拆分為事前、事中、事后3個階段,每個階段數據驅動的重點各有不同。
1. 事前階段:主要側重分析和評估項目的可行性,分析市場潛力和投資回報(ROI),基于充分的數據分析形成項目規劃,并明確所要達到的目標及對應的項目指標體系。
2. 事中階段:一方面要對項目數據進行全面實時的監控,確保項目的正常運行,建立異常告警機制;另一方面要及時對已經產生的數據進行挖掘分析,推動項目優化迭代。
3. 事后階段:主要是對項目進行復盤,及時將轉化數據同步給項目干系人,同時為后續的項目積累可貴的經驗。
結語
以上,就是站在互聯網“人”的維度,可以提升“數據驅動力”的三個層面。
另外,隨著大數據和人工智能技術的發展,“機器”維度的數據驅動力也越來越重要,其正在深刻改變著行業生態,驅動著“產品智能”進行著快速的迭代,篇幅所限后續文章中再做探討。
作者:云洲,公眾號:云洲說(yunzhoushuo),互金產品運營專家,上海、杭州6年行業經驗。
本文由@云洲 原創發布于人人都是產品經理,未經許可,禁止轉載。
題圖來自 Unsplash,基于 CC0 協議
- 目前還沒評論,等你發揮!