中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

要怎樣才能夠做好數(shù)據(jù)運營？這篇文章中，筆者對這些數(shù)據(jù)運營模型的經(jīng)驗與坑、雷的內(nèi)容進行對應(yīng)整理，推薦值得一看哦！

在很多企業(yè)或個人做數(shù)據(jù)運營的過程中，會存在某些偏差。

例如：

1. 業(yè)務(wù)部門會單方面陷入【精準運營】的規(guī)劃夢想中。
2. 數(shù)據(jù)部門陷入【數(shù)據(jù)展現(xiàn)】的無窮挖掘中。
3. 研發(fā)部門不了解數(shù)據(jù)代表著什么，甚至不清楚對應(yīng)業(yè)務(wù)數(shù)據(jù)要求該從哪些字段去做算法分析……

以上種種都是因為在做數(shù)據(jù)運營初期，沒有把業(yè)務(wù)模型、組織模型給建立好。只有把業(yè)務(wù)模型建立清晰，針對對應(yīng)模型模塊填充對應(yīng)的人員，進行組織架構(gòu)管理。數(shù)據(jù)運營才能達成它應(yīng)有的魅力。

筆者承接過某IPO階段公司的【數(shù)據(jù)中臺】建設(shè)工作，針對這些經(jīng)驗與坑、雷進行對應(yīng)整理，全文將圍繞著圖-1進行鋪開闡述。

圖-1

一、【數(shù)倉】建立

當企業(yè)發(fā)展一定體量級的時候，會有很多業(yè)務(wù)線，不同業(yè)務(wù)線有其對應(yīng)的業(yè)務(wù)系統(tǒng)，甚至一部分業(yè)務(wù)體量會很大。

這代表著：

1. 高層BOSS很難有直觀數(shù)據(jù)，全盤考慮各業(yè)務(wù)線的發(fā)展戰(zhàn)略。
2. 大體量業(yè)務(wù)系統(tǒng)的數(shù)據(jù)拉取，很消耗性能，拉取耗時長。
3. 由于業(yè)務(wù)發(fā)展階段不一致，各個業(yè)務(wù)線考慮的指標方向是不一致的，對各業(yè)務(wù)線系統(tǒng)支撐的數(shù)據(jù)人員、IT人員要求不一致，造成人員冗余……

我們在市場上聽過很多關(guān)于【數(shù)倉】、【數(shù)據(jù)中臺】的介紹，老板們也發(fā)現(xiàn)這個是他們想要的，但真正的怎么建設(shè)好【數(shù)據(jù)倉庫】，筆者就用類實體倉庫的比喻來進行淺顯的介紹：

1. 性能考量

在醫(yī)藥零售倉庫中，會將倉庫進行分庫、分區(qū)，分為收貨庫、出貨庫、暫存庫、整件區(qū)、拆零區(qū)等。這些都是為了業(yè)務(wù)操作方面考慮，能快速準確進行貨物流轉(zhuǎn)。

同理為了數(shù)據(jù)快速準確流轉(zhuǎn)，我們在建設(shè)初期就應(yīng)該將各種數(shù)據(jù)基于它規(guī)劃的體量進行分庫分表設(shè)置，例如采購數(shù)據(jù)每年可能達千萬條，門店銷售數(shù)據(jù)每月達上億條，那么針對這些數(shù)據(jù)體量就需要規(guī)劃好對應(yīng)的數(shù)據(jù)庫、數(shù)據(jù)表。

2. 快速響應(yīng)

這里的快速響應(yīng)，指的是人員的快速響應(yīng)。業(yè)務(wù)人員要數(shù)據(jù)與IT算法人員要數(shù)據(jù)是一致的么？就像顧客要貨、門店要貨、倉庫揀貨的邏輯是一樣的么？

答案肯定是不一樣的，針對統(tǒng)一給SKU，例如阿莫西林膠囊，顧客講的是這個名詞，門店要貨輸入的是這個SKU在ERP里面的編碼；倉庫揀貨錄入的是WMS和分揀設(shè)備上的倉庫編碼。這些都是為了快速響應(yīng)對應(yīng)上級部門需求做的轉(zhuǎn)化。

同理，業(yè)務(wù)人員可能要的是店效、坪效、人效、品效數(shù)據(jù)，數(shù)據(jù)人員轉(zhuǎn)化為對應(yīng)的指標及算法邏輯，IT人員就需要從不同數(shù)據(jù)字段中將其進行實現(xiàn)。

但是業(yè)務(wù)人員、數(shù)據(jù)人員、IT人員（或者是做表的表哥、表姐）就類似顧客、店員、倉管人員，如果沒有一套有效的【編碼機制】，那三者就會實現(xiàn)起來不高效且痛苦。

【字段字典】只是【編碼機制】的一部分，這項工作，初期比較耗時，很多PM不愿意安排資源去落實，但越晚做就會越痛苦。尤其是IT人員，就需要一個懂業(yè)務(wù)、知道對應(yīng)數(shù)據(jù)算法邏輯、了解對應(yīng)數(shù)據(jù)是數(shù)據(jù)表內(nèi)對應(yīng)字段的【翻譯人員】去給其進行標注，這個人可能是產(chǎn)品經(jīng)理，也可能是資深運維，也可能是業(yè)務(wù)部門的表哥表姐（不要問我咋知道的，說多了都是淚）。

3. 技術(shù)實現(xiàn)

類實體倉庫的電子標簽、自動傳輸帶，RF槍，在數(shù)倉中也會有各種自己的特定實現(xiàn)技術(shù)，無論是【定時觸發(fā)器】、【數(shù)據(jù)異常報警機制】、【數(shù)據(jù)主鍵】等，這些在具體實現(xiàn)中會面臨對應(yīng)的需求。

只是就像倉庫：

1. 十萬訂單出貨量的倉庫和百萬訂單出貨量的倉庫。
2. 90%的訂單準確率和99.99%的訂單準確率。
3. 三天發(fā)貨和一天發(fā)貨；在【硬件設(shè)備】上的需求是不一樣的。

那么【數(shù)倉】的建設(shè)，這些內(nèi)容也需要基于體量、業(yè)務(wù)運營需求進行對應(yīng)的技術(shù)實現(xiàn)規(guī)劃。這一塊需要一個有前瞻性的技術(shù)人員進行對應(yīng)規(guī)劃。就像實體倉，全都規(guī)劃甚至放好貨了，突然發(fā)現(xiàn)有幾個庫區(qū)建小了，要重新搞。那個工作，希望讀者不會遇到。

二、展示數(shù)據(jù)

這一部分就是很多表哥表姐永遠的痛，也是很多數(shù)據(jù)挖掘者孜孜不倦的內(nèi)容。數(shù)據(jù)展示邏輯可以有以下兩種：

1. 指標拆解法（并行關(guān)系）

• 針對【零售門店場景】有人貨場模型。
• 針對【用戶運營場景】有RFM模型。
• 針對商品管理有進銷存指標……這些模型里面的指標，又有不同的數(shù)據(jù)指標與分析維度。

例如同樣是

【人效】：

1. 老板考慮的是公司整個薪酬/收入的占比（例如是10%還是12%），因為他們考慮的是大盤，考慮的是凈利。凈利=毛利-運營成本，在資本市場，就是要做大毛利，降低運營成本，這樣口袋里的錢才會越來越多。
2. 業(yè)務(wù)leader考慮的是其中人效的比值提升，深層次的薪酬構(gòu)成，各種公司的考核制度其實是它想要員工達到的方向。例如它想要門店賣某些商品，那么它會做對應(yīng)商品的帶金提成；它想要門店提升服務(wù)，那么它會做對應(yīng)服務(wù)的星級考評的工資帶……
3. 業(yè)務(wù)主管考慮的是人效人員的排名與提升情況：好的，鼓勵并讓其分享；差的，了解情況并做提升。

這些就是同樣對于【人效】這個數(shù)據(jù)進行的不同數(shù)據(jù)維度的分析，當然還可以引入其他的維度。

2. 漏斗分析法（串行關(guān)系）

用戶運營場景中一般運用的比較多，例如基于【用戶行為路徑】做的漏斗轉(zhuǎn)化分析，找到對應(yīng)是在哪一層出現(xiàn)問題。這些讀者可以在很多地方找到專業(yè)的資料，我這就不班門弄斧了。

但是數(shù)據(jù)展示邏輯一定要基于展示對象進行考慮，就像老板看的數(shù)據(jù)一定不會是和運營主管看的一樣。怎么樣快速抓住對應(yīng)展示對象的眼球，很考量數(shù)據(jù)產(chǎn)品經(jīng)理的業(yè)務(wù)能力。

三、判斷數(shù)據(jù)（第一層魅力）

單獨給你一個數(shù)據(jù)，例如銷售額20個小目標；銷售同比上升5%；銷售同比下降10%……這些背后表明到底這個業(yè)務(wù)是好是壞？

你會發(fā)現(xiàn)，你不能夠盲目判斷。

例如：

1. 去年公司GMV30億，今年20億，那么就代表今年業(yè)務(wù)遇到了問題。
2. 銷售同比上升5%，但是國家GDP提升10%，行業(yè)銷售提升20%，這個時候你的老板就要開始跳腳了。
3. 銷售同比下降10%，但是行業(yè)銷售下降20%，同地區(qū)同行下降30%，這個時候你老板反而還要鼓勵你，給你發(fā)獎金。

所以單獨一份數(shù)據(jù)，是沒有用的。要對數(shù)據(jù)進行判斷，讓其提現(xiàn)真實的業(yè)務(wù)狀況，這時候數(shù)據(jù)才開始展現(xiàn)它【第一層的魅力】。數(shù)據(jù)展現(xiàn)方法也分以下兩種：

1.單指標

1）時間維度

單指標的時間維度，同時要結(jié)合業(yè)務(wù)的【生命周期】做考慮。

例如：

1. 爆發(fā)期，很多數(shù)據(jù)都是上升的。這個時候上升的數(shù)據(jù)的指數(shù)變化就需要再納入考量。
2. 平穩(wěn)期，大數(shù)的波動就不會很多，分項數(shù)據(jù)的波動才好來分析市場的變化。
3. 衰減期，很多數(shù)據(jù)都是下降的，這個時候新的分享的貢獻比的波動，就是重點考量的方向。

2）同期群分析

與同類型、同期發(fā)展的業(yè)務(wù)比較，例如公司在各B2C平臺都開了店，那么各個平臺橫向數(shù)據(jù)對比就能直觀展示不同業(yè)務(wù)組的發(fā)展情況。

3）分層分析法

分層分析法，一般用于精細化個體分析。例如A、B、C品的退貨率分別是多少；甲、乙、丙客服的滿意度是多少。這些甚至可以做排名。

2. 多指標

在這一塊，有【矩陣法】、【Kmean聚類】，針對具體行業(yè)好做具體數(shù)據(jù)分析。就像本段開頭講的，多指標才能夠具體判斷市場情況、行業(yè)情況、公司發(fā)展情況、業(yè)務(wù)發(fā)展情況、部門發(fā)展情況等。不能單一指標盲目下判斷。

四、問題診斷（第二層魅力）

問題診斷很多時候，在公司是通過人去進行診斷的，這些人就慢慢的變得舉足輕重（說白了，就是年紀越來越大，工資越來越高，越來越不好忽悠。以上觀點不代表作者，僅氣氛需要）。

很多時候，通過拉入不同指標，做數(shù)據(jù)判斷，由系統(tǒng)來做智能化問題診斷，就提現(xiàn)了數(shù)據(jù)系統(tǒng)的【第二層魅力】。在這個過程中，系統(tǒng)發(fā)現(xiàn)異常情況，細分問題來源，給出診斷建議，那么你就能打敗行業(yè)中95%的數(shù)據(jù)工具。

1. 經(jīng)驗推斷方法

這個方法是從結(jié)果進行推斷：通過對比找到問題嚴重的點；通過追溯找到問題源頭，發(fā)現(xiàn)原因。一般分為以下5中方法：

1）結(jié)構(gòu)分析

通過結(jié)構(gòu)分析，找到問題發(fā)生點

2）標簽分析法

通過打標簽，做個體對比，找到問題原因

3）相關(guān)分析

通過計算指標相關(guān)關(guān)系，找到相關(guān)指標，再形成假設(shè)

4）MECE法

講多個業(yè)務(wù)假設(shè)，按MECE原則合并成分析邏輯，一一驗證

5）關(guān)聯(lián)分析

2. 實驗推斷方法

這個方法的邏輯是有了一件事要做，然后針對里面的部分進行假設(shè)，再針對假設(shè)做實驗，然后根據(jù)驗證數(shù)據(jù)再循環(huán)做假設(shè)。最出名的有ABtest。

五、數(shù)據(jù)預(yù)測（第三層魅力）

根據(jù)第四步的分析，我們可以給出數(shù)據(jù)預(yù)測，告訴業(yè)務(wù)部門，你再不采取新的行動，你的數(shù)據(jù)下一個時間維度是什么樣的。這就是數(shù)據(jù)工作的【第三層魅力】。

1. 業(yè)務(wù)型

很多老板喜歡給業(yè)務(wù)leader下指標，例如明年GMV要提升100%，訂單量要提升80%，會員要增長100萬。我們不能說老板是拍著腦袋去下指標，但我們要拿數(shù)據(jù)給到業(yè)務(wù)部門做支撐。

這也是能有數(shù)據(jù)的去做【業(yè)務(wù)假設(shè)】，做假設(shè)之前先要針對某項指標做支撐拆分，拆分的越細，得出的結(jié)論會越準確。具體邏輯見圖-2，其中某項或某幾項值會基于業(yè)務(wù)動作進行改變（例如加大渠道投放力度）。

圖-2

2. 算法型

這些是基于現(xiàn)有數(shù)據(jù)及其波動規(guī)律進行的算法模型得出的數(shù)據(jù)，有①移動平均法；②指數(shù)平滑法；③自回歸移動模型。具體邏輯見圖-3。

圖-3

六、解決方案（第四層魅力）

所有的解決方案都應(yīng)遵循PDCA原則，首先前五步是為了Plan提供支撐；同時在Do的過程中，用過程數(shù)據(jù)進行Check;當數(shù)據(jù)有了過程呈現(xiàn)，及時進行Act（可以是引入新方案，可以是原方案的繼續(xù)執(zhí)行，也可以在原方案基礎(chǔ)上進行調(diào)整）。

這樣我們循環(huán)使用1-6步，形成完整的數(shù)據(jù)運營模型，再針對數(shù)據(jù)模型選擇自己團隊組織架構(gòu)，打造一個數(shù)據(jù)運營團隊。這樣才能體現(xiàn)出數(shù)據(jù)完整的四層魅力。