想做数据运营,第一步怎么办?

张溪梦
张溪梦
张溪梦
12
文章
0
评论
2020-04-1803:05:00 评论 793 2465字
摘要

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。

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?

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。

时间、人力成本这么高,一定要自建吗?

想做数据运营,第一步怎么办?

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。 LinkedInBusiness 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。 "黄花菜早凉了"怎么办

想做数据运营,第一步怎么办?

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。

"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。 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。

End.

作者:张溪梦

来源:知乎

本文均已和作者授权,如转载请与作者联系

  • 我的微信公众号
  • 微信扫一扫
  • weinxin
  • 我的微信公众号
  • 微信扫一扫
  • weinxin
匿名

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: