哈喽大家好！这里是【非常咖】给大家带来的第三篇文章，主讲【数据运营】。本文共计2750字，阅读预计3min。
前文三句话高清运营那些事儿！提到过，互联网发展至今，涌现了很多新名词、新岗位，其中，【运营】算是一个，那么，大家是否知道，【数据运营】也算是目前较为热门的一个岗位呢？
之前在第一篇文章《三分钟告诉你运营那些事儿》中提到过，数据运营并非运营之外的分支，而是涵盖在运营人员日常工作当中非常重要的一个技能。可以说，运营人员的任何工作都和数据运营有关。
所以，【数据运营】应该是运营人员的必备技能之一。只是一些较大的平台，将它分离了出来，设置了一个新的岗位而已。虽然简单如斯，但也能够看得出来，该技能的重要性。
数据运营是指数据的所有者通过对于数据的分析挖掘，把隐藏在海量数据中的信息进行提炼，进而达到对日常运营活动的指导作用。
划重点：1.数据分析挖掘提炼；2.指导日常运营。
第一条点明了【数据运营】的方式，第二条点明了【数据运营】的目的——驱动业务。
下面咱们就从这两点来看。
一、 数据运营核心技能——数据分析
1. 【数据分析】不是导出表格，交给领导
很多运营人员一提及数据分析，总喜欢把后台数据截图/导出excel，交给领导进行邀功：看，这个月的数据是多好，我是多么努力/牛逼！
当然，成绩好想得到领导的肯定，具体方法不论，想法是挺好的，但你确定领导看了表格后会给你点个赞吗？
下面是几天有关于数据运营的要求：
A． 彻底了解数据，至少知道每条数据所代表的含义，做到了然于胸；
B． 时时刻刻查看数据、分析数据，养成分析数据的习惯，要有“数据感”；
C． 尝试最简单的分类、归纳、总结等方法对数据进行处理，从不同角度去理解数据；
D． 要会辨别那些是有效数据，那些是无效数据，更要剔除虚假数据。
2. 【数据分析】不是明白就好，点到为止
说到查看数据，很多人清晨上班第一件事应该就是登录后台查看昨日数据，有曲线，有直线，还有波浪线，很不错！
之后呢？结束了，没有之后！
这只是流于数据的表面，甚至不能算是有所分析。
举个例子吧：
某新媒体平台昨日涨粉400，阅读量5000，点赞200，评论10.
Ok！一般人可能看到这里就感觉挺好，昨天的辛苦没白费！再接再厉！更有甚者，觉着昨天那种类型的内容应该多发几次，这样，涨粉的速度肯定飞快！
老板如果听了你的建议，那么，你距离下岗也不远了。
当然，也有人进行了简单的分析，比如：
先来看看涨粉，400，算是挺高的，没发现问题；看看阅读量，5000，和平日里似乎差不多，也没问题；看看点赞数和评论数，比平日里似乎少了点，但是，跟涨粉没关系，那就也没问题。
于是，兴高采烈向同事们讲述自己的功绩，向老板进行邀功！
数日后，卒。
你发现问题在哪里了吗？
限于篇幅，我没法将所有的数据进行粘贴并附带分析过程，不过我可以告诉大家的是，本例中涨粉400和昨日内容完全无关！
（详细分析过程可关注【非常咖】，周日放送福利：数据运营案例解析）
现在，你还觉着你会数据分析这一项技能吗？
3. 【数据分析】要解决的问题
很多人对数据运营的了解停留在上一条案例中那种认识：昨天涨粉厉害，那我今天便重复昨天的内容！
这么做对吗？说不上哪里有错，但是肯定不对！
良好的数据的确可用做夸耀，但绝不仅仅就为了夸耀！【数据运营】的目的在于解决问题。那么，数据分析要解决的问题是什么呢？
发现问题！
真实的数据能够反映出运营过程中任何一步的任何效果！
你的用户画像即来自于此！再比如，渠道数据、广告获益数据等等！
所以，数据分析的目的在于发现问题。这不仅仅是要发现诸如：“为什么用户数下降了？为什么活跃度变低了？”等这一类的问题。从平台提供的数据，几乎是个人都能够找出这些问题。
做数据分析，是要挖掘数据，分析数据背后的原因，将一个大型的目前暂时无法解决的问题抽丝剥缕进行细化，找到最小可解决的问题，然后着手解决！
这里面，需要大家注意的是，不仅要知道一条数据的“是什么”和“有多少”这样的问题，更要明白“有何用”、“如何用”、“为什么”。
4. 【数据运营】的核心目的是什么
有人说是为了用户数的增长，有些人说是为了增加活跃度，也有说是为了指导下一次活动的。
这些都没错，但是我想再次请各位记住：不以赚钱为目的的运营活动都是耍流氓！
所以，数据运营的核心目的还是为了增加业务量，进行赚钱。有个专业名词，叫做数据驱动业务。
二、 数据驱动业务
数据驱动业务，很直观，就是用数据对当前业务进行驱动，让业务单量上升，为产品/项目赚得更多的钱。
这一项当中，我们分两点来说 。
1. 用数据优化运营策略
这里咱们直接上案例，就说说留存率。
A． 留存率很低，怎么办？
B． 先进行渠道层面的分析，看是否有所阻挡？看是否所引流过来的是否为目标用户？如果是，非目标用户再次召回的意义并不大，建议放弃，然后主攻渠道更换or推广文案链接优化；
C． 如果不是，排除了获客质量存在问题的情况下，再通过用户流失分析进一步查找原因，是首次接触产品流失率高？用一段时间后流失？忠实用户流失？
D． 不同层面有不同层面的解决办法。比如首次接触产品的流失率高，就可以通过优化产品稳定性、易用性和新用户引导流程等措施进行解决。
2. 用数据验证运营策略
咱们依旧以“用户流失”来举例。
某公司预上线新的用户激励机制，但不确定与原有方式比较哪个更好？
经过阶段性测试，获得两组数据，作为决策依据。
那么，我们应该从哪些方面来分析这两组数据呢？
首先，我要告诉大家的是，数据洞察与运营策略的优化是一个循环往复的过程。PDCA循环大家都可以去了解一下。
根据经验，我们知道造成用户流失的原因有很多，千差万别，诸如：推广过程中因为文案、海报或者是渠道原因，吸纳了不少“非目标用户”，最终这些用户会流失；产品稳定性差、引导繁琐、核心功能无法突显等问题也会导致用户流失；产品一成不变，不思进取，无法满足不断变化的用户需求，用户流失。（不仅仅是这些“数据因子”，只要有可能，有疑虑，就可以不断的挖掘、分析，一直到最小可解决问题为止）
……
这样的问题有很多，具体需要在日常运营工作和实际情况中摸索得到。
不过，只有找准了用户流失的原因，我们才能制定出相对应有效的防止用户流失和流失用户召回的策略。
那这样一来，我们是不是知道，此例中到底该选择原有的激励机制好，还是采用新的激励机制好呢？
————————————
当然，这里我们为了举例，只说了在拉新层面所使用【数据运营】的几个小方法。做运营，还是要考虑大局，要在每个环节、每个层面，都要考虑数据的问题。
拿到数据，先要剔除，再要理解，在此基础上进行分析和挖掘，发现问题，并将问题不断细化，至最小可解决问题时，着手进行解决或处理！
（如果喜欢、反对、有所感悟，均可私信、评论，提出你的观点，咱们共同探讨。1+1≠2，试一试呗！）