作者本职工作产品狗，经常看朋友圈里大佬发一些炫酷吊炸天的数据分析文章和案例，出于学（xian）习（mu）的态度了解了一下数据分析的相关知识，并产生了浓厚的兴趣，于是买了本《数据挖掘与数据化运营实战》（卢辉著）开始自(zhe)学(teng)的路。并将一些学习笔记记录更新，以下为正文：
数据分析的目的是帮助管理者进行有效的判断和决策
在学习数据分析之前我们要先了解什么是数据化运营，数据化运营来源于现代营销管理，但现在在“营销”外有了更广的意义。
1.现代营销理论的发展进程
①从4P到4C
以4P为代表的现代营销理论最早可追溯到1960年出版的《基础营销》一书，而确认了以4P为核心的营销组合方法论则是被称为“现代营销学之父”的菲利普•科特勒在其代表作《营销管理》提出该理论；随后，该理论风靡世界，成为了近半个世纪的现代营销核心思想，影响并左右了当时无数的企业营销战略。
4P指的是Product(产品)、Price(价格)、Place(渠道)、 Promotion(促销)
Product(产品)：注重产品功能，强调独特卖点
Price(价格)：根据不同的市场定位，制定不同的价格
Place(渠道)：注重分销商的培养和销售网络的建设
Promotion(促销)：企业可以通过改变销售行为来刺激消费者，以短期行为如让利，买一送一等手段来促成消费的增长，吸引其他品牌消费者来消费或促使老主顾提前消费，拉动销售增长
4P的核心是产品，因此，以4P理论为核心的营销策略又可以简称为以“产品为中心”的营销策略
进入21世纪以后，消费者已成为商业世界的核心，在这个背景下，传统的4P营销理论已经无法适应时代的发展，营销界开始研究新的营销理论和营销要素，其中，最具代表性的理论就是4C理论，4C包括Consumer(消费者)，Cost(成本)，Convenience(方便性)，Communication(沟通交流)
Consumer(消费者)：消费者的需求与愿望(Customer's Needs and Wants)
Cost(成本)：消费者得到满足的成本(Cost and Value to Satisfy Customer's Needs and Wants)
Convenience(方便性)：用户购买的方便性(Convenience to Buy)
Communication(沟通交流)：与用户的沟通交流(Communication to Consumer)
4C理论的核心是消费者，因此，以4C理论为核心的营销策略又可以简称为以“消费者为中心”的营销策略
②从4C到3P3C
随着社会的进步，科技的发展，大数据时代的来临，4C理论再次落后于时代发展的需要。大数据时代，日益白热化的市场竞争，越来越严苛的营销预算，海量数据堆积和储存等，迫使企业不得不寻找更合适、更可控、更可量化可预测的营销思路和方法论。于是在基本思路上融合了4P4C理论的nPnC形式的理论出现了，在这里姑且以3P3C为例，来描述互联网行业运营的典型理论探索
Probability(概率)： 营销，运营活动以概率为核心，追求精细化和精准率
Product(产品)：注重产品功能，强调产品卖点
Prospects(消费者)：消费者，目标用户等
Creative：(创意，包括文案，活动等)
Channel：(渠道)
Cost/Price：(成本/价格)
在这其中，以数据分析挖掘所支撑的目标响应概率(Probability)是核心，在此基础上将会围绕产品功能优化，目标用户细分，活动文案创意，渠道优化，成本调整等重要环节和要素，共同促使数据化运营持续完善，直至成功。
2.数据化运营的主要内容
目前企业界和学术界对于“数据化运营”的定义没有达成共识，但这并不妨碍“数据化运营”思想和时间在当今企业界尤其是互联网行业如火如荼的展开。
阿里巴巴集团早在2010年就已经在全集团范围内正式提出了“数据化运营”的战略方针并逐步实施数据化运营，腾讯公司也在“2012年腾讯智慧上海主题日”高调宣布“大数据化运营的黄金时期已经到来，如何整合这些数据成为未来的关键任务”。
尽管各行业对“数据化运营”的定义有所区别，但其基本要素和核心是一致的，那就是“以企业级海量数据的储存和分析挖掘应用为核心支持的，企业全员参与的，以精准、细分和精细化为特点的企业运营制度和战略”。可以将其浅层次的认为是在企业常规运营的基础上革命性的增添数据分析和数据挖掘的精准支持。
针对互联网运营部门的数据化运营，具体包括“网站流量监控分析、目标用户行为研究、网站日常更新内容编辑、网络营销策划推广”等，并且，这些内容是在以企业级海量数据的存储、分析、挖掘和应用为核心技术支持的基础上，通过可量化、可细分、可预测等一系列精细化的方式来进行的。
数据化运营，首先是要有企业全员参与意识，要达成这种全员的数据参与意识比单纯地执行数据挖掘技术要难得多，也重要得多；其次才是一种常态化的制度和流程，包括企业各个岗位和工种的数据收集和数据分析应用的框架和制度等；数据化运营更是来自企业决策者、高层管理的直接倡导和实质性的持续推动。
3.为什么要数据化运营公司
数据化运营首先是现代企业竞争白热化、商业环境变成以消费者为主的“买方市场”等一系列竞争因素所互换的管理革命和技术革命。当传统的营销手段、运营手法已经被同行普遍采用时，竞争必然呼唤革命性的改变去设法提升运营效率，从而提升企业的市场竞争力。而“生逢其时”的数据化运营就登上了大数据时代企业运营的舞台，在互联网运营的舞台上尤其光彩夺目。
其次，数据化运营是飞速发展的数据挖掘技术、数据储存技术等诸多先进数据技术直接推动的结果。数据技术的飞速发展，使得大数据的储存、分析挖掘变得成熟、可靠，成熟的挖掘算法和技术给了现代企业足够的底气去尝试海量数据的分析、挖掘、提炼和应用。有了这些先进技术的支持，企业营销可以做到心中有数，有的放矢。
数据化运营更是互联网企业的“神器”。互联网行业与生俱来的特点便是大数据，而信息时代最大的财富也正是海量的数据。2010年3月31日，淘宝网在上海正式宣布向全球开放数据，未来电子商务的核心竞争优势来源于对数据的解读能力，以及配合数据变化的快速反应能力。
2010年5月14日阿里巴巴集团在深圳举行的2010年全球股东大会上，马云进一步指出“21世纪的核心竞争就是数据的竞争”，“谁拥有数据，谁就拥有未来”
企业决策者对数据价值的认可，必然会首先落实在自身的企业运营中，这也是“近水楼台先得月”在互联网时代做好的诠释。
4.数据化运营的必要条件
①企业级海量数据储存的实现
2012年3月29日，奥巴马政府正式宣布了“大数据的研究和发展计划”，该计划旨在通过提高我们从大型复杂数据中提取知识和观点的能力，承诺帮助加快在科学和工程中探索发现的步伐，加强国家安全。
从国家到企业，数据就是生产力。自1951年Univac系统使用磁带和穿孔卡片作为数据储存到2012年分布式储存仓库、海量数据数据储存技术和流计算的实时数据仓库技术(中间发展历程感兴趣的读者可以自行百度)，至今为止近70年时间，而国内数据储存技术的发展经历了将近30年，真正的飞速发展则是最近10年。
国内企业从大型机+DB2的技术方案发展为分布式的服务器集群+分布式存储的海量存储器，无论是从硬件成本、软件成本还是硬件升级、日航维护等，都是一次飞跃。最重要的一点是，解决了困扰数据仓库发展的一个重要的问题，即计算能力不足的问题，当100~200台服务器一起工作的时候，无论是什么大型机都无法与之比拟。
拿阿里云来讲，近1000台网络服务器分布式并行，支撑着每天淘宝、支付宝、阿里巴巴三大子公司超过PB级别的数据量。随着技术的逐渐成熟和硬件成本的降低，未来的数据仓库将以流计算为主的实时数据仓库和分布式计算为主流的准实时数据仓库。
②精细化运营的需求
互联网行业近乎颠覆性模式的进化演绎、技术的更新换代，既为互联网行业提供了机会，又带给其沉重的竞争压力与生存的挑战。面对这种日新月异的竞争格局，互联网企业必须寻找比传统粗放式运营更加有效的精细化运营的制度和思路，以提升企业的效益和效率，而数据化运营就是精细化运营，它强调的是更细分、更准确、更个性化。没有精细化运营的需求，就不需要数据化运营；只有数据化运营，才能满足精细化的效益提升。
③数据分析和数据挖掘技术的有效应用
这里指的有效应用指两个层面：
一是企业必须拥有一只能够胜任数据分析和数据挖掘工作的团队和一群出的色的数据分析师。
二是企业的数据化运营只有在分析团队与业务团队协同配合下才可能做出成绩，取得效果。分析团队做出的分析方案、数据模型，必须要在业务应用中得到检验。
人才和数据是阿里巴巴集团最大的财富和最强大的核心竞争力 ——马云
④企业决策层的倡导和支持
在关乎企业数据化运营的诸多必要条件里，最核心且最具决定性的条件就是来自企业决策层的倡导和持续支持。2012年7月10日，阿里巴巴集团宣布设立首席数据官的岗位，并将其作为企业核心管理岗之一，其目的就是进一步夯实企业的数据战略，规划和实施企业整体的数据化运营能力和水平，是之真正成为阿里巴巴集团未来的核心竞争力。
5.数据化运用的新现象与新发展
时代在进步，技术在进步，企业的数据化运营也在不断增添些的内容、不断响应新的需求。目前，从世界范围内来看，数据化运营在下列几个方面已经出现了实质性的新发展，这些新发展扩大了数据化运营的应用场景、扩充了数据化运营的发展思路、也给当前(以及未来)数据化运营的参与者提供了更多的发展方向的选择。这些新发展包括的内容如下：
①：数据产品作为商业智能的一个单独的发展方向和专业领域，在国内外的商业智能和数据分析行业已经成为共识，并且在企业的数据化运营事件中发挥着越来越大的作用。
②：数据PD(Product Designer)作为数据分析和商业智能的一个细分的职业岗位，已经在越来越多的大规模数据化运营的企业得以专门设立并日益强化。
③：泛BI的概念在大规模数据化运营的企业里正在越来越深入人心。
以上是笔者本人对《数据挖掘与数据化运营》一书第一章的一些总结，后续总结内容笔者在阅读后将会陆续更新
个人公众号（PMinformation），内有数据分析相关资料，以及一些其他资源，不定时更新，欢迎大家关注（〃｀ 3′〃）