高阶运营，无数据不成活！
数据化运营是高阶运营和低阶运营的分水岭！实际上，至少有一半的数据化运营内容已经渗透在本书前三章的内容中。数据化运营不是一种岗位，而是一种意识，是每一类运营人员都应该掌握的意识，可以将其用来验证、优化自己的工作，始终保证自己走在以结果为导向的道路上！
在阿里做运营，当自己埋头苦干时，自己只是一颗螺丝钉，看到的只是琐碎的内容；当自己抬起头思考时，看到的是由无数精密无比的仪器组装起来的航空母舰！要不要在大公司做一颗螺丝钉，取决于个人视角。小马鱼在进阿里之后的第一个月，就发现：数据是阿里的宝藏！她对此如饥似渴，天天玩各种数据产品，提取数据出来在Excel表上处理，天马行空地想象它背后能透露出什么鲜为人知的信息。
本书作者小马鱼的数据化运营之路
很多人在工作一两年、三五年之后，熟悉了基础工作，才有机会打开数据化运营宝藏的大门。从数据完善的携程销售运作部，到数据产品更加完善且数据为运营所用的阿里，到创业公司，这三段经历分别代表了数据成熟程度不同的三类公司。不管处于什么境遇，只要有了强烈的“数据是个好东西”的意识，再加上一些基本思维和方法，就一定不会束手无策！
第一段经历：携程旅行网
当时的携程数据化驱动处于中高程度。它的特征是数据收集做得很好，该埋点的地方都有埋点，数据库完善，但是，数据掌握在少数人手里，要提取数据和分析数据都有一定门槛。例如需要BI部门帮助提供资源，或者自己会SQL（访问和处理数据库的标准的计算机语言）。这就像是：发现了宝藏，但是自己搬不动，只能干着急。
在这一类公司，作为运营人员，可以做什么？充分利用BI部门的提取数据，向他们描述需求时，尽可能专业、简洁、精确。
对比以下两种方式，BI肯定更加希望看到第二种提出需求的方式：A：请帮我提取最近这段时间购买机票的用户一般提前多久购票的数据。B：请帮我提取12月1日~12月6日期间，所有购买机票的用户的购买时间、出行时间、国际还是国内机票、机票折扣、用户性别信息。
B方式的特点是：更清晰、字段较全。BI部门教给她的小技巧——尽可能全面地提需求。因为对于BI来说，提取3个字段和提取6个字段，花费的时间差不多，如果只提取用户性别、购买时间、出行时间，并且认为将两个时间相减就是提前购买的时间，这样操作，就可能导致分析结果不全面。因此，可以一次性全面提取信息，把有可能的影响因素都提取出来，再进行数据处理。例如：购买机票的提前时间可能和国际机票还是国内机票有关，也可能和折扣有关，还可能和购票人的性别有关。
拿到数据之后，就要用到必备的Excel技能。经常有刚毕业的学员问她，对于Excel的操作，需要熟练到什么程度，是否需要学习SPSS、SAS等高级统计分析工具。事实证明：Excel可以解决几乎一个运营人员需要解决的全部问题。剩下的精力应该回归业务，不然功力也会发挥不出来。在Excel的众多功能中，运营人员胜利最多的就是IF和VLOOKUP等函数、数据透视表、条件格式。最后还有懂一点统计学知识。例如前文提到计算购买机票提前时间的安全，有的人可能会取平均值，但实际上，应该取众数。
小常识：平均数、中位数、众数的关系：平均值是一组数据的和除以这组数据的个数而得出的数值；中位数是指所有数值排列之后，处于数列中间的数值；众数是指一组数据中出现次数最多的数据。
总结：在携程这类数据化驱动公司，运营人员要做的是和BI部门搞好关系，它是运营人员和数据之间的桥梁；准确描述数据提取需求；掌握Excel常用函数和数据透视表；具有基本的统计学知识。
小马鱼离开携程之后，携程的数据化程度提高了很多。
第二段经历：阿里巴巴
阿里的数据化驱动程度很高。阿里的特征是：有庞大的数据库，有大量数据方向的产品经理在开发数据产品，力图降低数据运用门槛，做成傻瓜式的开放工具给运营人员使用。近三年，阿里通过人工智能实现“千人千面”活动，该活动被大量投放在首页和活动页面上，在更大层面上接触用户。
在阿里，部分运营人员的Excel技能比较普通，因为他们有数据产品可以用，也很好用，很强大。
在阿里这样的公司，运营人员该做什么？
1.产品经理肯定希望：一样数据产品做出来之后，大家就都会用。但是实际上，数据产品也是一个产品，这个产品也是需要被运营推广出去，产品的用户就是阿里内部的运营人员。所以，数据产品经理经常开展内部培训会、宣讲会、旺旺群答疑等，用于为运营人员答疑解惑。作为一名运营人员，要在强调数据驱动的公司脱颖而出，首先就要响应公司号召，把数据产品用好。怎样才算用得好？同样要和数据产品经理搞好关系，成为第一批种子用户，帮忙测试并提出反馈意见，这样，数据产品经理就会非常重视自己，就像用户运营人员要支维护种子用户一样。这样一来，如果自己有一些高级功能想要请教，或者想要提出需求，都可以优先得到满足。另外，多和数据产品经理打交道也会提升自己的逻辑思维能力。此外，建议多琢磨产品里面自带的教程、常见问题和数据口径，这里面能解决遇到的大部分使用问题。数据口径非常重要！如果不了解数据口径，老板或客户追问问题时，就可能要抓耳挠腮。在数据产品页面上有一个问号的位置，将鼠标光标移过去，就会显示一些指标的定义。这是很多人可能忽略的知识。
2.把数据产品用好，已经使你超过80%的运营人员，如果还想精进，就要回归业务，多制造可以利用数据的场景，在业务中遇到任何问题时，都想一想，能不能利用数据来佐证，能不能利用数据来提高效率，能不能利用数据来验证结果，让数据成为日常工作的一部分。
总结一下，阿里数据给人的感觉，就像是得到了丰富的宝藏，而且不用自己搬运，戒指、项链、头饰、耳环，都分门别类摆放好，一键就能启动传送带送到手上。运营人员需要做的就是了解自己、了解出席的场合、了解美好知识之后，用这些珠宝打扮自己。
第三段经历：初创公司
这类公司的数据化驱动程度较低。它们的特征是：用户处于原始积累阶段，数据收集层面不全，数据只能解决局部问题，尚未形成一张数据网。这时候的运营人员，特别是运营总监，承担的任务更重一些。在前两类公司，运营是躺在数据宝藏上，数据拿来即用，而这类公司，没有专门负责数据的开发人员或产品经理。有时候，需要运营人员提出：在哪些地方埋点，哪些数据需要监测。如果等着公司成熟之后再提供数据，那么，初期的很多成绩得不到量化，其实害的是自己。
身在这类公司，作为运营人员，可以做些什么？首先，利用好外部数据。有的公司业务基于微博、微信公众号、淘宝店、微店和社群，前四项都有各自数据并且在后台就能看到，特别是淘宝卖家后台，开通了“生意参谋”之后，数据非常齐全。如果客户80%来自淘宝，完全可以拿淘宝的用户画像、转化率等当作全公司的数据资源。社群工具，网上也有移，主要记录社群成员加入、发言、签到、退出的行为。至于社群里面引导成交的数据统计工作，可以请技术人员生成社群专用的购买链接再放进社群里，这样，可以看到访问次数和成交量。如果有自己的网站和APP，就需要看流量数据和用户在APP上的行为数据，常用统计分析软件有：友盟、Google Analytics、百度统计、GrowingIO（需要付费。该产品的部分功能和阿里的一款内部使用的数据产品A+类似）。
使用时，可以根据自己和老板需要的业务数据，请技术人员做成模板，以方便提取数据，将数据作为日报、周报、月报素材。每家公司的业务数据没有统一结构，因业务而定。
最后，可能还有很多技术人员顾不上小场景的临时需求，这时可以发挥自己的主观能动性，在Excel表上记录数据、处理数据、分析数据、得出结论，用最小可行性原则完成数据化运营的过程。
洞悉数据化运营体系
以上三类公司，代表三种数据化运营体系的成熟程度。那么，从无到有、从弱到强，一家公司的数据化体系到底怎样建立？
所有公司都要经历的过程：数据收集、数据产品、数据运营、用户触达。
数据收集：行为数据、流量数据、业务数据、外部数据。
数据产品：用户画像、机器学习/算法模型、数据指标/Dashboard、BI/ETL。
数据运营：风险、券/卡/营销、CRM、积分中心、活动运营、电商运营、用户运营、内容运营。
用户触达：SMS/PUSH/EDM、个性化推荐、广告、呼叫中心/KOL。
1.数据收集。数据收集的核心——尽可能收集一切数据。它有两个原则：宜早不宜晚，宜全不宜少。需要收集的数据，可以划分为4个主要类型：行为数据、流量数据、业务数据、外部数据。创业公司通常在这个阶段停留时间长。
2.数据产品。原始数据并不能直接为运营人员所用，需要按照一定标准进行整合、加工。数据产品是对数据的加工和利用，形成一张张可视化的报表，降低运营人员的使用门槛。这一点在阿里尤为突出。
3.数据运营。运营人员将数据转化成运营策略，真正把数据运用起来。数据产品让运营使用数据时变得简单容易，但是用不用、怎么用，就是运营人员思维和能力方面的问题。阿里大部分运营人员会在自己的工作中尽可能使用数据产品，比如在写活动总结时，会通过数据产品，提取需要分析的数据。
4.用户触达。经历了漫长的积累过程，只有在公司对自己的数据非常有信心时，才会开放给用户，使客户知道自己在这家公司有标签。比如：阿里在把“千人千面”第一次用到“双11”活动的那一年，内部经历大量测试和调试才敢上线。2016年和2017年的“双11”活动，让广大用户感知到了每个人在活动会场上看到的banner、楼层顺序、商品、会员权益都不一样。
并不是说：所在的公司在第一个阶段，就只能做低级运营。其实，自己弄一张Excel表用来收集数据，也能做数据运营。没有数据产品之前，阿里运营做活动、选品、选商家时，就是这么干的：请开发人员提取几十个指标，运营人员赋予指标各自的权重，在Excel表中用公式算出来排序，再将结果填到活动页面上。现在完全自动化。
其中第一和第三阶段是最锻炼运营人员的，第二和第四阶段是最锻炼产品经理的，到第四阶段，就不需要运营人员做什么工作了，基于算法模型，服务器实时计算之后，直接将推荐结果返回给用户，实现高度自动化。
珍惜所处阶段，发挥自身价值。
阿里运营怎样被数据赋能
阿里就是一部数据化运营的教科书。小马鱼之前写的那篇文章《我在阿里三年的运营经都在这儿了》，里面写到她做过的几类运营工作，实际上令人印象最深的就是：在运营工作中，始终贯穿着“数据运营的身影”和“阿里的强大的各种数据产品”。小马鱼把数据的价值和运营工作中的具体使用场景讲得比较到位。这里回顾一下文中提到的关键点。
大家常说的数据化运营到底是什么？数据化运营太重要！这是在阿里做运营时，最能让她兴奋的地方，也是最能区分初级运营人员和高级运营人员的地方。运营人员要做的事情太多，如果没有数据导向、没有KPI、没有取舍，就会非常没有成就感。
阿里有多少供运营人员使用的数据工具？她用过的有黄金策、活动直播间、数据魔方、月光宝盒、天猫流量视图、淘宝指数、量子恒道、卖家档案、活动效果分析、卖家分层、卖家云图……在阿里，这些工具，有的还在使用，有的已经无人运营。除此之外，BI部门还可以为业务量身定做报表。现在的运营人员很幸福，很多数据产品进行了整合，简单很多。
1.进行活动效果分析时，她爱用的是“A+”（一个阿里内部的数据产品），能够方便地看到页面从浏览到转化的所有数据，这里面最值得关注的就是：浏览转化率、购买转化率。如果浏览转化率低，可以考虑调整页面布局；如果购买转化率低，可以考虑调整活动商品。此外，还能看到这个页面的流量来源及去向、用户画像、卖家分析、商品分析、类目分析、每个区块的点击数据。
2.做卖家运营工作时，她最爱用的是“卖家云图”，它能以直观的方式，看到各个层级的卖家在各个关键指标上的情况，还可以把这些指标重新加以筛选、配置，用“与”或者“或”的关系，建立自己的卖家分层，对每个层级的卖家使用不同的运营方式。
3.做类目运营的话，数据魔方（现在叫生意参谋-市场行情）真的很给力。小二版和卖家版的数据魔方不一样，能看到每个行业下的很多数据。
如果对数据敏感，能挖掘数据，并且将数据用于工作中，那么真的能让自己学习和成长！小马鱼刚刚进阿里的时候，就对数据着迷！她缠着BI人员、数据产品经理、数据开发人员，学习各种知识。当时全集团都在号召运营工作往数据方面转化，她恰好走在前面。
每年战略不一样，运营重点不一样，手段不一样。做运营很有乐趣的一点就是：有很多抓手，比如说：流量、数据、卖家资源，能根据KPI迅速配置相应方式，形成组合拳。书中提到二个案例用来说明怎样用数据运营来完成KPI。详见《我在阿里做运营》的P169-170二页。
在阿里，业务和数据走得非常近，每个KPI都可以被量化和拆分。这些用于创业公司也一样，自家小数据比行业大数据更值得重视和利用。利用数据，恰到好处最重要。
公司如何利用大数据
马云说过：很多人还没搞清楚什么是PC互联网时，移动互联网来了，我们还没搞清楚移动互联时，大数据时代又来了！
说到大数据，看上去好像很难懂，其实说白了，就是很多很大的数据。大数据的英文是big data，很容易理解。大数据和以往数据最大的区别就是不用随机分析法（抽样调查），而是把所有数据进行分析处理。我们常常看到大数据、云计算、人工智能三者在一起出现。它们之间是什么关系？互相支持、密不可分！
云计算是“吻醒”大数据公证的王子。大数据一直都存在，只是以前沉睡，大家不会用。大数据必须依托云计算来处理和存储数据。云计算让大数据有了能被使用的可能，而其中最耀眼的应用方向就是人工智能（简称AI）。人工智能之所以历经这么多年之后终于大红大紫，原因归根于2006年出现的人工智能关键技术“深度学习”，人工智能至此有了实用价值。同时，深度学习正是在云计算和大数据日趋成熟的背景下，才取得了实质性进展。
作为个人或者在创业公司的运营人员，我们自身没有能力创造大数据，那么，怎样从行业中的大数据获益？事实上，有很多开放的大数据可以为我们所用。我们缺少的往往不是数据，而是一种数据意识！
互联网行业的大数据包含哪些数据
1.用户行为数据（精准广告投放、内容推荐、行为习惯和喜好分析、产品优化等）
2.用户消费数据（精准营销、信用记录分析、活动促销、理财等）
3.用户地理位置数据（O2O推广、商户推荐、交友推荐等）
4.用户社交等UGC数据（趋势分析、流行元素分析、受欢迎程度分析、舆情监控分析、社会问题分析等）
这些数据大部分掌握在BAT（百度、阿里巴巴、腾讯）手里，还有一部分是开放的，可以对外使用。
百度掌握的数据（搜索数据）：百度指数（免费）、百度司南。
腾讯掌握的数据（社交数据）：微信指数（免费）、腾讯罗盘。这些数据可以分析人们的生活和行为，从里面挖掘出政治、社会、文化、商业、健康、舆论等。
阿里巴巴掌握的数据（交易数据和信用数据）：阿里指数（免费）、生意参谋、孔明灯。阿里数据沉淀了包括电商交易、搜索、物流、支付、广告、风控、电影、移动、视频、音乐、位置等种类多样的高质量数据。
百度有搜索方面的大数据，其中百度指数免费对公众开放，百度司南是2B（to business）的付费产品。百度指数是以百度海量网民行为数据为基础的数据分享平台。在这里，可以研究关键词搜索趋势、洞察网民需求变化、监测媒体舆情趋势，以及定位数字消费者特征。百度指数的其它几个功能是需求图谱、资讯关注和人群画像，可以根据自己的需要加以使用。
例如某家做亲子旅行的公司，如果想开展针对小朋友及家庭的秋游活动，怎样精准获取最佳时间？去幼儿园做调研是一种效率很低的方法。可以在百度指数上搜索“秋游”这个词，从结果图示中可以发现：近三年以来，10月第3周是一个秋游高峰，9月的第3周是一个秋游次高峰。所以，可以在9月初开始宣传活动，做成持续一个月包含两个峰值的系列活动，也可以只做10月一次高峰活动。
如果在各地有分公司做落地活动，还想做得更加精细化，可以怎么做？各地风俗、南北差异等会导致秋游时间可能不一致，比如北方地区可能会更早一些，南方更晚一些。我们就可以搜索单个省市的搜索指数。从结果图示中可以发现：上海比北京早一周举办秋游活动为宜。
腾讯有社交方面的大数据，其中，微信指数免费对公众开放，腾讯罗盘则是2B（to business）的付费产品。微信指数显示的热度来源于对微信搜索、公众号文章以及朋友圈公开转发文章形成的综合分析。例如对于同一时间上映的电影，我们可以通过微信指数去了解哪一部电影在微信里引发的关注度更高。
阿里巴巴有交易和支付方面的大数据，其中阿里指数免费对公众开放，生意参谋和孔明灯是2B（to business）的付费产品。阿里指数是阿里巴巴出品的基于大数据研究的社会化数据展示平台，媒体、市场研究员等都可以从这里获取以阿里电商数据为核心的地域和行业角度的指数化的数据分析，从而将其作为市场及行业研究的参考。阿里指数已经上线的功能有：区域指数和行业指数。
区域指数：从地区角度，解读交易发展、贸易往来、商品概况、人群特征。例如想要了解浙江和四川两省的经济往来情况，四川销售了哪些商品到浙江，浙江销售了哪些商品到四川。
行业指数：从行业角度，解读交易发展、地区发展、商品概况、人群特征。例如婚纱/旗袍/礼服行业的热门搜索词及涨跌幅。在行业指数中，还能看到哪些地方的人买得多，哪些地方的人卖得多，从而形成买家和卖家的基本画像。例如：在婚纱热卖地区中，江苏省遥遥领先，可能是因为苏州有很大规模的婚纱城。
除了百度指数、微信指数、阿里指数这三个比较常用并且免费的大数据产品之外，还有一些其它的常用工具：查看APP排行的ASO100，网址是：https://aso100.com/rank；查看网站排行的Alexa，网址是：http://www.alexa.cn/siterank；查看公众号排行及热点趋势的新榜，网址是：https://www.newrank.cn。
最后再提供一个大数据导航网站（http://hao.199it.com/），该网站汇总了各行各业的大数据网站，包括旅游、农业、房地产、药品、汽车、游戏等。
用大数据做具有传播性的内容
基于天猫市场部的工作经历，除了将数据用于运营之外，小马鱼多了一个视角：如何数据运用到品牌传播上。她发现：品牌方都在不遗余力地想尽方法做活动、做事件、做内容，有时候，从自己的大数据里，提取一些大众听得懂、感兴趣的内容，有可能成为传播量很大的话题，并且这是独有的话题。
例如：在2017年的“双11”全球狂欢节期间，“花季少女自曝‘双11’购物单，第一单竟然是防脱发产品”成了网络热门话题。同一时期，阿里健康发布“拯救脱发趣味白皮书”，其中有这样一段话——与传统认知不同的真相：脱发群体年龄正在下沉！90后脱发人群即将超越主流人群，一大波初入职场的毕业新人和已经成为职场中坚力量的青年，正逐渐成为被脱发这一亚健康困扰最集中的群体。
报告显示，在阿里零售平台购买植发、护发产品的消费者中，“90后”占比36.1%，即将赶超占比38.5%的“80后”，成为拥有脱发烦恼的主力军。于是，很多“90后”消费者开始自嘲，表示：今年“双11”活动，要囤防脱洗发水。
这几年，阿里把数据用在传播上的案例中，最成功的莫过于“淘宝时光机”和“支付宝年度账单”的两个H5。
天猫在把品牌口号升级为“理想生活上天猫”之后，也用一系列大数据阐述了理想是什么：“人设自由”、“无微不智”、“独乐自在”、“玩物立志”等。以前大部分时候，都是品牌方阐述自己的主张，而通过数据则会发现天猫对理想生活的描述有理有据。
以上都是抓住了一个或者多个趣味点，而这背后，最重要的就是：对于某些人群的洞察。
淘宝时光机抓住的点在于：人们爱怀旧。支付宝账单抓住的点在于：人们爱展示（不管是炫富还是哭穷）。“90后脱发”抓住的点在于“90后”乐于自黑。有了这些洞察发现之后，要提取这些数据，其实不难！
如何培养数据意识
就像“网感”或商业意识一样，数据也是一种意识，有的人天生就是要敏感一些。怎样培养数据意识？日常生活中，其实有很多小方法、小细节。
1.趣味数字竞猜。比如团队在电商大促之前，猜测交易峰值，产品上线之后猜测日活跃用户和交易额、卖得最好的是哪个价位的商品以及卖得最多的是哪个地区的用户，把枯燥难消化的数据融入场景。这样一点占渗透吸收，更加容易记住。猜得最准的人可以获得奖励，并且还要说出根据什么逻辑推测，这样往往出现奇思妙想，也能加强团队凝聚力！
2.用数据做一些实用小物件。把去掉敏感、机密的数据做成图说，制作成海报、办公室墙绘、日历或者小册子，让运营人员能随时翻阅，也是一个不错的方法。因为有时候，运营人员因为一个小知识点而要调取历史数据做分析，则可能会因为嫌麻烦而放弃做这件事。为了降低运营人员获取这些知识点的难度，可以请BI和相关部门提炼一些常用的、短期之内结论不容易变的数据结论，做成随手可翻阅的小物件，可以使运营人员印象更加深刻。
3.时时刻刻用数据说话。随时约束自己，在会议、邮件、报告里面，能用具体数字的地方就不用模糊数字，包括“很多”、“很大”、“不少”、“很小”等词语。学着把一些不容易数据化的KPI进行数据化处理（例如，把”经常参与内部分享“变成“一个月参与2次内部分享”，把“品牌变得更加时尚化”变成“客单价提升X%”、“招募X位时尚达人”或“获得X家时尚媒体报道”等。）
4.看到任何数据时，不要妄下结论或者轻易相信，多问问自己背后是什么情况造成，有没有其它的解读方法。没有对比的数字是没有意义的。跟自己比，可以找到同比、环比的数字；跟大盘比也非常重要。例如虽然数据涨了20%，但是大盘涨了30%，如果隐藏“大盘涨了30%”这一点，就会给人一种假象，实际上跑赢大盘才是真正的进步。另外，有的行业受季节或者其它因素影响，存在异常点，那么，需要剔除异常点进行分析。例如旅游黄金周，“双11”，如果把它们拿来当成普通数据进行分析，就不太合理，也可能掩盖一些问题。
不管是乞丐，还是老总，数据对每个人都是公平的！如果打算在数据运营这条路上发展，本章的内容应该十分有用！如果想往数据分析师方向发展，还需要学习数据可视化、SQL（一种数据库查询和程序设计语言）和Phython（一种程序设计语言）。