注：在迅雷公司內(nèi)部做了分享《大數(shù)據(jù)成為生產(chǎn)力》 ,，150頁的PPT，內(nèi)容太多,，講的速度有些快,。刪減掉一些敏感信息,，匯總主要觀點濃縮成為此文，或許對大家構(gòu)建企業(yè)的大數(shù)據(jù)運營體系有些參考作用,。

本文將企業(yè)大數(shù)據(jù)體系的構(gòu)建分為六個層級，但并非是線性過程,，每個層級之間或有基礎(chǔ)關(guān)系，但并不是說一定要逐層構(gòu)建,。例如創(chuàng)業(yè)型公司,，在缺乏數(shù)據(jù)研發(fā)實力的時候,，多數(shù)會借助第三方平臺進(jìn)行數(shù)據(jù)上報與分析。

下面一張圖,，是本文的精華概括,，后面一一展開與大家探討,。

一,、數(shù)據(jù)基礎(chǔ)平臺

基礎(chǔ)的數(shù)據(jù)平臺建設(shè)工作,，包含數(shù)據(jù)平臺建設(shè)，數(shù)據(jù)規(guī)范,，數(shù)據(jù)倉庫,、產(chǎn)品數(shù)據(jù)規(guī)范，產(chǎn)品ID,，用戶ID,，統(tǒng)一SDK等。

很多公司的數(shù)據(jù)無法有效利用,，就是缺乏統(tǒng)一規(guī)范,，產(chǎn)品數(shù)據(jù)上報任由開發(fā)按照自己的理解和習(xí)慣上報，沒有標(biāo)準(zhǔn)化的SDK和上報協(xié)議,，并且數(shù)據(jù)散落在各個部門產(chǎn)品的服務(wù)器,，無法構(gòu)建結(jié)構(gòu)化的數(shù)據(jù)倉庫,。

做數(shù)據(jù)平臺的架構(gòu),，很多人會理解為高大上的技術(shù)活,，其實整個數(shù)據(jù)平臺價值的體現(xiàn)，需要公司各個部門的配合,，例如關(guān)鍵數(shù)據(jù)指標(biāo)體系的建立,，需要從各個部門業(yè)務(wù)指標(biāo)進(jìn)行提煉,，并得到業(yè)務(wù)部門認(rèn)可。常見的關(guān)鍵指標(biāo)有：DAU,、PCU,、WAU,、MAU,、按天留存率(1-30日留存)、累計留存率（7日,、14日,、30日累計留存率），新增用戶,，有效新增用戶,，活躍轉(zhuǎn)化率，付費轉(zhuǎn)化率,，收入指標(biāo),，ARPU人均收入，渠道效果數(shù)據(jù)等,。

下圖是騰訊和阿里的數(shù)據(jù)平臺架構(gòu),。

阿里大數(shù)據(jù)業(yè)務(wù)架構(gòu)：

阿里云梯分布式計算平臺整體架構(gòu)：

二、數(shù)據(jù)報表與可視化

在第一層級中,，進(jìn)行數(shù)據(jù)指標(biāo)體系規(guī)范，統(tǒng)一定義,，統(tǒng)一維度區(qū)分,，就可以很方便的進(jìn)行標(biāo)準(zhǔn)化可配置數(shù)據(jù)報表設(shè)計，直觀的可視化輸出設(shè)計,，包括行為,、收入、性能,、質(zhì)量等多種數(shù)據(jù)類別,。

在PPT中以友盟、迅雷,、百度,、騰訊等公司的數(shù)據(jù)報表體系進(jìn)行詳細(xì)講解,。

騰訊數(shù)據(jù)門戶

阿里數(shù)據(jù)地圖

三、產(chǎn)品與運營分析

在建立數(shù)據(jù)平臺和可視化基礎(chǔ)上,，對已有的用戶行為,、收入數(shù)據(jù)等進(jìn)行各種分析，輸出日報,、周報,、月報、各種專題分析報告,。常見的數(shù)據(jù)分析工作如下：

1. A/B TEST進(jìn)行產(chǎn)品分析優(yōu)化,；

2. 運用漏斗模型進(jìn)行用戶觸達(dá)分析，如TIPS,、廣告等曝光到活躍的轉(zhuǎn)化,；

3. 收入效果監(jiān)控與分析，包含付費轉(zhuǎn)化率,、渠道效果數(shù)據(jù)等,；

4. 業(yè)務(wù)長期健康度分析，例如從用戶流動模型,、產(chǎn)品生命周期分析產(chǎn)品成長性和健康度,；

5. 營銷推廣活動的實時反饋；

用戶畫像也是常見的數(shù)據(jù)分析方式,，包括用戶如性別,、年齡、行為,、收入,、興趣愛好、消費行為,、上網(wǎng)行為,、渠道偏好、行為喜好,、生活軌跡與位置等,，反映用戶各種特征，以達(dá)到全面的了解用戶,，針對性的為用戶提供個性化服務(wù)的目的,，通常每半年做一次用戶畫像的專題分析。

下圖是常見的數(shù)據(jù)分析思路：

常用分析工具：EXCLE,，SPSS,，SAS，Enterprise Miner，Clementine,，STATISTICA,。個人用的比較多的是：EXCEL和SPSS。

下圖是SPSS常用的數(shù)據(jù)分析與挖掘方法：

四,、精細(xì)化運營平臺

基于數(shù)據(jù)基礎(chǔ)上搭建的精細(xì)化運營平臺,，主要的平臺邏輯多數(shù)是進(jìn)行用戶細(xì)分，商品和服務(wù)細(xì)分,，通過多種推薦算法的組合優(yōu)化進(jìn)行商品和服務(wù)的個性化推薦,。另外還有針對不同產(chǎn)品生命周期，用戶生命周期構(gòu)建的產(chǎn)品數(shù)據(jù)運營體系,。

五,、數(shù)據(jù)產(chǎn)品

廣義的數(shù)據(jù)產(chǎn)品非常多，例如搜索類,，天氣預(yù)報類等等,。這里主要講狹義的數(shù)據(jù)產(chǎn)品，以BAT三家公司的數(shù)據(jù)產(chǎn)品為例進(jìn)行分享,。

騰訊：廣點通,、信鴿

阿里：數(shù)據(jù)魔方、淘寶情報,、淘寶指數(shù),、在云端

百度：百度預(yù)測,、百度統(tǒng)計,、百度指數(shù)、百度司南,、百度精算

截取幾張PPT如下：

六、戰(zhàn)略分析與決策

戰(zhàn)略分析與決策層，更多的是跟很多傳統(tǒng)的戰(zhàn)略分析,、經(jīng)營分析層面的方法論相似,，最大的差異是數(shù)據(jù)來自于大數(shù)據(jù)。

有很多企業(yè)錯誤的把“業(yè)務(wù)運營監(jiān)控層”和“用戶/客戶體驗優(yōu)化層”做的事情放在經(jīng)營分析或者戰(zhàn)略分析層來做,。傅志華認(rèn)為“業(yè)務(wù)運營監(jiān)控層”和“用戶/客戶體驗優(yōu)化層”更多的是通過機(jī)器,、算法和數(shù)據(jù)產(chǎn)品來實現(xiàn)的，“戰(zhàn)略分析”、“經(jīng)營分析”更多的是人來實現(xiàn),。很多企業(yè)把機(jī)器能做的事情交給了人來做,，這樣導(dǎo)致發(fā)現(xiàn)問題的效率較低。

建議是,，能用機(jī)器做的事情盡量用機(jī)器來做好“業(yè)務(wù)運營監(jiān)控層”和“用戶/客戶體驗優(yōu)化層”,，在此基礎(chǔ)上讓人來做人類更擅長的經(jīng)驗分析和戰(zhàn)略判斷,。

在變化極快的互聯(lián)網(wǎng)領(lǐng)域，在業(yè)務(wù)的戰(zhàn)略方向選擇上,，數(shù)據(jù)很難預(yù)測業(yè)務(wù)的大發(fā)展方向,，如果有人說微信這個大方向是通過數(shù)據(jù)挖掘和分析研究出來，估計產(chǎn)品經(jīng)理們會笑了,。從本質(zhì)上來說,，數(shù)據(jù)在精細(xì)化營銷和運營中能起到比較好的作用，但在產(chǎn)品策劃,、廣告創(chuàng)意等創(chuàng)意性的事情上，起到的作用較小,。但一旦產(chǎn)品創(chuàng)意出來,，就可以通過灰度測試,，數(shù)據(jù)驗證效果了。

BLUES【公眾號ID：bluemidou】迅雷產(chǎn)品總監(jiān),，原騰訊,、YY語音高級產(chǎn)品經(jīng)理,。

—我是分割線—

微信關(guān)注數(shù)據(jù)哥,，回復(fù)數(shù)據(jù)相關(guān)關(guān)鍵字獲得精彩內(nèi)容,。

微信賬號：sjfxjx（首字母）