國內(nèi)的BAT巨頭早已經(jīng)意識到大數(shù)據(jù)的威力，已在布局數(shù)據(jù)化運營
馬云把下一個時代的競爭定義為數(shù)據(jù)競爭，百度今年9月份百度世界大會大數(shù)據(jù)分論壇，主題即是“讓大數(shù)據(jù)成為商業(yè)新能源”。滴滴打車的成功更離不開數(shù)據(jù)，滴滴CTO張博曾表示，大數(shù)據(jù)是滴滴的心臟。
如今越來越多的企業(yè)開始關(guān)注如何轉(zhuǎn)化數(shù)據(jù)，用以解決業(yè)務(wù)問題，驅(qū)動業(yè)務(wù)的迅猛成長。 “大數(shù)據(jù)”、“數(shù)據(jù)科學(xué)”、“Hadoop／Spark”等新興字眼，也接踵而來，被炒的火熱。如何處理并使用數(shù)據(jù)，逐漸成為了各個企業(yè)核心課題。
對很多中小企業(yè)決策者而言，抓住用戶、提升對市場的反應(yīng)速度、提高運營效率等急需數(shù)據(jù)驅(qū)動運營，但如何開始做數(shù)據(jù)驅(qū)動運營，仍很困惑。
現(xiàn)在開始，要做數(shù)據(jù)驅(qū)動運營了，需要注意什么？第一步怎么啟動？一定要自建嗎？有沒有靠譜的第三方解決方案？
一，長鏈條
首先，得理解“數(shù)據(jù)分析”是很長的鏈條，而真正實現(xiàn)數(shù)據(jù)驅(qū)動，可能會是個漫長的過程。
一般可以把“數(shù)據(jù)科學(xué)”歸納為三類：數(shù)據(jù)的追蹤與收集，數(shù)據(jù)存儲處理，數(shù)據(jù)可視化以及預(yù)測分析。
舉個簡單的類比：原始數(shù)據(jù)，其實就像是原始石油，大家都知道很珍貴，但如果沒有專業(yè)的處理和加工，是無法轉(zhuǎn)變?yōu)槠突蚱渌脱苌罚瑸樯虡I(yè)生產(chǎn)提供動力和能量。
“數(shù)據(jù)科學(xué)”，就是像是煉油技術(shù)：通過數(shù)據(jù)的追蹤與收集，可以從網(wǎng)絡(luò)日志，移動應(yīng)用，客戶交易信息等等行為中勘探收集大量數(shù)據(jù)資源；而存儲處理，是通過技術(shù)，將看似雜亂不堪的數(shù)據(jù)轉(zhuǎn)化的整齊而有規(guī)則，并根據(jù)其數(shù)據(jù)量以及提取方式，將其儲存為不同種類的格式（數(shù)據(jù)倉庫，Hadoop，Spark ）； 這些提煉過的數(shù)據(jù)，再通過分析可視化或預(yù)測建模過程轉(zhuǎn)換為及時商務(wù)信息，協(xié)助日常決策；也可以搖身一變，轉(zhuǎn)化為數(shù)據(jù)產(chǎn)品，為商務(wù)產(chǎn)生直接的價值。
這樣的鏈條中，對每一步的精準度都有很高的要求。就像中學(xué)時候串聯(lián)的電路， 鏈條一個環(huán)節(jié)出現(xiàn)問題或斷裂，燈泡就不會亮。
二，時間、人力成本這么高，一定要自建嗎？
其次，實現(xiàn)這樣的鏈條，人員、薪酬、時間等成本極高。
在LinkedIn，單單是數(shù)據(jù)分析的職能，在全公司就有不下100人的團隊，如果加上工程的各個環(huán)節(jié)，光是處理數(shù)據(jù)類的需求，就有200-300人在支撐。而LinkedIn建立一支這樣的團隊，需要多少時間。 LinkedInBusiness Analytics 部門曾由其前商業(yè)總監(jiān)張溪夢主導(dǎo)，從2010年4月開始，自己的一個人，擴張到近100人的大部門，足足花了近五年時間。而“數(shù)據(jù)工程師”，“數(shù)據(jù)架構(gòu)師”，“數(shù)據(jù)分析師”這樣的職位，工薪待遇要求也很高。
有媒體報道，在美國，大數(shù)據(jù)分析師平均每年薪酬高達17.5萬美元，而國內(nèi)頂尖互聯(lián)網(wǎng)公司，大數(shù)據(jù)分析師的薪酬可能要比同一個級別的其他職位高20%至30%。
在拉勾網(wǎng)上，1-3年工作經(jīng)驗的數(shù)據(jù)分析師如果開不到15-30K的薪資，顯得完全沒有吸引力。并且讓人頭疼的是，即便是這樣的薪資，招到優(yōu)秀的數(shù)據(jù)分析師也并不容易。
除此，時間成本，是最大的挑戰(zhàn)。速度在企業(yè)發(fā)展中，尤其是互聯(lián)網(wǎng)行業(yè)，是至關(guān)重要的競爭力之一。就像Facebook在小紅書里寫下的“唯快不破” 的戰(zhàn)略指導(dǎo)方針, 組建團隊所需的時間能否趕得上市場、客戶、對手、產(chǎn)品等更新迭代的速度？
大公司也許可以承擔這樣的成本，而對于中小型公司來說，有沒有必要在早期就花精力和人力去建造這樣的數(shù)據(jù)團隊，或者能不能建立起一只能服務(wù)企業(yè)數(shù)據(jù)運營的隊伍，也是個巨大的問題。
三，“黃花菜早涼了”怎么辦？
在國內(nèi)，一些很早覺醒的中小企業(yè)已經(jīng)著手組建自己的數(shù)據(jù)分析團隊，但即便是有相對完善數(shù)據(jù)團隊的企業(yè)，仍然有自己的煩惱。中小企業(yè)自建的團隊，一般都是數(shù)據(jù)分析師和數(shù)據(jù)工程人員，這和企業(yè)內(nèi)部運營人員的比例，是完全失衡的，一般都是1:100甚至1:300。這種結(jié)構(gòu)，讓分析師每天糾纏在事務(wù)性事情上，很難產(chǎn)生價值。
并且，數(shù)據(jù)分析的過程也是相對緩慢的。例如產(chǎn)品分析，產(chǎn)品經(jīng)理會向數(shù)據(jù)分析團隊提出分析需求，而當數(shù)據(jù)分析師去尋找數(shù)據(jù)的時候，會發(fā)現(xiàn)需要工程人員協(xié)助加入新的代碼，埋點采集；等到寫好代碼上線，數(shù)據(jù)收集進來，往往幾周已經(jīng)過去了，這時候產(chǎn)品經(jīng)理往往早已進行了決策，進行下一步產(chǎn)品的開發(fā)了。
如果這樣的決策速度，是無法達到數(shù)據(jù)驅(qū)動運營的最佳效果的。這其中，是否有數(shù)據(jù)，如何埋點，如何分析，如何決策，每一步都需要大量的時間反復(fù)優(yōu)化，如果沒有經(jīng)驗，會耗費很多精力和時間。
四，give us the data, and we will take care of the rest
而在國外很多企業(yè)開始使用mixpanel、Optimizely等這樣的數(shù)據(jù)分析工具，“give us the data, and we will takecare of the rest，”O(jiān)ptimizely即以這樣的理念服務(wù)了8000家付費用戶，mixpanel也有約3000家付費用戶, 45 billion actions。
在國內(nèi)，也開始有這樣的企業(yè)提供此類SaaS服務(wù)，比如GrowingIO等。今年5月，張溪夢從硅谷回國，帶領(lǐng)來自LinkedIn 、eBay 、Coursera、亞信等國內(nèi)外頂級互聯(lián)網(wǎng)及數(shù)據(jù)公司的團隊創(chuàng)辦GrowingIO。
利用硅谷最新的數(shù)據(jù)分析技術(shù)和方法，把過去幾個月到幾個星期的數(shù)據(jù)分析工程壓縮到幾個小時到幾分鐘，為互聯(lián)網(wǎng)企業(yè)提供端到端的數(shù)據(jù)分析解決方案，幫助企業(yè)提升效率、增長業(yè)務(wù)。產(chǎn)品主要覆蓋四大類數(shù)據(jù)分析，包括市場推廣、產(chǎn)品體驗、銷售運營，以及客戶成功。
這種數(shù)據(jù)分析工具運用無埋點采集，收集海量的網(wǎng)站、移動APP以及移動終端數(shù)據(jù)，自動生成一套對商業(yè)價值最有用的方案，促進業(yè)務(wù)運營的分析結(jié)果，以輔助企業(yè)內(nèi)的決策者以及一線員工做到全數(shù)據(jù)驅(qū)動決策。
這樣可以極度壓縮數(shù)據(jù)收集、處理、分析的過程，大幅解放數(shù)據(jù)分析人員，他們可以做更深層的東西。如果你關(guān)心營銷，它們告訴你哪些對營銷最有用；如果你關(guān)心客戶成功，它們告訴你怎么提高客戶留存率、降低流失率......可以幫助中小企業(yè)解決自建數(shù)據(jù)分析團隊時間長、成本高、數(shù)據(jù)分析過程漫長、需內(nèi)部反復(fù)優(yōu)化等很多難題。
其實，大數(shù)據(jù)運營的本質(zhì)即是化繁為簡，就是在做小數(shù)據(jù)、沒數(shù)據(jù)的工作：如何能將海量數(shù)據(jù)轉(zhuǎn)化為可以理解的商務(wù)洞察，協(xié)助決策的制定。
