1700499066
1700499067
1700499068
图3-7 “我的收藏”页面
1700499069
1700499070
当然了，上面列举的这些产品更多的是方便用户进行个人财务、商品管理的，还不是专门针对用户进行数据分析支持的。下面这个例子，如图3-8所示则是跟数据分析功能相关的数据产品，量子恒道作为淘宝网的一个免费数据产品，可以帮助网商自我进行精准实时的数据统计、多维数据分析，从而为网商交易提供更强的数据驱动力。
1700499071
1700499072
1700499073
1700499074
1700499075
图3-8 量子恒道的分析展示
1700499076
1700499077
1700499078
1700499079
1700499080
数据挖掘与数据化运营实战：思路、方法、技巧与应用 [:1700497520]
1700499081
数据挖掘与数据化运营实战：思路、方法、技巧与应用 3.13 决策支持
1700499082
1700499083
决策支持是现代企业管理中大家耳熟能详的词汇。数据分析挖掘所承担的决策支持主要是指通过数据分析结论、数据模型对管理层的管理、决策提供响应和支持，从而帮助决策层提高决策水平和质量。
1700499084
1700499085
对于现代企业和事业单位的管理层来说，数据分析的决策支持一部分是通过计算机应用系统自动实现的，这部分就是所谓的决策支持系统（Decision Support System，DSS），最常见的输出物就是企业层面的核心日报、周报等。每天会由计算机应用系统自动生成这些报表，供管理层决策参考，另一部分是非常规的、特定的分析内容，包括特定的专题分析、专题调研等。
1700499086
1700499087
无论是报表还是专题分析，对于数据分析师来说，所涉及的承担决策支持的工作与支持业务部门的数据分析，在技术和方法上并没有本质的区别和差异。但是在以下方面会有一定的差别：
1700499088
1700499089
❑决策支持的数据分析工作要求数据分析师站在更高的角度，用更宽的视野进行数据分析。由于是供企业决策层参考的，所以数据分析师要站在企业全景、市场竞争的全局来考虑分析思路和结论。
1700499090
1700499091
❑服务的对象不同。这似乎是废话，但是在数据分析挖掘实践中，这的确也是数据分析师不能回避的问题。在实践中，因为是为决策层服务的，所以对分析的时间要求常会更严格，项目的优先级也会更高，而且对结论的准确性和精确性的要求也会相对比较苛刻。
1700499092
1700499093
1700499094
1700499095
1700499096
数据挖掘与数据化运营实战：思路、方法、技巧与应用 [:1700497521]
1700499097
数据挖掘与数据化运营实战：思路、方法、技巧与应用 第4章 数据化运营是跨专业、跨团队的协调与合作
1700499098
1700499099
玄黄不辨，水乳不分。
1700499100
1700499101
——《五灯会元》宋代 普济禅师
1700499102
1700499103
4.1 数据分析团队与业务团队的分工和定位
1700499104
1700499105
4.2 数据化运营是真正的多团队、多专业的协同作业
1700499106
1700499107
4.3 实例示范数据化运营中的跨专业、跨团队协调合作
1700499108
1700499109
在前面3章，我们介绍了数据挖掘和数据化运营的概念，并对常见的数据分析项目类型进行了简述。事实上，无论是数据挖掘的专业技术，还是具体的数据分析项目，对于企业的数据化运营实践来说都还只是万里长征的第一步，也就是说数据挖掘的价值、数据分析项目的价值一定要落实到企业具体的数据化运营（业务落地应用）实践中才可以得到检验和实现，而在运营实践中与业务团队的结合是很关键的问题。
1700499110
1700499111
可以说，数据化运营是一项企业全员参与的全民运动，数据分析部门和数据分析师在其中则扮演着中心和主力的角色，但是又离不开业务部门的参与、理解、应用和支持。可能有读者会问，在这个数据化运营的全民运动中，不同的业务部门各自又具有什么样的职责和要求呢？本章就以在线运营团队的数据化运营为例，具体讨论两个团队的定位和分工，通过举例详细介绍数据化运营是如何凭借多个团队的专业分工和协作，来合力走向成功的。
1700499112
1700499113
1700499114
1700499115