1700499221
4）分析师具体进行项目分析、挖掘。
1700499222
1700499223
项目的数据分析师根据经过讨论确定的分析思路、分析框架和分析字段，从数据仓库中抽取分析数据，并进行具体的数据分析、挖掘工作。在此过程中，分析师根据不同的思路、方法，得到了不同的分析结论，在综合评估后，与运营方一起讨论，决定最合适的分析结论和用户群体特征方案。
1700499224
1700499225
5）运营方根据分析结论策划运营方案。
1700499226
1700499227
运营方与数据分析师共同协作，根据目标客户群体的典型特征结论，考虑具体选择哪些细分群体去运营，并且开始策划相应的细分的具体运营方案，即制定运营计划时包括运营主题、活动的激励方案、活动预算、运营节奏、时间节点、链接的打点事宜、活动页面的设计事宜、效果监控方案等，并且还包括如何与相关的业务团队协调资源、协同推进方案的执行等事宜，比如向UED申请活动页面的设计资源；督促对方按时完成活动页面的设计、修改、定稿；与数据仓库团队协调链接打点事宜；与资源部门申请运营通道和时间节点；与CRM系统协调活动激励措施的支付系统配合等。
1700499228
1700499229
6）运营活动的实施及效果监控。
1700499230
1700499231
在运营方案和计划得到批准后，按计划正式实施具体的运营活动方案，并实时监控运营效果，活动后期进行效果评估、反馈和总结。
1700499232
1700499233
上面对某具体运营活动的过程进行了比较详细的描述（不涉及数据分析技术层面，因为详细的分析技术、分析字段、分析方案、分析结果和效果跟踪将会在第9章、第11章的案例分享中详细描述），可以看到，一个完整的数据化运营项目，先不谈是否是成功的应用，已经涉及多个专业、多个部门的协同参与。真正的企业级数据化运营远不止是项目层面的，而是会扩展到企业的整体运作中的，因为企业整体的思维、决策、管理及运营都是围绕数据化并以此为核心的，是真正全民参与的。数据化运营一定不是某个业务部门的内部事务，也一定不是数据分析部门和数据分析师自己的事情，数据化运营是企业整体的无所不在的数据应用，以及无所不在的全民数据意识。
1700499234
1700499235
案例二：某女装品牌在淘宝商城开设了自己的旗舰店，为了响应电子商务企业一年一度的大型促销狂欢节日——光棍节[1]，准备积极备战此一年度最火的商业大战。迎战光棍节，企业有哪些环节要把握呢？又有哪些相关部门要参与呢？表4-2对此进行了比较清楚的梳理和总结。
1700499236
1700499237
从表4-2可以看出，针对一个大型的促销运营活动，从活动前的策划、准备，到活动中的认真执行与过程控制，乃至活动后的总结、反馈与挑战，整个过程几乎会涉及企业的所有职能部门和管理层。通过这个典型的案例，再一次证明，数据化运营是跨专业跨团队的协同合作。
1700499238
1700499239
1700499240
1700499241
1700499242
[1]所谓光棍节，原是流传于年轻人中的娱乐性节日，以庆祝自己仍是单身一族，因为11月11日是有4个1的，所以被称为光棍节。从2010年开始，阿里巴巴旗下的淘宝公司率先在当年11月11日进行网站的光棍节大促销，淘宝网站上的许多商品进行了大幅降价酬宾。后来，这个做法逐渐为国内大多数电子商务网站所采用并追捧，掀起了全国性的每年11月11日的电子商务网站大酬宾运营活动的高潮。
1700499243
1700499244
1700499245
1700499246
1700499247
数据挖掘与数据化运营实战：思路、方法、技巧与应用 [:1700497529]
1700499248
数据挖掘与数据化运营实战：思路、方法、技巧与应用 第5章 分析师常见的错误观念和对治的管理策略
1700499249
1700499250
错误的观念和思想，决定了错误的方向；错误的方向，必然导致失败的结果。
1700499251
1700499252
5.1 轻视业务论
1700499253
1700499254
5.2 技术万能论
1700499255
1700499256
5.3 技术尖端论
1700499257
1700499258
5.4 建模与应用两段论
1700499259
1700499260
5.5 机器万能论
1700499261
1700499262
5.6 幸福的家庭都是相似的，不幸的家庭各有各的不幸
1700499263
1700499264
市面上关于数据分析挖掘方面的书籍不少，关于如何做好数据挖掘的方法总结也很多，但是绝大多数都是站在纯技术、纯算法的角度进行阐述与总结的。其实，影响数据挖掘模型和数据分析成果、价值的因素很多，除了技术方面的因素（包括算法、数据质量、企业硬件设施等）之外，还应该包括数据分析师本人对于数据分析的思想观念、对于数据和数据分析的态度，以及数据分析师所具有的商业意识及商业敏感度，更包括企业层面的数据化运营的意识和氛围，从某种意义上来说，后面的几个因素对数据分析成果和价值的影响要远远超过纯技术层面的因素的影响。
1700499265
1700499266
关于企业层面的数据化运营的意识和氛围，第1章已经做了比较深入的阐述和分析，在此我们不再重复。
1700499267
1700499268
关于数据分析师本人对于数据分析错误的思想观念以及可能对数据分析和应用造成的危害，是本章的重点，我们将把企业数据化运营实践中数据分析师所表现出来的一些有代表性的错误观念做一下总结和归纳，并且提出实践中应对这些错误观念的比较行之有效的管理制度和措施。
1700499269
1700499270
除了本章即将要具体展开说明的种种错误观念之外，还有一个同样严重的、直接造成分析师的分析成果和分析价值缺乏商业应用价值的核心因素——数据分析师应该具备但是却常常不具备的“商业意识”或“商业敏感”。鉴于这种“商业意识”或“商业敏感”并非属于思想观念的范畴，与本章的主题（思想、观念）有明显的差异，故我们将在本书第16章进行深入探讨。