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
1700499117
数据挖掘与数据化运营实战：思路、方法、技巧与应用 4.1 数据分析团队与业务团队的分工和定位
1700499118
1700499119
在数据化运营实践中，数据分析团队和业务团队既会密切配合，又会保有各自独特的专业性。业务部门有自己的专业领域，并有相应的专业技能要求，但是围绕数据化运营这个大场景时，业务团队则必须具备与数据分析相关的一些基本技能和要求。本节以在线运营团队为例，详细说明数据化运营场景中运营团队应该具有的与数据相关的基本技能要求。另外，虽然目前对于“网站运营”的准确定义还缺乏一致的看法，但是主流的意见是：凡是承担网站运作和网站营收工作的，都属于网站运营的工作。这个定义在本书里将会贯彻始终，后面不再重述。
1700499120
1700499122
4.1.1 提出业务分析需求并且能胜任基本的数据分析
1700499123
1700499124
在数据化运营中，运营团队的员工首先要会提出合理的、有价值的、有意义的业务分析需求，即提交需求给数据分析团队。可以说，数据化运营来自于业务需求，服务于业务需求，而业务需求的一个重要来源则是业务团队（包括运营团队）的需求。运营团队不仅要提出分析需求，而且应保证这个需求是合理的有价值有意义的，也就是说需求的提出要经过业务团队内部的讨论、过滤，尽量避免无效、无理需求的产生，从而避免资源浪费，也可以提高分析效率和数据化运营效率。由于各业务团队的业务水平有差异，因此需求的有效性也有相应的差异，有些来自业务方的分析需求甚至是伪命题，而这很可能是业务团队自身对于业务逻辑的思考不严密或者对于数据分析的应用条件不是很了解的反映。比如，某在线运营团队通过电子邮件的持续运营，激发受众的活跃性。他们发现，有些受众对于电子邮件的响应很积极，打开邮件、点击链接的比例比较高，而有些受众对于电子邮件的响应不积极，很少打开电子邮件，更不要说去点击其中的链接了。基于这个直观感受，该运营团队提出了数据分析需求，希望建立一个预测模型，预测谁最可能响应电子邮件的宣传（最可能打开邮件、点击链接等），谁最不可能响应电子邮件的宣传（最不可能打开邮件）。虽然这个需求乍一看很合理，但是仔细想想，分析的很多数据条件不具备：用户是否打开电子邮件受很多因素影响，比如广告是否有促销、促销力度是否大、文案是否吸引用户等，而且历史数据里每次运营活动的主题都不一样，具体的主题却没有数据记录。这些关键因素都决定着用户是否会点击邮件，但是这些因素在历史数据里并没有记录在案。在这种情况下，仅仅根据用户的注册属性和部分网站使用行为去搭建预测模型，来预测用户是否对电子邮件运营响应度高，风险会很大，很有可能做到最后不但浪费了资源，而且模型效果不好。针对这种情况，数据分析师建议先对响应受众进行简单的统计描述分析，看是否有比较明显的有价值的特征发现，再基于这个分析总结去决定是否需要搭建预测模型做深入分析。
1700499125
1700499126
当然，业务团队提出分析需求的能力和水平也是一个不断提高、不断进步的过程，其中数据分析团队和数据分析师在引领业务团队数据化水平成长的过程中扮演着重要的“授人以渔”的角色。
1700499127
1700499128
业务团队和业务人员应该具备怎样的基本数据分析技能呢？具体来说，以下一些重要的基本技能是在数据化运营中作为一个合格的运营团队和一名合格的人员应该具备的：
1700499129
1700499130
❑图表处理能力：运营人员应该具备基本的图表处理能力，包括针对具体的运营场景，自己会制作趋势图、分布图、透视表、二维交叉图等。
1700499131
1700499132
❑读懂报表的能力：能从自己业务相关的日报、周报、月报、监控报表里发现跟运营有关的异常现象，并且能合理地解释数据的波动。
1700499133
1700499134
❑细分用户的能力：能按照合理的维度切分用户群体，并且能针对不同群体进行细分运营。这里的合理维度主要是指基于运营方的具体运营目的，能提炼出简单却重要的核心要素（变量），并且能对其进行合理的维度切分。
1700499135
1700499136
❑运营监控的能力：能设计、制作简单的监控表格，从而监控运营过程和关键环节，包括为了监控而去页面埋点，以及如何控制运营的节奏等。
1700499137
1700499138
❑有编写简单SQL的能力：SQL是结构化查询语言的英文缩写，指的是一种非常主流的数据库查询语言，通过该语言，用户可以从数据库中提取所需的数据。运营人员掌握了简单的SQL语言后，就可以随时对自己感兴趣的数据进行简单的查询和抽取，而不用事事都让数据仓库人员或者数据分析人员去帮忙，提高了查询和分析的效率。
1700499139
1700499140
❑有分析总结的能力：运营人员能针对具体的运营活动进行效果总结，能针对目标受众的属性进行单维度的简单统计分析，能理解数据分析师的分析报告，并且最好能提出自己的建议和意见。
1700499141
1700499142
❑目标预测的能力：运营人员能根据自己的业务经验和业务敏感，对具体的运营方案的结果有阶段性的比较靠谱的预测。
1700499143
1700499144
1700499145
[
上一页 ]
[ :1.700499096e+09 ]
[
下一页 ]