數據運營是什麼？
這是新媒體運營的一個分支職位，還是做新媒體運營必須要懂的部分？和運營內容是什麼關係？
最近正好看了 @張溪夢 Simon 大大的GrowingIO公司的一本數據運營手冊，寫的很系統，我總結了一下筆記。
01 究竟什麼是數據運營？
從廣義來講，數據是反映產品和用戶狀態最真實的一種方式，通過數據指導運營決策、驅動業務增長。與數據分析師的崗位不同，數據運營更加側重支持一線業務決策
互聯網運營的類別很多，而運用在運營的整個生命周期中。數據運營屬於一種技能，通過數據分析發現解決問題，提升效率促進增長。
02 數據運營的具體工作是做什麼？
報告分析了100篇數據運用招聘JD（職位描述），製作了詞雲，從中可以清晰的看出數據分析的主要技能要求。
分為數據規劃，數據採集與數據分析三方面工作。
一、數據規劃
目的是搞清「要什麼」。收集整理業務部門數據需求，搭建數據指標體系
（1）指標體系：比如UV/DAU/銷售金額。來自具體的業務需求，從需求中歸納事件，從事件中對應指標
（2）維度體系：對指標進行細分的屬性，記錄對指標可能產生影響的維度
二、數據採集
採集業務數據，向業務部門提供數據報表
（一）數據採集
（1）埋點：在網頁、APP中手工添加代碼收集。這種方法工程量大，周期長，是痛點。
（2）可視化埋點：用可視化交互的當時，提高了效率。
上述兩個數據運營起收集業務部門數據需求，撰寫需求文檔，向工程部門提交需求
（3）無埋點：先定義再收集。成本低速度快，是新寵兒。
（二）數據報表
日報周報等，數據運營讓這部分工作盡量自動化。
搭建數據看板（dashboard）是另一項工作，常常與BI系統連載一起數據數據可視化的部分。大企業常用自己方式搭建數據平台，中小企業藉助第三方數據工具。
三、數據分析
通過數據挖掘，數據模型等方式，深入分析業務數據，提供數據分析報告，定位問題，提出解決方案。
相對數據分析師，數據運營崗位弱化了對變成的要求，強調在現有工具集成商靈活運用分析方法，一定要及時發現、定位問題，並提出可行的解決方案。
03 常用的10個數據分析方法
（1）來源管理：對於投放的目標鏈接加上監測參數，實現對網頁訪問來源，APP下載渠道的監測。主流解決方案是UTM機制。
（2）趨勢分析：通過對業務指標的監測研究用戶行為規律，尋找增長點
通過數據監測和趨勢預測，思考為什麼這樣，及時發現定位問題
（3）維度拆解：對應上面提到的多個維度，拆解指標定位問題
如常見流量指標，可從廣告來源、地區、操作系統等維度出發，觀察那一類用戶比重更多，價值更大
（4）轉化漏斗：以可視化的方式將轉化路徑每一步展示出來，運營需要重點關注流失最大的環節，是優化工作ROI最高的地方。
（5）留存分析：首次訪問後回訪，探索用戶、產品與回訪之間的關聯程度
分析不同用戶群組的留存差異，使用過不同功能用戶的留存差異尋找用戶增長點
（6）魔法數字
留存分析的延展，與產品的核心功能息息相關，已得到矽谷企業的廣泛重視。
（7）用戶分群：維度和指標的組合條件是目前常用的篩選方法
如，上海電商舉行iPhone手機配件促銷，將「上海+兩次購買+iPhone圖用戶」
（8）用戶細查：觀察用戶行為軌跡，探索用戶與產品的交互過程，從中發現問題激發靈感
（9）熱力圖：用高亮顏色展示用戶訪問偏好。優化網站或頁面布局，提高轉化率
（10）測試：假設檢驗
04 如何選擇正確的數據指標？
北極星指標是什麼？
OMTM，one the metric that matters。唯一重要指標。一旦確立，指引全公司上下向同一個方向邁進。很關鍵，可以大幅度提升行動力。選擇不正確可能導致錯誤估計形勢
舉個栗子：
衡量北極星指標的6個標準：
（1）產品的核心價值是什麼？這個指標可以讓你知道用戶體驗到了這個價值嗎？
（2）這個指標能夠反映用戶的活躍程度嗎？
（3）如果這個指標變好了，是不是說明整個公司在向好的方向發展？
（4）是不是容易被你的團隊理解交流？
（5）這是一個先導指標，還是一個滯後指標？
（6）是不是一個可操作指標？
05 用數據分析做運營增長，需要做好四個方面
（1）流量運營：多維度分析，優化渠道。解決用戶從哪裡來的問題
多維度判斷流量，進行流量分析，制定相應策略進行渠道優化配置
（2）用戶運營：精細化運營，提高留存。
根據不同群體特徵，i進行精細化運營促進回訪，提高留存
（3）產品運營：用數據分析和監控功能
監測異常指標，發現用戶對你產品的「怒點」
用新功能留存曲線檢驗新功能的效果
（4）內容運營：精準分析每一篇文章的效果
做內容運營之前先明白你的內容是作為一個產品，還是產品的輔助功能。分析用戶感興趣的內容，內容閱讀和傳播的比例等。
補充:
如果有同學需要這本數據運營手冊，可以去我的公共號「實說星語」台回復「數據」，就可以得到這本小書啦。
不算分支，就是運營人員需要會的技能：數據分析，可以看看這篇文章，還不錯！運營狗的「數據分析」之痛誰來治？
我們剛剛做完十二期公開課「用數據分析做運營增長，你需要做好這 4 個方面」，本文會分別從流量運營、用戶運營、產品運營、內容運營四個方面，來給大家講解「數據運營是什麽」。
公開課的講師為我們的數據分析師範芊芸。文 / 范芊芸
運營是一門藝術，更是一門技術。
過去，「流量為王」的理念使得運營人員的職責聚焦在拉新上。隨著市場環境的變化，運營的渠道和方式不斷增加，運營有了更加細緻的分類。精細化運營的大背景下，如何用數據分析來解決流量運營、用戶運營、產品運營和內容運營中的增長問題，今天將和大家分享我們在數據運營方面的實戰心得。
| 流量運營：多維度分析，優化渠道
流量運營主要解決的是用戶從哪裡來的問題。過去粗放式的流量運營，僅僅關注 pv、uv 等虛榮指標，在精細化運營的今天是遠遠不夠的。
1. 流量指標體系
我們需要通過多維度指標判斷基本的流量情況，包括量級指標、基本質量指標和來訪用戶類型佔比指標。量級指標涉及不同平台，Web 端主要看訪問量、pv 和 uv，App 主要看啟動次數、DAU 和 NDAU。基本質量指標包括用戶的平均訪問時長、平均一次會話瀏覽頁數（即訪問深度）和跳出率等，通過這些指標可以判斷用戶的活躍度。產品的生命周期模型廣泛應用在互聯網運營中，在不同的產品生命周期中，訪客的類型是有差異的。
2. 多維度的流量分析
在網站流量分析中，主要從訪問來源、流量入口、廣告等角度切入。
首先，訪問來源包括直接訪問、外鏈、搜索引擎和社交媒體等。在這個分析框架下，需要一層一層拆解，具體到每一個渠道進行流量分析。
其次是落地頁，落地頁是用戶到達你網站的入口。如果用戶被導入到無效或者不相關的頁面，一般會有較高的跳出率。
最後，廣告投放也是目前流量運營的重要部分。一般涉及到的廣告分析包括廣告來源、廣告內容、廣告形式（點擊、彈窗、效果引導）和銷售分成等，我們需要通過多維度的分析來優化廣告投放。
上面的三個角度主要是在 web 端的分析，對於 App 分析，需要考慮分發渠道和 App 版本等因素。
3. 轉化漏斗分析
在增長模型中，流量進入後，還需要進一步激活和轉化，而激活是需要一定的流程和步驟的。使用 GrowingIO 的【漏斗】功能，可以清晰展示每一步的轉化情況。
4. 渠道優化配置
在進行一系列的流量分析和轉化分析後，我們可以進行相對應的策略制定，具體方式包括搜索詞、落地頁、廣告投放優化等等。
| 用戶運營：精細化運營，提高留存
如果說流量運營解決的是用戶從哪裡來的問題，那麼用戶運營就是建立和維護與用戶的關係。
1. 精細化運營
用戶在產品上的交互行為很多，我們可以通過用戶的行為對用戶進行分類；然後根據不同群體的特徵，進行精細化運營，促進用戶的回訪。
以論壇為例，用戶在論壇上的行為包括：訪問、瀏覽帖子；回復、評論；發帖；轉發，分享等等。我們對用戶的每一類行為建立行為指數，例如根據用戶的轉發、分享等行為建立「傳播行為指數」，通過這些指數給用戶分類。如此一來，論壇上的用戶被分為 4 個維度：A 瀏覽類、B 評論類、C 傳播類和 D 內容生產類。用戶可能只有一個標籤指數，也可能很跨多個指數維度。
用戶運營中，可以根據這些標籤進行分類。比如 UGC 論壇，需要保持 D 類（內容生產類）用戶的活躍度和增長率；同時在論壇推廣傳播中，需要對 C 類（傳播類）用戶進行刺激，擴大內容的傳播力和影響力。
2. 提高用戶的留存
互聯網產品一般都關注用戶的留存，只有用戶留下來了，才能進一步去推動變現和傳播。留存分析一般採用組群分析法，即對擁有相同特徵的人群在一定時間範圍內進行分析。
留存時間及周期，和產品體驗完整周期有關，不同的業務和產品一般有著不同的時間群組劃分方法。比如高品類產品的日留存更好反映用戶與產品的關係，而工具類的周留存就比日留存更加具有業務意義。
通過時間維度的分析發現用戶留存的變化趨勢，通過行為維度的分析發現不同群組用戶的差異，找到產品或運營的增長點：這是用戶運營非常重要的一點。
| 產品運營：用數據來分析和監控功能
產品運營是一個非常大的話題，很多運營和產品都是圍繞產品來做的。
1. 監測異常指標，發現用戶對你產品的「怒點」
產品大的流程中，存在很多小的功能點，用戶的體驗就是建立在這些小的功能點上；就是這些小的功能點的使用情況，成為我們每一步轉化的關鍵。
以註冊流程為例，一般需要手機驗證。發送驗證碼是其中一個關鍵的轉化節點；當用戶點擊重新發送的次數激增時，可能意味著我們的這個功能點存在一定問題。而這就是用戶」怒點「所在，無法及時收到手機驗證碼。通過對關鍵指標的監測，便於我們及時發現問題所在，及時修復。
2. 通過留存曲線檢驗新功能的效果
對於上線一段時間的產品，有時候會添加新功能。上線後，需要評估新功能的效果，是否滿足用戶的核心需求，能否給用戶帶來價值。
| 內容運營：精準分析每一篇文章的效果
什麼是內容運營？很多人認為，內容運營就是編輯文章、發帖子，其實這是片面的。
在做內容運營之前，需要明白你的內容是作為一個產品（如知乎日報）出來，還是產品的一個輔助功能。只有明白自己的定位，才能清晰目標。為了擴大內容運營的效果，我們需要對用戶的需求進行分析，例如用戶感興趣的內容、內容閱讀和傳播的比例等。
1. 內容的類別
以 GrowingIO 的技術博客為例，該博客屬於 PGC 模式。博客中的內容有不同分類，為了降低用戶獲取信息的成本，我們在博客首頁設計了不同板塊的入口，包括左側分類導航、中部文章推薦和右側熱點推薦。
2. 基於用戶的推薦
內容運營中的推薦，有時候和用戶的精細化運營息息相關。每一個用戶，都有自己喜歡的內容和類別，當我們根據用戶的興趣傾向進行推送的時候，效率肯定會更高。
| 數據驅動的精細化運營
近年來流行的「Growth Hacker」的核心，其本質就是通過技術創新和數據分析，實現精細化運營，達到增長的目的。一個優秀的數據運營人員，應該具備數據驅動的思維，掌握一定的數據分析工具。在實際業務工作中，不斷從數據中提出問題，不斷嘗試，用數據來優化運營策略，進而實現客戶和業務的增長。
註：本文中「漏斗」等數據產品截圖，來自 GrowingIO 官網 矽谷新一代數據分析產品傳統行業的店鋪老闆通常會分析，今天客流量大不大啊，來得都是老客戶還是新客戶啊，是通過品牌效應過來的還是瞎逛過來的，還可以問問用戶是需要是那個價位的啊 ，今天賣了多少錢啊，這些在電商上面就是數據化運營了。傳統行業可能只是老闆的經驗，他很難拿出具體的數據說明這些問題，他只能通過他得感覺做出分析和判斷，但是現在的電商，所有的東西都是可以量化的，你可以通過數據做到比用戶還了解用戶，了解了用戶，自然會賺到更多的錢。
1、數據解決一切「我認為」
我們在工作中不可避免地需要解決不同利益個體之間的紛爭，尤其是產品經理這種溝通為主的職位。
於是，很多時候都會聽到「我覺得blablabla」、「我認為blablabla」、「為什麼xxxx」等一系列主觀的問題。
而且最糟糕的是，主觀認知都沒有評判標準，就算爭論再長時間也沒法達成一致。
比如說，A認為周杰倫是華語樂壇神級人物，給我上最好的推薦，什麼焦點圖、啟動閃屏、消息推送能上的都掛上去。
B認為，TFBoys和鹿晗是當紅炸子雞，一定不能懈怠了，所以要把咱們最厲害的資源都用上，不然粉絲有意見。
他們都可以擺出許多「論據」，周杰倫的歌多好聽、每一張專輯都堪稱經典，TFBoys和鹿晗的粉絲又是多麼瘋狂，紛紛幫助偶像拿下了微博轉發最多的吉尼斯世界紀錄……
然而，這些爭論都無法解決我們在產品內運營的問題，而且對於一個成熟的產品，面對的不單止是幾個人，而是資料庫裡面上百萬個全世界的歌手。
作為一個相對客觀的消費產品，並不能像一個公眾號小編一樣憑藉個人喜好來傾向某個歌手。
那麼，問題來了，每個歌手發新歌、有新聞的時候，我們要怎麼運營呢？
答案就在於：以數據為依據制定統一的運營規則。
2、同一緯度的數據才有可比性當數據不在同一個維度時，比較結果是沒有意義的。
支持周杰倫的人認為最厲害，Jay是華語樂壇首屈一指的唱作才子，有N首歌都家喻戶曉，還拿到了無數的獎項；
支持TFBOYS的人則覺得三小隻更牛，年紀輕輕剛出道就紅遍大江南北，隨便發一條微博都幾萬的轉發，簡直前無古人後無來者。
他們說的都是正確的，並且也可以舉出客觀、真實的數據，但是我們卻不能根據這些數據來判斷他們的優先順序，因為他們並不在一個維度上。
因此，我們在制定優先順序、運營規則的時候，都要把所有歌手放在同一個數據框架下進行比較。
典型的數據維度由下面兩方面的指標共同構成，每個指標都會有一定的權重，最後就可以算出每個歌手對應的分數。
也就是我們最核心的「優先順序」
歌曲質量：有多少人聽過他們的歌曲，多少個人願意下載重複聽（甚至付費下載），多少人願意分享給朋友們……
粉絲基礎：微博有多少人關注、每條有多少轉發和評論、每天有多少人搜索他們的名字……
例如周杰倫的歌曲過去一周有一千萬人聽過，而TFBOYS的歌只有六百萬；周杰倫的搜索指數只有50萬，而TFBOYS有100多萬。
把所有數據擺出來，關於誰影響力最大，自然就會有無可爭議的結論了。
3、數據運營原則下的「等級制度」數據體系的搭建是一個異常痛苦的過程，因為搜集齊所有歌手的數據需要花費巨大的時間和精力，要知道這可不是十幾個或者幾百個，而是超過一百萬的歌手！
當然，靠人肉是不可能完成這個任務的，必須依賴於程序自動化。
雖然過程痛苦，但是結果卻是非常有意義的。
當我們背靠數據的時候，之前存在的爭議似乎都不存在了。
比如說，周杰倫必須上閃屏，因為他的最終評分是S級，是99分呢。而TFBOYS目前的評分只有A級，八十多分，雖然現在炙手可熱，但是還有成長空間，也許下次才能上閃屏哦。
作為一個平台產品的運營，如果能夠說出上述的依據，還有誰能夠繼續和你爭論下去呢？
數據是最可靠的。
即使面對海量的歌手，也不再懼怕。
來了一個歌手發專輯，好，那麼看一下他的分數，每個分數段對應著一個推廣資源，按照這個來運營吧。
上面的回答我簡直了。能不能說點有用的？
麻煩來一個高手，基本上可以甩幾個數據分析基礎使用的工具好嗎？
算了，我甩幾個我基友甩給我的。
我自己也在找數據運營方面的答案。希望有在這方面做得比較好的私信給我一些好用的推薦的工具。謝謝。夠初中級新媒體運營用了。【友盟+】產品
TalkingData-移動.數據.價值Alexa排名-Alexa網站排名查詢清源火眼 - 最專業的APP數據平台SEO綜合查詢 - 站長工具上面是用來檢索公司各方面數據的。chinaz常用舉例：
新榜|www.newrank.cn
數據運營是什麼鬼？他就是陰魂不散的滲透到運營的各個環節之中的精靈。新媒體矩陣，用戶運營，活動運營，產品運營等運營的幾個方面都離不開數據。然而，互聯網公司一般不會單獨設立數據運營，一般會設立一個數據分析師的崗位，分析師的職責和運營有著極大的差別。
先挖個坑，然後在慢慢填。
今天先說數據在新媒體矩陣運營的應用！
————————————————————————————————————————分割線，最近被追著填坑啊，我是我就喜歡挖坑，哈哈。
早這裡先想一下我在公眾號分享的關於數據指標的構建：
以下是全文：
在運營工作中，我們接觸到不同種類的數據指標，這些指標往往都是已經設定好的，我們只需要根據指標推動業務發展。那麼，我們如何分辨這些數據指標是否科學呢？這些數據指標體系是否符合業務發展需要呢？
平時我們接觸的指標有多少呢？首先來看看電商指標、app指標、用戶指標和金融類指標以及統計口徑：
電商指
APP指標
用戶指標
金融指標（信貸）
這些指標已經非常多了，基本上列舉出來的都是核心指標，當然這些核心指標會有一些遺漏，大家有什麼要補充的歡迎留言。
我們的工作需要量化，在更廣的角度來審視運營工作的效率，在這麼多指標之中，怎麼樣才能系統、全局的制定我們的數據指標體系呢？
互聯網發展到現在，有很多工具來幫助我們從不同維度分析數據：百度統計、百度指數、Google Analytics、友盟、ASO100、GROWINGIO、微指數等等，工具很多，但是我們依然沒有頭緒搭建指標體系，因為缺少方法論，本篇分享3個數據模型來幫助我們搭建運營數據指標體系。
以網站為維度來衡量指標的PULSE
以用戶為中心衡量指標的HEART
以目標為導向衡量指標的GSM
PULSE模型介紹以及優劣分析：
Page view:頁面瀏覽量
Uptime:響應時間
Latency:延遲
Seven days active user:7天活躍用戶數
Earning:收益
PULSE模型是用來衡量用戶體驗的非常重要的指標，也經常被用來度量產品的整體表現。如果一款產品響應時間為10秒，我想大部分用戶會放棄這款產品；如果一款產品7天活躍用戶數僅剩下1%，那麼產品經理一定已經上天台了；如果一款產品有很好的流量卻沒有辦法變現，那麼老闆一定會帶上小姨子跑路了。
PULSE模型的優點
- 能夠評估產品的技術開發對於用戶體驗的影響
- 直觀、具象的體現產品流程設計對於用戶體驗的影響；
- 通過用戶和瀏覽數據衡量產品的體驗；
PULSE模型的缺點和優點一樣明顯
- 維度單一，僅從頁面瀏覽量和7天活躍用戶來評估產品，很難判斷數據的上升或者下降是由某一個原因導致的；
- 從用戶的留存來說，7天已經滿足不了現在的運營需求，日次留存率，月留存率都需要納入評估的範圍之內；用戶來源，用戶中新用戶、老用戶佔比，活躍用戶、流失用戶佔比等；
HEART模型介紹
Happiness：愉悅度
Engagement：參與度
Adoption：接受度
Retention：留存率
Task success：任務完成度
HEART模型是「以用戶為中心度量的HEART指標體系，以及把產品目標與創建指標體系相互關聯的過程」
愉悅度：交互設計給用戶帶來體驗的滿意程度，包括可用性、易用性、推薦意願、視覺感受度等；
參與度：用戶參與互動的程度，比方說訪問頻率、訪問深度、頁面停留時間、產生UGC的數量，日活躍度、周活躍度、月活躍度；
接受度：用戶在一定周期內參與產品核心功能的使用，比如電商網站的購買、微信發消息發朋友圈、支付寶轉賬付款、遊戲充值、新聞評論等等，接受度是以一定時間範圍來看的；
留存率：顧名思義就是用戶的次日留存率、周留存率、月留存率，這個要結合參與度和接受度綜合來評估；
任務完成度：任務完成效率和效果，比如從開始註冊到最後註冊完成的比例和時間，遊戲新手任務的完成率和完成時長，用戶填寫產品反饋、上報錯誤信息等等；
GSM模型介紹
Goal:目標
Signal:信號
Metric:指標
GSM是以目標為結果，通過對目標的設定來倒推過程，精準設定指標體系的一種量化研究方法。
目標：在運營過程中，我們要明確要達成的目標，比如用戶運營的目標是提升活躍用戶，類目運營的目標是提升GMV，產品設計的目標是提升用戶的體驗，保險offer活動的目的是讓用戶主動填寫聯繫信息；目標的設定要跨部門溝通，和招商、設計、研發部門一起確定目標，如果不？那你的結果肯定不僅僅是上天台；
信號：即為了達成目標，用戶可能會產生哪些體現成功和失敗的行為，選取那些明顯且敏感的信號，往往預示著失敗的行為會比預示成功的定義更容易獲得；
指標：選取指標，相對值比絕對值更具有意義，比如比例、百分率或者每個用戶的平均值，關鍵指標不在乎多，而在於精準，避免重複，核心指標才是要關注的，非核心指標可以不納入觀察範圍；
HEART模型在工作中的運用
在電商產品中的應
在金融類產品的應用
其實可以看出按照HEART模型，很重要的還款和催收等貸後管理數據沒法體現出來。
GSM模型在工作中的運用
電商產品中的運用
產品運營中的運用
微信運營中的運用
歡迎大家關注我的微信公眾號，搜索：旭說運營。一起聊聊運營，聊聊工作，聊聊生活。
來個短小精悍的回答。1. 數據運營不僅用在新媒體運營上，只要涉及運營工作，數據運營都可以插一腳；2. 同1，不僅是新媒體運營要懂，搞運營的都應該懂，不懂怎麼做運營？3. 和運營內容的關係，我認為數據運營是內容運營的一種手段和方法，數據運營的結果是選擇哪種內容的依據和支撐；4. 數據運營就是用數據分析的結果來驅動運營方式。並非只有專家可以做這個事情，但需要運營人員的數據敏感性、邏輯能力；5. 數據運營是一種科學的、有依據的、不盲目的內容運營思路。
數據推動產品
數據作為產品改善的依據
數據預警，對異常數據情況反饋產品進行改善
數據優化運營
數據選擇目標用戶精準營銷
EDM/外呼/簡訊/微信 推送活動
提升節點轉化率
數據是客觀世界情況的一種抽象形式，能夠方便人們對各種問題建立統一標準的理解。數據運營就是讓人們能夠對產品實際運營情況有標準統一的客觀且直觀理解，並基於此做出有效的反饋動作，比如優化產品等。做互聯網產品的數據運營，離不開各種各樣的工具產品，比如talking data， 友盟，Jice，Growing IO，神策，諸葛IO等。這些工具無非都是通過各種各樣的技術手段從你的產品中獲取到用戶的行為數據，然後進行各種統計，按需要或行業經驗展示出各種分析圖表供運營人員發現問題。
我覺得就是精細化運營，針對用戶的行為進行分析~介紹個工具給你 諸葛IO-精細化運營分析工具,移動應用分析,移動用戶行為分析,數據運營
實現目標的過程，我們通常會把它叫做「路徑」。
復盤組織目標未達成的原因可以概括為：
1、路徑錯了；
2、路徑因為主觀或客觀的原因沒被執行到位
最近我對實現目標的過程有了一新的定義。
實現目標的過程是：目標達成的確定性不斷積累增加的過程。
這個定義的好處是，我可以將組織目標未達成的原因抽象為一個問題：確定性未能不斷積累增加。
更大的好處是，我想你也已經可以已經意識到，我們似乎已經把一個戰略和執行的組織管理行為話題，轉化成了自然科學語言。
因此，從這個角度我定義：
數據驅動力=利用數據思想和數據工具，有效促進目標達成確定性提高的能力
根據這個定義，我做一下適當的展開。
通常一個組織的運作模式為：制定目標，擬定一個路徑，然後執行。
那麼從發揮數據驅動力的角度理解，我們需要強調如下：
1、目標必須是明確含義的定量目標
2、路徑必須能被清晰概括為一個或幾個計算公式，寫不成公式的路徑都是扯淡
3、計算公式可以被業務語言清晰表達出來，不然也是扯淡
4、根據計算公式分解目標，制定過程指標
5、對目標和過程目標做準確的數據監控、預警、分析
6、把這套內容灌輸給所有人
以上。
作者：菜頭先生
鏈接：https://zhuanlan.zhihu.com/p/25611064
來源：知乎
著作權歸作者所有。商業轉載請聯繫作者獲得授權，非商業轉載請註明出處。
不管對於有經驗還是沒有經驗的產品運營汪來說，數據無疑是調整產品運營策略和方向的重要依據。因此我們需要在日常的運營中以及產品設計中埋下數據的埋點，便於獲取數據。那麼針對這些獲取過的數據我們該如何思考呢?
第一、數據可以客觀的反映現階段產品的狀態
產品從收集需求到產品設計、產品研發、測試、運營等需要經歷一個漫長而複雜的環節，尤其是運營環節，是驗證產品設計和研發是否正確的重中之重。當產品推向市場以後，用戶的任何反應都會表現在數據當中。這個時候我們需要判斷，此產品現在在市場中的佔有率，現有產品的活躍度，便可以判斷產品現在是緩一緩提高產品體驗呢，還是加大投入拓展市場。
第二、如何實現目標，數據可以幫你找到最佳途徑
每個月部門都會開一個總結會議，無非是總結一下上個月的工作，布置一下下個月的計劃等等。當我們確定目標的時候，我們需要通過數據來梳理目標達成的渠道，同時根據不同渠道的反饋，大概可以推測出目標達成的時間。
第三、如果運營效果不好，數據可以告訴你哪些地方需要改進
比如在做電商運營的時候，我們都會搞商城促銷，一次促銷活動結束以後，發現效果並不好。問題出現在哪裡，你或許並不是非常了解情況。但是給你看數據，你大概就會明白，問題到底是出現在商品上、產品體驗上、還是運營推廣上。根據數據找到問題的根節點，對症下藥即可。
第四、力求精細化的數據，讓你更了解用戶，對用戶更具有掌控力
從目前的產品市場來看，未來的產品肯定都是朝著智能演算法來演變的。與以往只滿足用戶基礎功能的產品不同，智能產品可能是最懂用戶的產品。但產品懂用戶之前需要的是用戶畫像，用戶畫像的來源是數據。比如用戶的性別，打開產品的時間段、停留的時間段、功能點的點擊事件及頻率、轉化時間段、常用支付方式、登錄方式等等，都可以在每一步獲取用戶的相關信息，並且轉化為產品演算法，回報於用戶。
作者：菜頭先生，產品運營，專欄作家，一個集產品運營和設計於一身的實踐者!微信公眾號：caitoultt。
需不需要 學習 spss、R、 python？
數據運營必然是做新媒體運營一定要懂的，數據運營顧名思義就是在大量數據的基礎上做分析，以得出一定的結論，歸納出規律，引導下一步運營工作的開展。
之前上過起點學院的一門數據運營的課，相關的筆記分享一下，希望對你有幫助
數據是手段，運營是核心
@Mina 的筆記
數據化運營不同於傳統方式運營，是以數據和指標等為指導依據，結合統計學等學科的個性化、精細化運營，更能節約開銷成本。
其一般分為四層框架：
第一，通過各種渠道進行數據收集，包括行為數據、流量數據、業務數據和外部數據，收集宜早不宜晚，宜多不宜少
第二，對收集的數據分析清洗加工形成需要的數據產品，例如各類指標，用戶畫像等
第三，利用數據產品驅動進行數據運營，活動運營、內容運營、用戶運營等，進而形成數據戰略
第四，運營觸達，包括個性化推薦、廣告推廣、主動推送消息等，檢驗運營的效果
這次，對指標有了新的認識，真正的好指標是相對比例值，而不單單是一個絕對數字，以後工作面對指標不能著急定論，多問為什麼。
最後想要強調的是，數據運營，數據是手段，運營才是核心
不是我覺得，而是數據證明
@糖糖 的筆記
一、什麼是數據化運營
1.核心：不是我覺得，而是數據證明
2.數據化運營的4個層次：數據使用，數據驅動，數據產品，數據戰略
二、為什麼需要數據化運營
渠道質量評估，活躍下降原因，活動推廣效果，新版本是否喜歡，傳播到底有多大，都需要數據分析和證明
三、數據化運營框架和步驟
1.四層框架
(1)數據收集：包括四類數據，行為數據、流量數據、業務數據、 外部數據
(2)數據產品：用戶畫像、業務指標、數據查詢平台、 數據記錄Dashboard
(3)數據運營：風險、積分中心、活動運營 、用戶運營、內容運營等
(4)運營觸達：SMS、個性化推薦、廣 告、呼叫中心
2.三個環節
(1)是什麼？（業務指標）
(2)為什麼？（監控分析）
(3)怎麼做？（增長業務）
執行大於分析，業務忠於數據
@在路上 的筆記
老師有理論有案例，幾點內容印象深刻；
1.在業務發展初期就要建立相對完善的指標體系，不要因為用戶量小或上線時間短，而錯過了完整的數據跟蹤
2.數據採集的許可權要面向所有運營人員，至少開發出數據採集索引，採集不能成為數據分析的瓶頸
3.指標被關注的優先順序不同，核心指標優於事前指標優於事後指標；
4.RFM模型三個維度更深刻的理解，R關乎離網、F關乎用戶興趣、M關乎消費能力
5.留存率，行業內的次日七日以及月留存的比例約421
6、最後三句話總結的很經典，執行大於分析、業務忠於數據、假設優於策略。
所有運營都應該懂數據
@Jalon 的筆記
數據是客觀世界情況的一種抽象形式，能夠方便人們對各種問題建立統一標準的理解。數據運營就是讓人們能夠對產品實際運營情況有標準統一的客觀且直觀理解，並基於此做出有效的反饋動作，比如優化產品等。
學習完成之後，據我個人的了解談談什麼是數據化運營、數據化運營的框架和步驟。
1. 數據運營不僅用在新媒體運營上，只要涉及運營工作，數據運營都可以插一腳
2. 同 1，不僅是新媒體運營要懂，搞運營的都應該懂，不懂怎麼做運營？
3. 和運營內容的關係，我認為數據運營是內容運營的一種手段和方法，數據運營的結果是選擇哪種內容的依據和支撐
4. 數據運營就是用數據分析的結果來驅動運營方式。並非只有專家可以做這個事情，但需要運營人員的數據敏感性、邏輯能力
5. 數據運營是一種科學的、有依據的、不盲目的內容運營思路。
引自看似簡單的數據化運營，背後有哪些重要的細節？
運營中必須的環節，就是數據分析。在做運營之前，很必要了解運營的工作內容和監測指標。
通過這篇文章，希望能幫到你了解運營工作需要檢測哪些指標，與運營相關的營銷和產品業務檢測什麼指標，與運營有什麼關聯。
90%的企業都不知道如何用數據精細化運營
文中包含：
運營的檢測指標
產品的檢測指標
營銷的檢測指標
管理者的檢測指標
通過數據的角度解讀各業務層面的關聯。能更深的了解運營和數據的關係。
可聯繫數極客數據分析師/新媒體運營老衲（wn34120）共同探討運營之路。
很詳細啊， 評論也很精彩
作為渠道運營進行的依託，數據統計對於渠道運營的同學至關重要，我個人認為渠道運營工作的靈魂就是數據，渠道運營的數據可分為平台內數據、各渠道數據、百度統計數據（第三方數據統計）。
百度統計數據一般針對的都是百度推廣後台，包含百度的搜索廣告、信息流廣告、網盟廣告、
品牌廣告、DSP廣告等等。
為什麼百度統計知識一個針對百度後台的數據統計工具我們還要拿出來單獨數一下，一般來說效果廣告做的最好，花錢最多的就是百度這個渠道，以我現在的公司為例，我們屬於互聯網的一個偏僻行業，用戶群體較少，公司處於傳統+互聯網的這樣一個平台，我們百度上面的廣告佔了所有渠道廣告費用的1/3，這個數據還是在最低的時候，正常都是50%的推廣費用要花在百度這裡，好的，簡單解釋一下讓大家明白百度的佔比就好。
另外一個重要的原因百度統計很好的補充了站內統計遺漏的一些事件轉化和頁面轉化，大家要明白無論在創業公司還是成熟的大企業裡面資源都似乎很難申請的，這裡我說的資源是公司的產品、UI和技術資源，尤其是創業型公司站內打點不完善，數據統計無法滿足運營部門同學的需要，想要通過站內技術統計出自己想要的數據還要面對各部門無限的排期和撕逼，總結就是很難很難，百度統計後台這個時候就可以給我們想要的一些數據情況
360也是有統計後台的，跟百度一樣需要安裝他們的代碼，然後就可以看到各種去到相關數據，但是一般公司技術都不會同意在自己網站添加太多第三方代碼，因為如果要添加的話實在太多。
無論是百度統計或者360統計或是其他的渠道內部統計都是以本渠道為主的數據統計，再次不一一列舉，我們詳細說一下各位同學應該關注那些數據，因為渠道統計裡面所有的數據對於我們來說都是很有參考意義的，我今天只是針對我的經驗說一下那些數據需要格外關注。
網站概況
重點參考數據：
瀏覽量(PV)：page view，瀏覽量。頁面的瀏覽次數，衡量網站用戶訪問的網頁數量，用戶每打開/刷新一次頁面就記錄一次，多次打開會累計。
UV：
unique visitor，獨立訪問者。00：00——23：59，也即1天內某站點的訪問人數（以cookie為依據）。一天內同一個訪客的多次訪問只記為1個UV
IP：
獨立ip地址，指1天內使用不同ip地址的用戶訪問網站的數量，同一IP無論訪問幾個頁面，獨立IP都只記為1。
說明：一個訪客（使用一個賬號）使用多個設備（網路）訪問會算為多個IP，同一個IP使用不同賬號會算為多個UV。
IP側重於反應網路地址的差異，UV側重於反應訪問者的差異。
???b?!
請問，在運營中會不會關注電商的動銷比，動銷量，動銷深度？
看完受益匪淺
推薦閱讀：
※產品運營數據分析框架應該包含哪些重要指標？
※什麼是互聯網公司的運營？運營團隊最重要的指標是什麼？
※如何擬定一個吸引人的網帖標題？
※產品運營、用戶運營、內容運營什麼區別？
※我在公司屬於什麼角色？