如何搭建數據化運營系統
對企業而言，打造精細化運營的好處在於可以對目標用戶群體或者個體進行特徵和畫像的追蹤與畫像，幫助企業分析用戶在某個時間段內容的特徵和習慣，最後讓企業形成一種根據用戶特性而打造的專屬服務。
正是因為如此，企業運營在數字化時代，需要進行精細化運營才能更好的從管理、營銷方面提升用戶的服務體驗，同時根據差異化的服務讓運營更加精細化。
企業的傳統運營存在幾個比較嚴重的問題，比如運營模式單一，不能及時根據市場和用戶的變化做出改變，這導致企業運營的內容和形式難以拉動新用戶，同時又不能激活老用戶，這就導致企業在數字時代一定要進行運營的改變才可以抓住用戶。所以，企業運營走向精細化就是必然的趨勢。
—————————————————————————————————————
那麼作為一家公司的CDO該如何發展公司的數據化運營呢？
分享下2家大的互聯網公司是如何做數據化運營的。
1.亞馬遜亞馬遜的一貫宗旨是「以客戶為中心」。如果你去看看亞馬遜的財報，貝索斯幾乎每年反反覆復強調的都是這個問題。在想方設法提高「用戶體驗」的同時，亞馬遜的「數據化運營」也就自然而然發生了。當然也有幾個enablers：1）獲取用戶數據：在獲取「consumer insight"方面，電商公司相比於傳統公司最大的優勢就在於其本身就掌握了關於用戶使用習性的海量數據，對於這些數據的分析結果常常也就成了公司做決定的重要依據。2） 充分利用互聯網平台：亞馬遜是個極好的試驗平台。亞馬遜一天進行幾百次試驗，如使用不同的演算法來推薦商品，或者改變購物車在屏幕上出現的位置。當他們把購物車從屏幕的左邊移到右邊時，購物車被遺棄的情況就會有幾分之一個百分點的好轉。那看起來並不多，但是對於數億網站訪問者來說就是有意義的，而且進行試驗的成本很低。這些試驗結果得來的數據，可以幫助網站優化UI設計，給顧客提供更好的購物體驗。3）招募數據人才：亞馬遜僱傭了很多數學、工程方面的牛人，開發軟體獲取有效數據並提供強大的分析工具。負責運營演算法的某位VP為普林斯頓大學數學博士，一位來自俄羅斯的女數學家。4）建立「以數據為中心」的企業文化：大家在做提案時，必須要有數據支持，否則很難通過。曾經有次開會，一位員工說「我認為..."，後來感覺不對，趕緊改口道：「不，不，數據認為...」2.阿里巴巴2005年，阿里巴巴開發出主要供內部運營人員使用的數據產品—淘數據，阿里巴巴由此進入了數據化運營階段，此時，阿里巴巴在大數據方面關注的重點是，怎麼利用平台上海量的消費者和商家數據，來改進自身經營，大數據僅僅局限於內部。2009年，阿里巴巴的大數據應用開始走向外部，讓淘寶商戶分享數據。2011年，阿里巴巴開發數據魔方，通過淘寶數據魔方平台，商家可以直接獲取行業宏觀情況、自己品牌的市場狀況、消費者在自己網站上的行為等情況。2011年4月，「頁面點擊」誕生，它可以監控每個頁面上每個位置的用戶瀏覽點擊情況。緊接著，天貓攜手阿里雲、萬網宣布聯合推出聚石塔平台，為天貓、淘寶平台上的電商及電商服務商等提供數據云服務。2012年，馬雲正式公布了阿里巴巴三步走發展策略，「平台、金融、數據」。阿里巴巴的大數據策略意味著什麼？阿里巴巴數據委員會主席一語道破，「在數據化運營階段時，數據就產生價值，你有意識地用它，但卻沒有關注它。而當你發現數據已經和戰略融合後，你認識到要有意識收集它，管理它。」如果將阿里巴巴的大數據比做食材，那麼自己用原料做菜，和將食材提供給其他廚師，對原料的關注度完全不同。由此，阿里巴巴的大數據應用策略正從數據化運營向運營數據轉變。集團首席戰略官曾鳴預測，「阿里本質上，未來會是一家數據運營公司。」前者，是如何將大數據用好，而後者則意味著，如何讓大數據更好用。
從淘寶創立之時，阿里巴巴就開始搜集平台上的數據，直至支付寶、聚划算、一淘等平台，隨著業務的爆髮式增長，阿里諸平台上的數據成倍增加，彙集成海。這些數據包括交易數據、用戶瀏覽和點擊網頁數據、購物數據等等。當海量數據開始聚 集時，它們也變得良莠不齊，魚龍混雜，充斥著大量失真、標準混亂的數據。另一問題是，當海量數據在一起，它們是無序的，不能直接使用，必需要提煉加工。再者，阿里縱有海量數據，卻也只是大數據之海中的一個孤島，無法全部滿足平台商家的數據需求，比如商家需要了解用戶在其它平台上的購買情況，阿里巴巴迫切需求外部數據。
車品覺稱：「一開始，我們在用好數據，但是隨著數據戰略與平台戰略緊密結合，我們開始刻意地去管理數據（保證數據安全、質量和對於商家的可用性），養數據（有意識地收集外部數據），沉澱數據。」
讓大數據更好用？阿里巴巴是如何實現這種轉變？從六個地方入手：確保數據安全（保護商家和個人的隱私）、保證數據的質量（去除虛假數據）、實現各個部門數據標準的統一（如轉化率）、讓原始數據變得更精細化（更符合商家的應用情景）、獲得外部數據（如併購新浪微博，和其它平台合作、購買數據信息等）、建立數據委員會。
具體做法：
a）去除源頭污染，凈化數據質量
自阿里巴巴數據委員會建立以來，數據質量就成了部門的核心工作，車品覺認為數據質量是大數據的命門，如果將大數據比作水流，「來自任何支流的數據，如果質量有問題，都會帶來整個水源的污染。」由於淘寶等平台上的數據往往良莠不齊，不少數據虛假，帶來很大的噪音干擾。「有時，在淘寶平台上，對於一個人，我們會看到兩個手機，一個iPad，三張信用卡，五個淘寶帳號，收集數據時，以為是多個人，但實際上就是一個人。但如果依照這個數據，商家可能就將紅包給了一個不活躍的賬戶。」為此，阿里巴巴試圖剔除虛假的數據，讓收集的數據能反映真實的消費情景。比如上面的案例，就要鑒定所有這些賬戶、信用卡等是否為同一個人所有。再如，阿里巴巴經常要做產品界面測試，有時臨時修改界面，會一下子多出一個按鈕，這就會帶來大量誤點擊操作，數據收集時，就會得到很多失真的用戶行為數據。阿里巴巴的數據人員目前的工作就是要將這些失真的數據剔除，或者將數據還原到真實的場景。
b）打破分割，統一數據標準
統一數據標準，就是讓凈化後的數據流得以彙集。阿里巴巴下屬各個部門業務重點不同，對數據的理解不同，因此數據標準往往各不相同，比如轉化率。要將這些數據彙集成大數據之海，就必須統一標準，這也是阿里巴巴數據委員會目前重點推行的項目。
c）精選+加工—讓數據精細化
「目前，我們需要的用戶數據，平台還給不了。」阿里平台上的一個企業如是說。很多企業希望阿里巴巴能將用戶屬性的標籤分得更細（不僅僅按男、女用戶，還進一步按不同消費特點、收入細分）。小也化妝品創始人肖尚略認為，「平台數據的細分是基礎，細分好，企業才能用好。」數據就像炒菜的食材，不同細緻程度的食材炒出的菜，口味不一樣，車品覺這麼看。
如何讓數據精細化？阿里巴巴根據各個商家的應用場景，將原始數據打上更細緻、對商家更有參考價值的標籤。以淘寶平台為例，一方面收集用戶信息時，專註對商家更實用的內容，比如對於大學生用戶，除了搜集他們的地址信息外，還通過其它渠道搜集其房租的租金，從而了解對方的消費水平，將這些數據提供給相應的商家。另一方面根據商家的應用情景，對數據材料做初加工。「比如，如果我們篩出一個人是否戴眼鏡，戴多少度的數據，就對賣眼鏡的商家起到了很大作用。」再如，如果一個人去母嬰超市裡面買東西，不一定能證明他有孩子，但如果這個人是女性、年紀又合適，這個人有孩子的可能性就很大。不斷加入的其它證明信息，讓這個消費者的數據變得越來越精細化。
在數據精細化思路下，2011年底，阿里巴巴的支付寶平台開發黃金策產品，車品覺帶領團隊處理了1億多活躍的消費者數據後，拿出500個變數，試圖用它們來描述消費者，最終讓企業能夠隨時調用變數，獲得用戶信息，比如某一類包含使用信用卡數量和手機型號等具體信息的客戶數目。
2013年，天貓開始研發適用於天貓商家的CRM系統，通過對會員標籤化，讓商戶了解店鋪會員在天貓平台的所有購物行為特點。
d）海納百川，納入更多外部數據
在阿里巴巴平台上，大多時候收集的是顧客的顯性需求數據，如購買的商品和瀏覽等數據，但顧客在購買之前，就可能通過微博、論壇、導購網站等流露出隱性需求。僅僅做好自己的大數據是不夠的，還要納入更多外部數據。
2011年以前，阿里曾嘗試通過收購掌握中國互聯網的底層數據。2013年4月，阿里巴巴收購新浪微博18%的股權，獲得了新浪微博幾億用戶的數據足跡。5月，阿里巴巴收購高德軟體28%股份，分享高德的地理位置、交通信息數據以及用戶數據。而其它併購，包括對墨跡天氣、友盟、美團、蝦米、快的、UC瀏覽器，都招招不離數據。通過這些併購，阿里在試圖拼出一份囊括互聯網與移動互聯網，涵蓋用戶生活方方面面的全景數據圖。
e）加強數據安全的管理
很多淘寶賣家希望阿里巴巴能加大數據開放的步伐，對於阿里平台來說，這並不是一件容易的事情，因為這關乎商家和消費者的隱私。商家不希望競爭對手獲得自己的機密信息，消費者也不希望被更多干擾。
阿里內部專門成立了一個小組，來判斷數據的公開與否，把握「誰應該看什麼，誰不應該看什麼，誰看什麼的時候只能看什麼。」
f）組織體系支持—建立數據委員會
阿里巴巴的數據來自各個部門，無論是數據材料的質量、精細化的保證，還是數據安全，都不是單個部門能完成的，需要全局性安排，迫切需要一個上層組織結構。但是成立什麼樣的組織機構合適？在阿里巴巴看來，數據的工作實際上主要還是由各個部門的責任，畢竟它們把控著源頭，另成立一個凌駕於各部門之上的中央數據管理機構，容易讓各個部門把責任直接推卸給新機構。
2013年，阿里巴巴成立了虛擬組織—數據委員會，委員會包括底層數據負責人、支付寶商業智能負責人、無線商業智能負責人和一名數據科學家，數據委員會更多地以協調會的形式，來指導、協調各個部門形成合力，實現從大數據運營，到運營大數據的轉變。
—————————————————————————————————————
最後我們作為一家創業公司或者開始意識到數據重要性的公司來說，怎麼搭建適合自己的數據化運營支撐系統呢？
1.數據採集
a）內部數據
b）外部數據
2.數據存儲、處理和統計
a）數據標準
b）數據存儲、清洗
c）數據質量監控
d）數據安全
3.數據分析和挖掘
a）數據分析支持
b）機器學習平台
c）場景化運營
4.高層數據
a）數據匯總
b）業務分析
推薦閱讀：