江苏龙网

  1. 首页 > 人文 > >

深入分析大数据领域数据资产运营的技巧

深入分析大数据领域数据资产运营的技巧
文章图片
#什么是数据资产运营#
通过社会数据、网络采集、机构数据、企业填报等数据源采集到企业数据 ， 主要包括工商信息、股权信息、行政处罚、销售年报、司法信息、知识产权、法律诉讼、税务信息等 。
利用大数据技术等进行数据清洗、数据合并、数据挖掘、数据标准、安全脱敏、多维关联等数据治理操作 ， 提高数据质量 。
利用机器学习技术学习专家打分 ， 模拟专家对企业价值评价的决策过程 ， 先建立评价模型 ， 自动高效的对企业数据进行多维度、全方位解析 ， 最终生成企业评价报告 。
#数据洞察#
数据是产品量化指标 ， 数据分析是产品运营极具战略意义的一环 ， 做好埋点：
初级的数据埋点：在产品流程关键部位植相关统计代码 ， 用来追踪每次用户的行为 ， 统计关键流程的使用程度 。
中级的数据埋点：在产品中植入多段代码追踪用户连续行为 ， 建立用户模型来具体化用户在使用产品中的操作行为 。
高级的数据埋点：与研发团队合作 ， 通过数据埋点还原出用户画像及用户行为 。
#数据运营流程#
1.制定产品目标
这是数据运营的起点 ， 也是产品上线运营后进行评估的标准 ， 以此形成闭环 。 制订目标绝不是拍脑袋出来的 ， 可以根据行业发展 ， 竞品分析 ， 往年产品发展走势 ， 产品转化规律等综合计算得出 。 产品目标的表现 ， 往往是一个关键数字 ， 例如在2019年12月 ， 某产品日均登录用户数达到100万 ， 制定目标常用SMART原则来衡量 。
2.定义产品数据指标
产品数据目标是反产品健康发展的某一个具体的数字 ， 数据指标则是衡量该产品健康发展的多种数据 。 例如：
PV,UV,VV,YV
ARPU（AverageRevenuePerUser）
Attritionrate
PCU
DAU、MAU、DAU/MAU
EntryEvent
ExitEvent
KFactor
LifetimeNetworkValue
Re-Engagement
Retention
我们根据产品目标来选择数据指标 ， 例如网页产品 ， 经常用PV、UV、崩失率、人均PV、停留时长等数据进行产品度量 。 定义产品指标体系 ， 需要产品、开发等各个团队达成共识 ， 数据指标的定义是清晰的 ， 并且有据可查 ， 不会引起数据解读的理解差异 。
3.构建产品数据指标体系
在数据指标提出的基础上 ， 我们按照产品逻辑进行指标的归纳整理 ， 使之条理化 。 例如一般的客户端产品 ， 我们可以分为帐号体系、关系链、用户状态、用户沟通等四个方面进行数据指标的分类整理 。
4.提出产品数据需求
产品指标体系的建立不是一蹴而就的 ， 产品经理根据产品发展的不同阶段 ， 有所侧重的进行数据需求的提出 ， 一般的公司都会有产品需求文档的模板 ， 方便产品和数据上报开发、数据平台等部门同事沟通 ， 进行数据建设 。 创业型中小企业 ， 产品数据的需求提出到上报或许就是1-2人的事情 ， 但同样建议做好数据文档的建设 ， 例如数据指标的定义 ， 数据计算逻辑等 。
5.上报数据
这个步骤的关键是数据通道的建设 ， 原来在腾讯工作时候 ， 没有体会到这个环节的艰辛 ， 因为数据平台部门已经做了完备的数据通道搭建 ， 开发按照一定规则上报就可以了 。 现在创业型公司 ， 则是从上报通道开始进行建设 ， 也让我得到更多锻炼提升的机会 。 其中很关键的一个环节 ， 就是数据上报测试 ， 曾经因为该环节的测试资源没到位 ， 造成不必要的麻烦 。
6-8采集数据 ， 数据存储 ， 数据运算
每一步都是一门学问 ， 例如采集数据涉及接口创建 ， 要考虑数据字段的拓展性 ， 数据采集过程中的ETL数据清洗流程 ， 客户端数据上报的正确性校验等；数据存储与运算 ， 在大数据时代 ， 更是很有挑战性的技术活 ， 这里也不细说 。
9.获取数据
就是产品经理 ， 数据分析人员从数据系统获得数据的过程 ， 常见的方式是数据报表和数据提取 。 报表的格式 ， 一般会在数据需求阶段明确 ， 尤其是有积累的公司 ， 通常会有报表模板 ， 照着填入指标就好了 。 强大一些的数据平台 ， 则可以根据分析需要 ， 自助的选择字段（表头）进行自助报表的配置和计算生成 。
数据提取 ， 在做产品运营中 ， 是很常见的需求 ， 例如提取某一批销量较好的商品及其相关字段 ， 提取某一批指定条件的用户等 。 同样 ， 功能比较完备的数据平台 ， 会有数据自助提取系统 ， 不能满足自助需求 ， 则需要数据开发写脚本进行数据提取 。
10.观测和分析数据
这里主要是数据变化的监控和统计分析 ， 通常我们会对数据进行自动化的日报表输出 ， 并标识移动数据 ， 数据的可视化输出很重要 。 常用的软件是EXCEL和SPSS ， 可以说是进行数据分析的基本技能 ， 以后再分享个人在实际工作中对这两款软件的使用方法和技巧 。
需要注意的是 ， 在进行数据分析之前 ， 先进行数据准确性的校验 ， 判断这些数据是否是你想要的 ， 例如从数据定义到上报逻辑 ， 是否严格按照需求文档进行 ， 数据的上报通道是否会有数据丢包的可能 ， 建议进行原始数据的提取抽样分析判断数据准确性 。 数据解读在这个环节至关重要 ， 同一份数据 ， 由于产品熟悉度和分析经验的差异 ， 解读结果也大不一样 ， 因此产品分析人员 ， 必须对产品和用户相当了解 。
11.产品评估与运营优化
【深入分析大数据领域数据资产运营的技巧】这是数据运营闭环的终点 ， 同时也是新的起点 ， 数据报表绝不是摆设 ， 也不是应付领导的提问 ， 而是切实的为产品优化和运营的开展服务 ， 正如产品人员的绩效 ， 不仅仅是看产品项目是否按时完成 ， 按时发布 ， 更是要持续进行产品数据的观测分析 ， 评估产品健康度 ， 同时将积累的数据应用到产品设计和运营环节 ， 例如亚马逊的个性化推荐产品 ， 例如腾讯的圈子产品 ， 例如淘宝的时光机产品等等 。


    推荐阅读


    上一篇：你离华为5G手机只有一张截图的距离！刚刚，两项摄影大赛震撼开赛

    下一篇：旅行者1号或为人类引来祸端！如果后悔，现在能将它摧毁吗？