精华内容
下载资源
问答
  • 数据运营手册:方法、工具、案例》系统总结了 GrowingIO 创业以来在数据运营方面的经验,是第一本系统介绍数据运营能力的电子书。 具体包括: 什么是数据运营数据运营是做什么的? 数据运营的四大运用场景 如何...
  • 数据运营手册

    2017-12-12 13:34:53
    数据运营,数据增长,运营人员必备的操作手册,从原来到实际操作
  • 数据运营-数据管理平台

    千次阅读 2020-11-23 15:53:47
    一、ID maping 二、用户标签管理 三、数据规范 四、运营分析 五、人群操作 六、数据脱敏 七、营销应用系统对接

    目录

    一、ID maping

    二、用户标签管理

    三、数据规范

    四、运营分析

    五、人群操作

    六、数据脱敏

    七、营销应用系统对接


    一、ID maping

    通过不同数据源,在技术上实现数据数据打通后,基于应用层技术为大数据平台后端服务提供可视化的交互能力,通过页面为用户实现可执行ID关联查询、多ID关联校验、有效服务实例元信息查询等功能,实现基于页面的ID-Mapping相关操作,为平台可操作性、可控性、定制化提供有效支撑。

    二、用户标签管理

    标签管理建设,可以按照以下8个模块进行:

    1、用户标签基础:了解、明确用户标签是什么,包含哪些模块,数据仓库架构设计,开发流程,表结构设计,ETL设计等。通过大方向的规划,明确每个阶段重要指标和关键产出。

    2、数据指标体系:根据业务线梳理,包括用户属性、用户行为、用户消费、风险控制等维度的指标体系。

    3、标签数据存储:标签相关数据可存储在Hive、MySQL、HBase、Elasticsearch等数据库中,不同存储方式适用于不同的应用场景。

    4、标签数据开发:用户标签工程化的重点模块,包含统计类、规则类、挖掘类、流式计算类标签的开发,以及人群计算功能的开发,打通标签数据和各业务系统之间的通路,提供接口服务等开发内容。

    5、开发性能调优:标签加工、人群计算等脚本上线调度后,为了缩短调度时间、保障数据的稳定性等,需要对开发的脚本进行迭代重构、调优。

    6、作业流程调度:标签加工、人群计算、同步数据到业务系统、数据监控预警等脚本开发完成后,需要调度工具把整套流程调度起来。

    7、用户标签产品化:为了能让用户数据更好地服务于业务方,需要以产品化的形态应用在业务上。产品化的模块主要包括标签视图、用户标签查询、用户分群、透视分析等。

    8、用户标签应用:标签的应用场景包括用户特征分析、短信、邮件、站内信、Push消息的精准推送、客服针对用户的不同话术、针对高价值用户的极速退货退款等VIP服务应用。

    通过实现用户标签管理页面,以可视化形式为用户提供标签管理后台功能,功能主要包括:

    概览页主要提供展示、查询、统计分析功能,通过明确的标签分类方便查询每个定义出标签的详细信息、历史详情、标签属性相关的统计及分析功能。

    2、创建标签
    可通过多种方式创建标签,选择方式后,创建标签的步骤有2步:基础信息和标签规则,根据不同的方式的标签规则有差别。
    标签基础信息包括:标签显示名、标签名称、分类、更新方式、备注等内容。
    标签创建包括:
    1)自定义标签值
    自定义每个标签值的名称以及计算规则,将人群分为多个层级。
    自定义标签的规则可包含:分层的管理、用户属性满足管理、用户行为满足管理、行为序列管理等。
    2)基础指标值
    将用户完成事件次数等指标计算结果作为标签值。
    3)首次末次特征
    将用户首次或末次完成事件的时间、距离今日的天数或事件的属性作为标签值。
    4)事件偏好熟悉
    将用户完成事件按照某个属性进行分组排序,使用排名前几个的分组作为标签值。
    5)行为分布结果
    将用户完成事件在指定时间段内分布的天数或小时数作为标签值。
    6)SQL计算结果
    使用返回SQL计算结果作为标签值,为用户进行标记。 

    三、数据规范

    1)建设概述
    基于数据治理方法论,将数据治理行为可视化,打通数据基础层到汇总层、集市层的数据处理链路,落地数据标准和数据资产,通过关系建模、维度建模实现数据标准化,通过统一指标平台建设,实现规范化指标体系,消除歧义、统一口径、统一计算逻辑,提供主题式数据查询与挖掘服务。

    数据规范设计

    主要包括以下三个部分:

    ·主题设计

    构建统一的数据分类体系,用于目录化管理所有业务数据,便于数据的归类,查找,评价,使用。通过分层架构对数据的分类和定义,可帮助用户厘清数据资产,明确业务领域和业务对象的关联关系。

    ·数据标准

    构建统一的数据标准体系,数据标准流程化、系统化。用户可基于国家标准或行业标准,对每一行数据、每一个字段的具体取值进行标准化,从而提升数据质量和易用性。

    ·数据建模

    构建统一的数据模型体系,通过规范定义和数据建模,自顶向下构建企业数据分层体系,沉淀企业数据公共层和主题库,便于数据的流通、共享、创造、创新,提升数据使用效率,极大的减少数据冗余,混乱,隔离,不一致以及谬误等。

    2)建设明细

    规范设计以关系建模、维度建模理论支撑,实现规范化、可视化、标准化数据模型开发,定位于数据治理流程设计落地阶段,输出成果用于指导用户实践落地数据治理方法论。实现流程如下:

    添加审核人->配置模型设计->主题设计->码表发布->数据标准->关系建模->维度建模->技术指标->维度建模汇总->审核执行

    添加审核人:为流程标准化,提供发布审核步骤,发布审核之前需自行定义审核人,方便平台管理。

    配置模型设计:通过配置模型,为建模整体提供模板及步骤的功能

    主题设计:为数据建模提供基础数据主体,以可视化方式可自定义主体信息

    码表设计:在主题确定基础上,提供数据建模体系的技术数据参数

    数据标准:为建模提供发布的校验标准

    数据建模可基于以下构建详细功能,通过对数据仓库分层设计:SDI(原始数据)->DWI(基础数据)->DWR(维度数据)->DM(数据集市)。

    ①关系建模

    分别新建SDI层和DWI层两个关系模型,并通过逆向数据库导入原始数据表到SDI层的关系模型中,在DWI层模型中新建一个“标准出行数据”的标准化的业务表。

    SDI创建后

    通过在DWI步骤创建关系模型,配置数据库表的基本配置、表字段、关系、映射的信息来完成标准化业务表的创建,如下图:

    基础配置

    表字段

    新建映射

    字段映射

    依次为表中的字段设置源字段,所选择的源字段应与表中的字段代表相同含义,一一对应保存后,业务数据表配置完成!

    配置完成的表,提供导出功能;如果发布模型会进入审核状态,如下图:

    ②维度建模

    在DWR层建立并发布维度,主要构件码表维度(供应商、费率代码和付款方式)和层级维度(日期维度)为事实表提供基础支撑。

    码表维度创建,如下图:

    层级维度创建,如下图:

    维度表选择发布后,可在同步状态中查看维度表的发布情况

    ③DWR事实表

    在维度建模完成后,形成整体逻辑块后,开始构建事实表,通过维度表的各种信息,沉淀出事实表的可度量数值。

    事实表创建后发布流程与以上建模一致。

    技术指标:

    DWR层级的建模完成后,向DM层迈进之前,提供技术指标的基础支持,为DM层的汇总表的数据层面统计分析等形成条件或基础信息基础。

    指标包括原子指标和衍生指标,每一个指标的发布需要审核人员审核。

    DM层的汇总表:

    当DMR层级一切准备完成后,会在上层的数据集市形成对各种数据建模的信息实现汇总信息,从而对外定制化展示所需信息。

    四、运营分析

    运营分析模块,提供运营分析展示和运营分析配置两大部分,配置部分为用户提供画面自定义分析模板,当定义完成分析模型后,在数据看板页可查看根据运营模板定义得数据分析内容。

    1、事件分析
    以事件为单位的分析模型,据某一事件发生前后的资料统计,采用特定技术测量该事件影响性的一种定量分析方法。
    提供功能:可进行分组、筛选、聚合的灵活多维度的事件分析。
    事件分析配置模板示例,提供列标签、筛选条件及展现方式等的模板配置2、漏斗分析
    漏斗分析本质是分解和量化,营销漏斗模型指的是营销过程中,将非潜在客户逐步变为客户的转化量化模型。营销漏斗模型的价值在于量化营销过程各个环节的效率,找到薄弱环节。
    提供功能:分析多步骤行为之间转化与流失情况
    漏斗分析配置模板示例,提供漏斗主题定制,流程配置等信息配置。

    3、留存分析
    用来分析用户参与情况/活跃程度的分析模型,考察进行初始行为的用户中,有多少人会进行后续行为。这是用来衡量产品对用户价值高低的重要方法。
    提供功能:分析用户参与情况和活跃程度。
    留存分析配置模板示例,提供留存主题及分析参数信息等的配置。

    4、分布分析
    分析一段时间内的频次和指标的分布情况
    分布分析配置模板示例,对用户行为、事件等筛选条件定制的用户分布分析模式。

    5、用户路径
    分析用户的实际行为的的流向转化
    用户路径配置模板示例,提供参与分析事件、用户符合等设置。

    6、热图分析
    分析元素点击分布占比与用户浏览深度
    热图分析配置模板示例,提供显示内容、事件筛选、符合用户等分析条件。

    7、间隔分析
    分析用户两个事件之间的间隔时长
    间隔分析配置模板示例,提供事件选择、查看条件、用户指定多种条件对事件时长的统计分析。

    8、属性分析
    基于用户属性快捷分析用户行为
    属性分析配置模板示例,提供属性选择、筛选条件等信息的统计分析。

    9、渠道分析
    通过提供平台、分析维度、基础指标、转化目标、用户群等多种条件组合得到的分析结果。

    10、归因分析
    分析运营位与目标转化的贡献关系。

    11、运营分析看板
    以基础指标监控、市场推广、商品概览、客户生命周期、产品评估等角度展示运营情况。
    基础指标监控:实时统计、整体趋势、用户生命周期
    用户分析:新增用户、活跃用户、用户留存、用户参与度,包括新增用户、活跃用户、市场推广、商品概览等模块功能。

    五、人群操作

    划分用户群,首先需要找到特征变量,然后通过若干方法根据特征变量将用户分为若干个具备业务意义的用户群体。
    1、定义特征变量:选取合适的特征变量是用户分群的关键。变量是人的抽象,是真实世界的用户在系统中的编码。编码的不同,描述了用户的不同。一般来说,变量分为可观测变量和不可观测变量。
    2、划分用户群体:划分标准可通过两种方式,一是划分的用户群体具备实际的业务意义,能够指导业务进行迭代或者为企业的战略决策提供参考;二是处于同一个用户群的用户尽可能趋同,而处于不同的用户群的用户尽可能具备很大的区分度。
    分群的创建可通过用户行为和属性实现创建:使用用户属性及行为数据,筛选出符合条件的用户群。如:将“过去 7 天有登录行为”的用户,划分为“近期登录用户”用户群。

    六、数据脱敏

    1)敏感数据定义
    敏感数据主要指未经个人或集团授权被他人使用,有可能给个人或集团带来严重损害的数据。
    以《GBT 35273-2017 信息安全技术个人信息安全规范》为例,个人敏感数据有:
    ·个人财产信息 (存款、信贷、消费流水)
    ·个人健康生理信息(体检信息、医疗记录)
    ·个人身份信息(身份证、社保卡、驾驶证)
    2)敏感数据保护方式
    ·敏感数据识别与添加标签
    从海量数据中将数据进行分类分级,方便进行不同粒度和级别的安全管理。
    ·数据泄露检测与防护
    如果出现频繁访问敏感数据的异常行为,可以及时进行风险告警。
    ·数据静态脱敏、数据水印
    对于已标记特定安全级别的敏感数据,可在对外提供数据时进行脱敏或者加水印。
    ·个人信息合规
    精准区分和保护个人数据,避免产生合规问题。
    ·满足GDPR要求
    满足GDPR关于在海量数据中找到和保护敏感数据的要求,可对敏感数据的使用进行审计。
    ·数据安全合规检查
    通过对敏感数据的分析,制定数据安全合规管理制度,帮助企业建设以及改善信息安全合规管理体系。

    3)敏感数据识别流程

    ①定义数据密级
    在对数据进行操作前,为数据定义密级,用以明确涉密的范围。
    包括创建密级、调整密级、编辑密级、删除密级等功能。
    ②定义识别规则
    定义敏感数据识别标准。识别规则前提是数据密级已定义完毕。
    识别规则除了增删改查功能外,提供开启、禁用识别规则的功能。
    ③定义识别规则组
    通过定义敏感数据识别规则及规则组,来有效识别数据库内的敏感数据。
    为创建出的规则进行分组。
    ④发现敏感数据
    A.创建并运行敏感数据识别任务,并周期调度配置参数等功能。
    B.调度运行敏感数据发现任务
    可以通过调度周期区分该任务时单次调度还是周期调度任务。单次调度任务不显示周期。任务调度状态机制图:

    C.查看运行示例日志
    运行失败可通过日志排查失败原因,问题修正后尝试重新运行。
    ⑤查看敏感数据分布
    查看敏感数据识别任务识别出的敏感数据。

    七、营销应用系统对接

    提供数据服务API服务,以支持对接其它系统。
    为企业搭建统一的数据服务总线,帮助企业统一管理对内对外的API服务。数据服务提供快速将数据表生成数据API的能力,同时支持现有的API快速注册到数据服务平台以统一管理和发布。
    数据服务API提供以下定制流程:
    添加审核人->创建发布API->审核API->添加授权->调用API
    1、添加审核人
    数据服务模块如果当前还未添加审核人,先添加审核人,以便在审核API时候指定审核人。
    2、创建发布API
    创建API之前,首先创建API目录,目录创建后再进行以下操作。
    创建API功能提供基本配置、取数逻辑、测试功能。
    ①基本配置,如图

    ②取数逻辑

    配置数据连接、数据库、表和队列,通过添加进入参数设置页面,此页面会提供添加参数与绑定参数等功能。

    ③测试

    为创建后的API提供测试功能,如果测试成功,返还相应信息。

    3、审核API
    API测试通过后,可对API执行发布,发布后进入审核环节。

    4、添加授权
    通过用户手动建立应用,为该应用授权创建的API,为调用API步骤做基础准备;添加授权,完成授权后,可以进行API调试,并在测试页面输入参数的测试值,验证API是否正确。
    5、调用API
    数据服务提供APP认证方式,API调用者通过APP认证方式调用API,使用APP认证时,需要通过SDK访问。数据服务提供了基于Java、Python等多种语言的SDK包,以Java为例按照:下载SDK->导入工程->填写APPkey&APPSecret->运行流程进行。

    展开全文
  • 数据运营与数据分析闲谈

    千次阅读 2020-04-22 08:00:00
    数据运营与数据分析我们对于数据运营与数据分析这两个岗位的界线,有些模糊,其实这两个岗位有着不同的差别也有着相同点,作为数据说的第一期开头,我们先一起来看看有何区别,又有何共同点?首先我们...

    数据运营与数据分析

    我们对于数据运营与数据分析这两个岗位的界线,有些模糊,其实这两个岗位有着不同的差别也有着相同点,作为数据说的第一期开头,我们先一起来看看有何区别,又有何共同点?

    首先我们说说这两个岗位共同点。

    ①都要深入的了解各个业务流程;

    ②都要掌握某些数据分析的工具;

    ③都要有较高的数据敏感度;

    ④都要依据数据分析结果,为整个业务线的运营以及决策提供合理化建议。

    了解了共同点,我们再分别说说这两个岗位大致的工作职责。

    数据运营岗

    说到数据运营岗,我们就得先了解什么是运营。

    一切围绕一个产品推广运作的、需要将流量转化到自家的产品上,连接用户(客户)与产品之间发生的一系列运作都是运营。

    比如: 产品运营、社群运营、活动运营、新媒体运营、渠道运营~~~等等等。

    而数据运营是对用户行为,用户转化最敏感的,数据运营的存在避免了管理的滞后性。

    可以将数据运营理解为家庭医生或者是护士,护士做的是护理工作,也需要关注指标,比如有一天你有点小感冒或胃疼,家庭医生就会告诉你要多休息,多喝温水,会给你开“非处方”的感冒药,他能最快速的对你身体状况作出反应。

    数据运营的工作内容有:

    负责运营相关的数据分析,配合运营方数据需求②协助运营人员共同制定数据分析运营等策略③为日常业务运营提供精准的数据支持④梳理并建立各个运营模块的数据监控体系(日报周报等)。

    数据运营的工具要求:

    Excel/PPT,SQL(不同公司不同需要,但学是加分项)。

    数据分析岗

    数据分析师是一个连接业务与技术的职位,要求比工程师更了解业务逻辑,又要比产品、运营等具有更多的数据分析思维与技能。

    虽然作为数据分析师懂的是数据、统计学、业务等知识,可真正面对的业务问题错综复杂。当企业面临经营问题的时候,谁都没把握一定说XX指标不好就是因为没做促销,就是因为没上新产品,需要系统的诊断才行。(数据分析岗也可以理解为门诊医生)

    所以数据分析师的工作内容有:

    ①根据数据需求,提取数据,数据清洗②标注数据变化,发现异常③多维分析,交叉分析,查找异常原因④预测数据变化趋势及影响⑤生成策略,推动相关部门执行并复盘效果。

    数据分析师的工具要求:

    Excel/SQL/Python/R/Tableau/SAS等(不同公司对工具的要求会不同,具体可以查看JD要求,一般情况下是SQL+Python)。

    以上就是数据运营与数据分析的闲谈,在工作上,运营想分析个数据,就用自己部门的人了,后来有数据分析师,需求就给数据分析师了,本质上数据运营要具备数据分析技能。

    所有的数据分析,都绕不开是多少、是什么、为什么、会怎样、又如何

    是多少(数据描述状况)

    是什么(树立数据标准)

    为什么(探索问题原因)

    会怎样(预测业务走势)

    又如何(综合判断状况)

    数据分析的一些流程本期不做详细讨论

    对数据能力的要求是互联网公司所有职位的需求趋势,对于未来的发展,我认为数据分析能力会变成运营岗位的刚性需求;与此同时数据分析会进阶成数据科学家,通过统计、机器学习来为各部门解决一些通用性的问题。

    热门文章

    直戳泪点!数据从业者权威嘲讽指南!

    数据分析师做成了提数工程师,该如何破局?

    全栈型VS专精型,团队到底需要什么样的人?

    数据驱动业务,比技术更重要的是思维的转变

    最近面了十多个数据分析师,聊一聊我发现的一些问题

    你也「在看」吗?????

    展开全文
  • 政府数据运营哪家强?浪潮!

    千次阅读 2018-09-05 16:44:47
    “政府数据运营找浪潮!” 这是在Inspur World 2018上,令人印象最深的一句话。 这句话出自浪潮集团董事长兼CEO孙丕恕在此次大会上以《云+数 赋能智慧未来》为主题的演讲之中。而之所以孙丕恕将此句话说的如此有...

    “政府数据运营找浪潮!”

    这是在Inspur World 2018上,令人印象最深的一句话。

    这句话出自浪潮集团董事长兼CEO孙丕恕在此次大会上以《云+数 赋能智慧未来》为主题的演讲之中。而之所以孙丕恕将此句话说的如此有底气,当然是与浪潮在政府数据运营中的强大实力是分不开的。

    从“保姆”到“管家”

    据了解,目前,浪潮正在帮助22个省级政府,120多个地市建立政务云,并通过搭建政府数据开放共享平台,也就是天元DSP平台,实现政府数据的汇聚共享和开放。更为重要的是,2018年4月27日,国家卫健委、山东省政府授权浪潮在济南开展健康医疗大数据产业试点,将全省的健康数据授权给浪潮运营,除此之外,还围绕资产数据,社会保障数据、公共服务数据、违法违规数据进行了授权,济南市也成为了我国首个实现政府数据授权运营的地方政府。利用这些健康医疗大数据,浪潮首先在第一阶段实现一卡通服务,同时针对老年人的高血压、糖尿病和孕产妇保健、婴幼儿保健四类疾病开展精准医疗服务,其次,通过引入新型互联网医疗机构来找到更有效的治愈这四类疾病的方法,最后,通过产业融合,寻找商业模式,进一步解决数据安全隐私问题。

    通过类似合作,目前,浪潮已经为70多个省市运营数据,梳理政务数据目录100多万个,月数据服务调用次数10亿多次,支持AB创客数60多万,拥有超过8亿的互联网和政务服务用户。

    正因为有了这样的政府数据运营实力,孙丕恕才能信心满满的说出“政府数据运营找浪潮”的豪言壮语。

    "我之前讲,做云服务是做'保姆',现在帮助政府进行数据的运营,就是从'保姆'升格成为了政府数据'管家'。依托政府授权数据,加上我们自己拥有的互联网数据,共同推动大数据生态的建立。”孙丕恕说。

    “政府为什么能够授权浪潮进行数据运营?我认为首先是政府信任浪潮,浪潮帮助政府建设政务云,同时建立数据的共享和开放平台,最关键的是,在懂政府业务流程的前提下,能够解决用户数据安全、保密、隐私的问题。”孙丕恕如此解释了政府授权浪潮进行数据运营的原因。

    浪潮集团执行总裁王洪添也表示,政府之所以授权浪潮进行数据运营,主要基于管理和技术两个方面,首先在数据管理制度和管理流程上不能有漏洞,如果管理有漏洞,技术再好也不行,第二是在技术上有保证,数据在政务云上,当然不能将原始数据直接提供给用户,需要对数据进行加工计算,计算后返回结果,计算完成以后,计算过程和中间产生的中间数据也要粉碎,计算过程也不能留痕迹,每一个过程技术都是要有技术保障,才能保证数据不出政务云。而浪潮运营政府数据多年,在这两方面积累了丰富的经验,具有很强的能力,因而获得政府的青睐也就不足为奇了。

    从数据运营到城市共治

    在政府数据授权基础之上,浪潮在本次大会上发布了面向全民共建、共治、共享的爱城市网,并首次推出城市全民共治模式——“五彩之城”,全面阐释“筑五彩之城 启智慧未来”理念,这也将是国内首次将区块链技术应用到新型城市共建共治当中。

    浪潮集团高级副总裁肖雪介绍说,爱城市网与一般的互联网产品不太相同,它要做的第一件事是要把政府数据的价值发挥出来,通过快速形成的数据治理之后的网络化让老百姓获益。其次,是要为市民提供一个平台,让他们能够和各个主体,政府、企业、监管部门共同推动城市发展,爱城市网与58等其他的城市服务网不太一样,它实际描述的是人与城市的关系,是共建,共享,和共治。这个模式更多的是来自于浪潮积攒的大量数据的爆发。

    肖雪表示,爱城市网同时也是一个品牌,浪潮做的更多的是建立一个容器,一个人与城市产生关系的容器,它需要浪潮与众多合作伙伴共同来构建生态。而五彩之城,实际是一个激励机制,激励每个市民对城市做出贡献,从而形成一个对城市发展起到重要推动作用的生态系统。爱城市网相当于是一个政府数据应用的样板,也是一个生态,合作伙伴基于政府数据的创新应用都可以放置在爱城市网之中。未来,浪潮还规划将五彩石引入多个线下场景,实现五彩石在体系内的价值流转,让参与城市共建共治的市民享受对等的城市公共服务。

    “三新”塑造“云+数”新型互联网企业

    实际上,政府数据运营,爱城市网只是浪潮的一个“小目标”,而浪潮的大目标是成为一个“云+数”新型互联网企业,成为平台+生态型的企业。平台就是“云+数”,围绕智慧城市、智慧企业和便民服务应用,形成各种生态。   

    而孙丕恕认为,要实现这一目标,就需要在构建数字经济、实现经济社会转型“升维”关键的新链接、新生态、新运营商三方面发力。

    新链接致力于通过云、数平台构建链接个人、企业、政府的三维紧密链接,实现社会数据资源的高效流通与应用,推进智能化场景构建,推动经济社会实现优政、惠民、兴业的目标。

    每个企业的发展都离不开生态。传统互联网企业像吸星大法一样,通过自己的强应用吸附用户数据为自己所用,实现自我产品生态的不断更新。与之不同的是,浪潮是把自己的云和数据提供给合作伙伴使用,为合作伙伴进行能量输出和赋能,形成数据共享、共用的新生态。

    对于一个城市来讲,中国移动、中国联通、中国电信是大家熟知的三大运营商。在新IT时代,云服务运营商、大数据运营商、智慧城市运营商将是推动城市发展、进步的新三大运营商,这也是浪潮努力的方向。

    孙丕恕表示,要进一步拓展数字经济与实体经济融合的广度与深度,需要构建一系列“环环相扣”的数字产业生态圈,打造数字经济新生态。浪潮将构建云中心、云服务、政府数据运营,以及爱城市网、智慧城市运营服务、云ERP 6大生态,以此共同激活并驱动数字产业体系走向完善。

    围绕“三新”,孙丕恕在峰会上也提出了浪潮下一步的发展方向:从领先的云计算、大数据服务商,通过云、数赋能构建平台型生态企业,打造云服务运营商、大数据运营商、智慧城市运营商——新运营商,进一步向“云+数”的新型互联网企业转型。通过云数赋能,以及产业架构、生态、市场运营模式上的创新,新型互联网企业将直接驱动并满足政府、企业、消费者数据社会化需求,加快构建数字中国。

    展开全文
  • 数据运营入门教程

    千次阅读 2020-01-10 14:30:31
    在这个数据驱动运营的时代,数据不仅是数据工程师和分析师的事情,在工作中也要求运营从业者有一定的数据分析能力,更有人说“数据分析能力是未来运营的分水岭”。从我自身角度出发,真心觉得数据能更好推动运营策略...

    在这个数据驱动运营的时代,数据不仅是数据工程师和分析师的事情,在工作中也要求运营从业者有一定的数据分析能力,更有人说“数据分析能力是未来运营的分水”。从我自身角度出发,真心觉得数据能更好推动运营策略和工作的开展。

    但运营童鞋多是数据小白,没有编程和技术基础,那我们该怎么分析并用好数据呢?今天从运营常见的数据问题出发,希望让大家能快速地入门数据分析,让数据更好地为工作服务,别白白浪费数据的价值

     

    01 不知该分析哪些数据?从哪些角度入手?

    这是运营小伙伴们最头痛的问题,不知道该关注、分析哪些数据,就算拿到数据后,也不知道到底从哪些方面去分析这些运营数据。给小伙伴们整理一些运营常见的数据指标,也总结了一些比较适用的分析角度,希望有用~

    1、互联网运营关注的常见数据指标

    (比较多,请耐心看完或收藏)

    • 流量

      1)访问:PV、UV、IP(最常见);跳出率、平均访问时长、平均访问页数等;使用设备、操作系统、浏览器、地域分布等访问行为;

      2)注册:注册人数、注册走势、累计注册人数、达成率等;

      3)渠道&推广:来源渠道分布、总消费、展示量、点击率、点击率、平均点击价格、转化率、转化成本、ROI等;

    • 用户

      1)活跃/登录:DAU、WAU、MAU、活跃率、登录人数等;

      2)留存:次日留存率、周留存率、月留存率等,还有按渠道去分析留存率;

      3)流失:流失数据容易被遗忘,包括流失率,流失人数、每日平均流失人数等;

      4)付费:付费人数、付费转化率、单笔订单平均金额等,更多看订单数据;

      5)其他:每日评论人数、收藏人数、分享人数等

      6)画像:一方面分析用户属性:关注年龄、性别、学历、职业、地域、婚否、收入、兴趣等;另一方面分析用户行为:登录次数、活跃率、累计消费金额、最近一次购买、购买次数、复购率等;

    • 订单   

      付费人数、新增付费人数;总金额、每日订单数、平均每日成交额、客单价;付费金额、付费毛利、付费利润、复购率、ARPU、付费各个路径转化等;

    • 内容

      PV、UV;UGC、PGC、文章数、关注数、阅读数、互动数(评论、点赞等)、传播数(转发、分享等);

    • 活动

      活动页PV、UV、新增人数、参与人数、登录人数、转化人数、转化成交金额、ARPU、优惠券发放/使用人数、营销成本、营销转化率、ROI、分享人数、分享次数等,数据要根据活动类型而定;

    • 服务

      电商、O2O等行业易涉及,包括咨询人数、咨询转化率、退货率、退款率、好评率、差评率、投诉率等 ;

    • APP

      各渠道下载量、激活数、新增注册数、获客成本;启动次数、启动人数、停留时长;push到达率、打开率等,其他参考以上数据。   

     

    2、适用的分析角度、方法

    数据分析有各种高大上的分析原则,比如AARRR模型(数据驱动运营从哪着手?APP运营必知的AARRR模型运用方法)、5W2H等,但是运营毕竟不是专业的数据分析师,主要能用好这些原则就够了~

    • 对比:分成横向和纵向对比,比如纵向的同环比分析,横向的不同产品、不同渠道的对比等;

    • 走势(变化):指标随时间的变动,表现为增幅(同比、环比等);

    • 分布:这个好理解,比如说用户不同年龄段的分类、不同职业的分布、不同地域分布等;

    • 细分:从多层级去了解数据,比如分析全国不同省份不同城市的具体订单数据,从全国—省份—城市一一下钻深入分析;

    • 转化:主要体现在结果的最终转化、各个路径的转化,比如通过整个注册流程的转化分析来优化细节;

    • 预测:根据现有情况,估计下个分析时段的指标值

    举个实际例子吧~

    某水果O2O平台想确认未来一周各品类应准备的数量,若没有数据的支撑,那只能由人工结合经验得到一个大致结论,一般误差比较大导致水果浪费较多。该怎么解决这个问题呢?

     

    当有了以往的数据,数据走势有了一定的规律,可通过数据预测来得到一个比较合理、比较准确的数值,再通过不断预测—验证得到一个最佳方案,保证水果备货刚刚好,减少浪费,节约成本,这就是数据的价值。

     

    (绿色:日常数据走势;黄色:未来10天数据预测)

     

    02 等待分析师漫长的排期?能否自己搞定分析?

    分析师身负多个部门的数据分析工作,有时从提需求到最终拿到数据,2、3天都过去了,且不说分析结果是否是你想要的,就时效性而言,这份数据结果的意义也减弱了,如何变身自己的“专属分析师”呢~

    数据分析的整个过程:

    确定指标——数据收集——数据整合、数据处理/建模、数据分析、数据呈现、报表汇报。

    • 确定指标:不多说了,可参考一下第1个问题。

    • 数据收集:可通过公司数据库埋点获得,可通过第三方平台获得,也通过一些记录的本地数据获得。

    • 数据整合:运营人要看的数据太多了,有数据库,有各种第三平台的数据(友盟、统计、推广、公众号等),每次都需要从不同平台取数据,太分散了,最好能在一个数据平台集中管理数据。

    • 数据分析:可参考分析方法,比如“求和、计数、同环比、多粒度下钻”等分析,一般在Excel中需通过写公式搞定。

    • 数据呈现(可视化):简单地说,就是如何制图呗,请直接学习第3个问题。

    • 报表汇报:将数据通过表格、图表或其他形式向领导汇报。

    如何不依赖分析师,自己搞定数据分析呢?

    1、学习一些数据分析理论。(数据思维)

    2、了解、熟悉业务,这点很重要。(业务思路)

    3、学习一些数据分析工具。(工具辅助)

    以我的个人经验来看,真正把握这些真真是够了~毕竟我们不是专业的数据分析师,能做好业务分析足以!

     

    03 运营童鞋如何制作让老板满意的好看图表?

    没有哪个老板喜欢杂乱的表格数据,颜值才是王道啊。简单地说,就是数据如何可视化,让数据直观、明了。

    • 分析数据占比:

      分析单维度的数据占比可用饼/环图、分析多维度的数据占比,可用旭日图和矩形树图。

    比如,用户性别的占比分析只有“性别”一个维度,用饼/环图展示,男女比例非常直观,比如下图明显是男性用户偏多,若用户群体符合初衷和产品特征,那运营方式不妨可以尝试一些“可爱风”,也许这样更能吸引男性用户。

    营销活动也可以考虑选择一些科技类产品作为奖品,也许更能促进男性用户的购买力,达到活动目的。

     

    (单维度:用户性别分析)

    (多维度:不同地区不同渠道的订单分析)

    • 分析数据同环比趋势:

      分析单维度的同环比可用指标卡、分析多维度的同环比可用双轴图

    同环比太常见了,几乎什么数据都要跟之前有个对比,这样才能更体现目前数据的“运营价值”。

    最常见就是PV、UV的同环比了,比如UV环比下降了,是正常还是不正常。正常是因为UV可能存在一定规律,可能周五的UV就比周四低,那数据属于正常。若没有固定规律,那有异常波动一定要寻找背后的原因,尽快处理问题,以防再犯。

     

    (单维度:PV环比和UV环比分开)

    (双维度:PV环比和UV环比放一起)

    (双维度:PV和同比)

    • 分析数据走势:

      最常用的是折线图,柱状图也可以表达,直观度略低于折线图。

    (折线图)

    (柱状图)

    • 分析地区分布:

      全国、省份分布可用行政地图,更详细的地域分布可用经纬度地图。

    用户地域分析也是非常重要的,这可能决定了公司业务会在哪些区域重点投入、重点销售。这也是公司广告需重点投放哪些区域的数据指导,对于每年竞价投入几百万、几千万的公司,正确的用户地域分析可节省很多不必要的投入,给公司省钱老板可乐意了。

     

    (行政地图)

    (沈阳地区轨迹动态地图)

    • 分析任务完成进度:

      可用计量图,进度完成情况一目了然~

    (KPI完成进度)

    (用户男女比例)

    • 分析用户活跃频次变动、商品购买分析:

      可用桑基图

    (用户活跃情况变化)

    (商品购买分析)

    • 分析词频:

      比如用户的职位分布,可用词云,有3D效果哦~

     

     

    (“吃鸡”游戏玩家的兴趣云图)

     

    如何生成关键词云图?介绍两款国内的数据产品:图悦、BDP个人版。

     

    (用户咨询转化率)

    关于转化,分享一个自己身边的真实故事

    案例

    之前在一家电商公司工作,每天网站流量都不低,但最终的支付转化率始终不高,从流量—注册转化还可以,从注册—浏览转化也还可以,但就是浏览—支付转化不高。

     

    通过不断找原因,通过用户调研和数据分析(埋点)发现大部分用户都到了支付页,但支付入口在移动端不太明显导致很多用户弃买,这当然要改,优化后整体转化率确实提高了。通过数据发现问题—找原因—优化—通过数据验证可行性,这真的是一个良性循环

     

     

     

    04 如何快速找到数据背后的问题?

    做了那么多的数据工作,最终无非是为了从数据中去发现问题,不断优化运营策略。不论数据是上升了还是下降了,肯定有其变化的原因,这里以用户数据变化为例了解一下快速找到问题的思路~

    (Ps:这只是个人结合工作得到一些经验,不一定非常完备,大家可结合自己的网站和产品去分析~)

     

    (请点击并放大看图)

    • 节假日波动:大部分产品都会受到节假日、周末的影响,办公软件节假日/周末数据一般都会下降,电商产品节假日/周末数据一般都会上升。

    • 上线、改版:上线不一定单指功能上线,比如营销活动上线、广告渠道新上都算是上线,网站任何变动都可以理解成“上线”。

    • 异常、故障:服务器故障、渠道被迫下线、网站访问不了、链接异常等,链接访问不了是比较常见的情况。

    • 以上3种都不是,那就下钻从渠道入手,看哪个渠道数据有异常,再结合具体问题进行分析。(Ps:有时候从渠道发现异常的,所以这个流程的顺序不是绝对的)

    • 以上几种都不是,实在找不到原因,只能跟老板说:“原因未明,将持续观察趋势,以确认其偶然性”。

     

     

    有些问题显而易见,有些问题排查需要一些时间,看数据最终的意义还是要结合实践。

    看数据—发现问题—解决问题—再看数据—问题解决,或者看数据—发现增长—找到原因—继续应用。

     
     
    展开全文
  • 政府数据资产运营相关背景,现状,问题梳理,给出相关政府数据资产运营相关要素,方法和工具等。由国信优易数据有限公司,北京师范大学和南方大数据交易中心联合编写发布。
  • 6000字跟你讲清数据运营到底是做什么的?

    千次阅读 多人点赞 2017-10-24 15:38:59
    与数据分析师的岗位不同,数据运营更加侧重支持一线业务决策。而运用在产品运营的整个生命周期中,数据运营就是属于一种技能,通过数据分析发现解决问题,提升效率促进增长。 一、数据运营都需要学习些什么知识? ...
  • 课程项目的业务背景源自各类互联网公司对海量用户浏览行为数据和业务数据分析的需求及企业数据管理、数据运营需求。   本课程项目涵盖数据采集与预处理、数据仓库体系建设、用户画像系统建设、数据治理(元数据...
  • 携程--数据运营、数据分析

    千次阅读 2019-03-24 14:19:55
    首先是在线测评 有摄像头,还有时间限制 全部都是行测,part1是语文的那种逻辑题,part2是逻辑计算题,part3和4都是图形题。好像是这样的,有点忘记了 ...准备,携程大数据分析 爬一份数据分析的报告 ...
  • 你知道数据运营日常主要工作吗?

    万次阅读 多人点赞 2016-09-26 16:31:24
    数据分析本来是一份枯燥...好的数据运营甚至可以成为一名优秀的产品经理、公司管理层:不仅对用户行为做到心中有“数”,对于活动及效果监控也能做到面面俱到;甚至可以预测到行业发展趋势,对公司重大决策给出决定性建
  • 微信数据运营面试心得(社招)

    千次阅读 2018-08-08 00:07:11
    你觉得做数据运营最重要的是什么? 10.你们平时所用的数据分析的工具主要有哪些? 11.你之前为什么要**行业转行到互联网?**行业不好吗?你看中互联网的什么?加入互联网后,你有什么感觉?觉得这个行业是你想...
  • 文章目录招聘网站运营数据中心二、使用步骤1.引入库2.读入数据总结 招聘网站 中国建设银行校园招聘 运营数据中心 招聘公告 二、使用步骤 1.引入库 代码如下(示例): import numpy as np import pandas as pd ...
  • 2.推断统计是以样本数据去推断总体数量特征的方法. 正确 3.箱线图描述的是集中趋势 错误 4.数据挖掘最重要的是找到算法模型 错误 5.场景描述需要包括当前问题 正确 6.场景描述需要包括需要字段 正确 7.每个数据指标...
  • 目录 一、前言 二、概要介绍 三、核心组件         1、Core         2、Integration         3、Metadata source  ... ...
  • 作者:陈老师 个人公众号:接地气学堂 陈老师新课:商业分析全攻略 https://edu.hellobi.com/course/308 用...在医院陪护老婆已经一周了,与医生、化验、护士相处一周以后,发现这不就是数据分析、数据挖掘、数据运...
  • 用户画像,广义上属于“Titan数据运营系统”的一个功能模块 因此它的技术架构仍属于Titan数据运营系统的体系; 基础计算层,以之前已经搭建好的数仓系统为主; 高级计算层,以新开发的spark模型算法程序为主; OLAP...
  • 如何搭建企业数据运营体系?

    千次阅读 2019-07-10 14:59:56
    如何搭建企业数据运营体系?这里有4项目标和7大原则 大家好,我是田健,今天和大家分享一下在数据运营方面的心得:不忘初心,回归数据运营。 分享内容包括两个方面:一个是数据运营的战略意义,另外一个是...
  • 美团 R 语言数据运营实战

    千次阅读 2018-08-07 13:32:23
    一、引言 ...在这种背景下,是否能探索和挖掘数据价值,具备精细化数据运营的能力,就成为判定一个数据团队成功与否的关键。 在数据从后台走向前台的过程中,数据展示是最后一步关键环节。与冰冷的表格...
  • 对于运营数据分析,我相信很多小伙伴会存在以下问题: 面对异常数据经常出现“好像做了什么?好像发生了什么?所以可能造成了影响”的主观臆测? 面对数据报表,不知道该怎么分析?不知道该分析什么? 数据分析...
  • 《详见项目代码》 5、后端service层 《详见项目代码》 6、后端dao层 《详见项目代码》 五、自定义联机分析-漏斗分析 1、需求说明 运营分析人员,可以在平台上动态创建自定义的漏斗模型,可以自由设计转化路径的步骤...
  • olap平台是提供给运营人员进行各种联机数据分析的人性化平台 按照查询类型划分,OLAP一般分为即席查询和固化查询,        即席查询:通过手写sql完成一些临时的数据分析需求,这类sql形式多变、...
  • 数据驱动决策”,为了不让这句话成为空话,在本章的最后,作者将自己的经验提炼为以下15种思想武器,不求你当下就能掌握,但希望你能不断参悟并修正。1.信度与效度思维在指标构...
  • 《京东平台数据运营
  • 决策标签 按照数据分析或市场运营人员的需求,对多个事实标签或者模型标签进行自由条件组合,所生成的组合结果,以用于为市场决策提供直接支持; 如“待挽回用户群”、“待发展用户群”、“待维护用户群”、“待...
  • 什么是数字运营呢?使用Python进行数字运营的好处又在哪里? Python的前世今生 Python是一种面向对象的解释型计算机编程语言,由荷兰人Guido van Rossum于1989年发明,并于1991年首次公开发布。P开发的初衷实际上是...
  • 数据运营的11个步骤。

    千次阅读 2019-08-20 08:36:22
    欢迎关注数据数据猿官网 | www.datayuan.cn今日头条丨一点资讯丨腾讯丨搜狐丨网易丨凤凰丨阿里UC大鱼丨新浪微博丨新浪看点丨百度百家丨博客中国丨趣头条丨腾讯...
  • 本文探讨数据应用层中的运营数据系统,因为运营数据几乎是所有互联网创业公司开始做数据的起点,也是早期数据服务的主要对象。本文将着重回顾下我们做了哪些工作、遇到过哪些问题、如何解决并实现了相应的功能。
  • 数据运营是一个近年来兴起的概念,它在运营的基础上,提出了以数据驱动决策的口号。 在了解数据运营前,运营们有没有过如下的问题: 不同渠道,效果究竟是好是坏? 活跃数下降了,到底是因为什么原因? ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 381,354
精华内容 152,541
关键字:

数据运营