这可能是一篇数据化运营的大纲

本篇文章的主题，是数据化运营。在写完《从零开始，构建数据化运营体系》后，我一直在想，能不能写得再好一点？

我胸中有很多付诸笔端的想法在鼓动，虽然在近两年的工作中，数据化运营是最得心应手的工作，但是写出来总差那么一点意思。另外一个角度看，是不够融会贯通。

于是我希望，在七周成为数据分析师的系列后，把数据化运营作为第二个系列来完成。每次写文章，对自己也是一种总结和提升。

下面是一份「简略」的大纲，更恰当地说是草稿。当不久的将来开始正式写作时，肯定会更好。

将闭环简化成四个模型，那么它们分别是：

▍数据收集 ：以用户和产品的交互为输入，原始数据（行为、业务、流量、外部）为输出。

▍数据产品 ：以原始数据为输入，以加工数据（标签、画像、维度、指标、算法结果）为输出。

▍数据运营 ：以加工数据为输入，以运营策略（用户、内容、活动、电商）为输出。

▍用户触达 ：以运营策略为输入，以反馈行为（转化率、点击率、响应率）为输出。

虽然数据收集是技术的事，但是产品和运营人员也应该了解相关的细节。什么是网页参数，什么是服务器日志，数据是如何被收集起来的…下图就是一段服务器日志，是收集数据的方式之一。

如果不了解，当你问到研发：为什么这一块数据没有收集到啊，研发大哥只会翻一个白眼说：你没有要求布置啊。

布置即是埋点，埋点不是一项新兴的技术，它在Web时代就有了。

很多场景中，业务方是埋点需求的发起者。这也是我强调的，运营和产品需要了解埋点，否则，这一块很容易变成坑。

在数据化运营体系，对埋点的要求只会更高。前端埋点、后端埋点、可视化埋点、服务器埋点，各类方式层出不穷。技术问题不需要担心，担心的是应用。

虽说，给我一组行为埋点数据，我用Excel也能写出协同过滤。可如何最大价值的发挥效用，在埋点初期就应该考虑清楚。所以埋点需要花稍微多一点的篇幅介绍。

最后，学会爬虫，爬虫是一种高性价比高体力活的技能。爬虫有三种主要方式，静态网页爬取，JSON/API爬取，动态JS爬取，再加上各种反爬虫机制的应对。当爬虫水平能爬取微信和淘宝时，已经是草木竹石皆可为剑了。

利用爬虫，运营能做很多好玩的事情。比如出现一个热点新闻，大家马上抓取相关数据，然后新媒体同学洋洋洒洒一篇文章：《大数据告诉你，XXX是什么样的》，《我们分析十万条影评后，得出这部电影XXX》，《XX网站最火热的十条内容》。比憋内容好多了。

这依旧是技术研发的范畴。

数据加工的业务核心是指标，我们首先得熟悉各种主流指标的含义和应用。

很多产品运营们会问，是否需要理解数据架构？

上图是网上扒来的数据架构，好消息是并不需要学会。但你总归要理解一个概念，比如什么是MapReduce，什么是离线什么是实时，什么是缓存，什么是T+1。

这是为了降低沟通成本，也是方便大家理解数据化运营背后的逻辑。为什么有些报表和数据不能立马获取，为什么有些个性化推荐，如网易云音乐，只能每天定时更新？

一个好的数据化运营体系，需要业务人员和技术不断磨合才能搭建起来。此时，你也会是一位合格的数据产品经理了。

一些数据产品的设计逻辑可以选择性学习，包括用户画像、广告、CRM等。它们在一定程度上是相通的，比如用户画像和广告的人群定向，区别于静态和动态。

用户画像是集大成者的时髦应用，不同公司的用户画像也不相同 。有些用NoSQL、有些则是宽表。用户画像应基于业务出发，切记避免形式主义的画像，你卖保健品的，知道用户喜欢军事有什么用？