樂信數據驅動怎麼做

1. 如何打造數據驅動的文化

在高科技領域，數據是不可或缺的。它可以幫助你更好管理系統和團隊，但從數據有效獲取價值比拿到數字更難。你需要一種由數據驅動和抉擇的文化。通過數據可以讓管理者不僅降低正確決策的風險，也更有信心迅速行動。它也提供一種確認選擇是否可行的辦法。

建立這樣文化比口頭上簡單說說要更復雜。你衡量哪些數據？如何響應？採取什麼方法讓團隊意識到應該把數據擺在首位？

以下是實現可持續發展的數據驅動的企業文化的一些建議，可以讓團隊在自我完善，也有一些陷阱我們需要注意：

1.確定要測量什麼。我們目的是用數據讓商業更加靈活有信心。管理層需要了解公司高層的優先順序，再選擇支持這些目標的指標。如果你不分重要性衡量一切的話，你就會陷入無關緊要的細枝末節。比如對於用戶增長的核心指標有注冊數，激活率，重新激活率。

2.為實現具體商業及團隊目標的相關指標。修復的平均時間(MTTR)是一個不錯的性能指標，但它不容易讓團隊執行。確認事件發生的平均時間(MTTA)是MTTR的一個組成部分，往往更可行。跟蹤這兩個關鍵績效指標，有助於了解團隊是如何對總體指標做貢獻的。

2. 數據驅動的思維方式包含哪五個方面

每日干貨好文分享丨請點擊+關注

歡迎關注天善智能微信公眾號，我們是專注於商業智能BI，大數據，數據分析領域的垂直社區。

對商業智能BI、數據分析挖掘、大數據、機器學習，python，R感興趣同學加微信：fridaybifly，邀請你進入頭條數據愛好者交流群，數據愛好者們都在這兒。

本文作者：天善智能聯合創始人&運營總監 呂品，微信：tianshanlvpin，原文發表於天善智能服務號，歡迎討論交流。

開篇語

看過不少講解大數據思維的文章，文章的一些觀點能夠帶給我很多的啟發，很有見地也很受用。在跟一些企業的負責人聊起大數據項目規劃和建設的時候，發現大家對大數據並不缺少自己的認識和看法，只是這些認識和看法沒有被系統性的組織起來，形成一個比較有深度的思考問題、解決問題的套路。

這篇文章結合我在和一些朋友溝通過程中看到的一些問題，將大數據思維和價值做了一些聚焦和分解。我來拋磚引玉，希望這篇文章能夠讓大家從另外的一個角度去了解和思考一下到底什麼是大數據思維和價值。

這篇文章適合企業高層、即將或者正在規劃大數據項目、思考如何對大數據進行頂層設計、大數據項目管理人員一讀。作為補充，我在此也推薦幾篇文章以豐富大家思考問題的維度（角度）：

【概念篇】大數據思維十大核心原理

【分析篇】趨勢 | 大數據應用落地分析

【案例篇】深入解讀民生銀行阿拉丁大數據生態圈如何養成

【案例篇】大數據如何聚焦業務價值，美的大數據建設的啟發

本文作者：呂品 天善智能聯合創始人

本文整理自 2017年3月3日 美雲智數新品發布會數據雲分論壇呂品的演講內容

人人必談大數據

說到大數據，大家並不陌生，從各種自媒體、線上線下沙龍，包括生活中大家經常提起。早在 2010 年之前，國內的很多互聯網公司都已經在處理 「大數據」，只不過那時對大數據還沒有一個清晰的定義。2013 年起，我們注意到在國內大數據這個詞開始火了，火到什麼程度？ 舉個例子：我每次回家，家裡的親人朋友都在問我是做什麼的，我說我們是搞商業智能 BI 的，基本上聽不懂。什麼把數據變為信息、信息產生決策，什麼 ETL、報表，幾乎是懵圈的。後來提了一句，我們有一個技術網站，裡面都是玩數據的，比如大數據、數據分析、數據挖掘...。「大數據啊！大數據我知道！」，我問什麼是大數據，回答很簡潔乾脆：「大數據就是數據大唄！」。

其實這種理解不能說錯，只能說不全面，但是從某種角度上來說大數據還是比較深入人心的，「大數據」這三個字起到了一個很好的名詞普及作用，至少不會像商業智能 BI 那樣很難用一句或者幾句話讓大家有個哪怕是很基礎的概念。

大數據 4V

我們經常提到的大數據四大特徵：4個V

Volume 數據容量大：數據量從 GB 到 TB 到 PB 或以上的級別。
Variety 數據類型多：企業在解決好內部數據之後，開始向外部數據擴充。同時，從以往處理結構化的數據到現在需要處理大量非結構化的數據。社交網路數據採集分析、各種日誌文本、視頻圖片等等。
Value 價值高，密度低：數據總量很大，但真正有價值的數據可能只有那麼一部分，有價值的數據所佔比例很小。就需要通過從大量不相關的、各種類型的數據中去挖掘對未來趨勢和模型預測分析有價值的數據，發現新的規律和新的價值。
Velocity 快速化：數據需要快速處理和分析。2010年前後做過一個美國醫療保險的數據遷移項目，有一個 ETL 需要處理該公司幾十年的歷史文件和歷史數據，文件數據量很大，並且邏輯非常復雜，一個流程幾十個包，一趟下來 35 個小時執行完畢。這種情形如果放在現在的互聯網比如電商平台很顯然是不允許的。比如像電商促銷、或者要打促銷價格戰，實時處理傳統的 BI 是無法完成的。對有這種實時處理實時分析要求的企業來說，數據就是金錢，時間就是生命。
我相信上面提到的大數據的四個 V、核心特徵還是比較容易理解的。如果我們不是站在技術層面去聊的話，大家對大數據或多或少都會有一些比較接近和類似的看法，並且在理解和認識上基本也不會有太大的偏差。

但是當我們談到大數據，大家真正關心的問題在哪裡呢？ 從技術角度大家可能關心的是大數據的架構、大數據處理用到了什麼樣的技術。但是站在一個企業層面，特別是在著手考察或者規劃大數據項目建設的負責人、企業高層來說，更多關心的應該是下面這幾個問題：

1. 大數據到底能幫我們企業做什麼，或者說能夠帶給我們企業什麼變化。上了大數據對我們有什麼用，會有什麼樣的改變，是經營成本下降、還是幫我們把產品賣的更多？

2. 我們的企業現在能不能上大數據？如果不能上大數據，為什麼，那又需要怎麼做？

3. 我們企業也想跟隨潮流上大數據，問題是要怎麼做。需要准備什麼，關於投入、人才、還缺什麼、需要用到什麼樣的技術？

4. 我們怎麼驗證這個大數據項目是成功還是失敗，我們判斷的標準是什麼？

我相信這些問題都是大家比較關心的一些點，包括我自己。我們目前還是以 BI 分析為主，但我們也會去爬一些外部的數據，後面也在規劃大數據相關的一些項目和開發。

當然大數據這個話題是非常大的，我們很難從一個或者兩個角度把這些問題回答的非常全面。但是我覺得有一點是我們的企業高層或者決策者可以注意的：在規劃和考慮大數據的時候需要具備一定的大數據思維，或者說是面對大數據時我們所要具備的考慮問題和看問題的角度。

大數據思維方式

大數據思維方式我簡單概括為兩個方面：第一個是以數據為核心、數據驅動的思維方式。第二個是業務核心，業務場景化的思維方式。

以數據為核心、數據驅動的思維方式包含這幾個方面：

1. 盡可能完善自己的數據資源。我們手上握有什麼樣的數據資源，我們數據資源的質量如何？

企業需要關注和梳理我們有什麼樣的數據，以前是關注企業的流程，IT的流程、業務流程再造。現在大多數企業這些 IT 基礎和應用的建設都已經完成了，更加關心的應該是在我們的企業里到底握有什麼樣的數據資源，在不同的行業我們的數據主題是不一樣的。

比如電商零售行業，我們考慮更多的可能是消費數據、涉及到用戶、產品、消費記錄。因為我們可以圍繞這些數據比如做用戶畫像、精準營銷、定製化的產品、產品的市場定位分析等等。

比如製造生產行業，我們涉及更多的數據可能是產品本身、我們的生產流程、供應商等。因為我們可以圍繞這些數據比如做我們的生產質量檢查、降低生產成本、工藝流程再造等。

只有了解我們目前自身的數據資源，才能知道我們還缺少哪些數據資源。而這些缺少的數據資源從哪裡來，如何獲得，就是我們在規劃大數據項目的時候是需要解決的。如果缺乏這種意識，等在規劃和上大數據項目的時候你的大數據資源非常有限的。

2. 增加數據觸點、盡可能多的去收集數據，增加數據收集和採集渠道。大數據的建設和大數據分析它是一個迭代的過程，很多的分析場景都是在不斷的探索中找出來的，它有一定的不確定性。正是因為這種不確定性所以才需要我們盡可能收集更多的數據。

現在是移動互聯網時代，人人都是數據的生產者和製造者。比如每天的社交數據、互聯網點擊網路的數據、刷卡消費的數據、電信運營、互聯網運營數據。像我們的製造和生產行業，有自動化的感測器、生產流水線、自動設施的數據等。有些數據放在以前可能不值錢，但是現在看呢？這些數據現在或者在將來的某一天就會變得很有價值。

比如像我最開始提到的那家美國醫療保險公司，我看過他們的 COBOL 代碼注釋都有是七幾年、八幾年前的。他們積累了幾十年的數據，突然在 2010 年前後開始意識到數據的價值了，開始通過數據進行一些變現了。之前知道這些數據的價值嗎？不知道，但是嘗試到數據的甜頭，比如做自己的數據分析，咨詢機構購買一些脫敏的數據，或者給咨詢機構提供數據做市場研究用途。

所以大數據的構建不會是一天兩天的，這個過程會持續很長的時間，我們需要為將來做准備。所以如果你的公司連個最簡單的業務系統，IT 應用系統都沒有，數據連存放的地方都沒有，怎麼能夠上大數據呢？不合理。

數據越多，數據種類越豐富，我們觀察數據的角度維度就越豐富，我們利用大數據從中就能夠發掘出以前更多沒有看到的東西。

3. 數據開放和共享思維。這一點在我們國內其實說起來很容易，但是實際上很難。

去年的時候我去看了一個市公安局的大數據項目（可參看這篇文章 政府大數據面臨的問題和阻力在哪裡？），他們有兩點意識非常好：

1）非常清楚的知道自己擁有哪些數據資源。比如市公安局以及下屬分局、各個支隊各個應用系統的數據：基礎的人口管理、信訪、犯罪信息、情報。包括數據監控所涉及到的鐵路、網吧、民航購票、ETC 卡口等。

2）為了納入更多的社會化數據資源、實現全行業的數據覆蓋，他們准備接入交通、服務、科技信息化、教育、社保、民政等各個行業的數據。包括他們給下面的單位下了數據的指標，每個單位或者每個民警都有這種收集數據的指標，比如哪個單位今天上傳了什麼樣的多少數據，每個月哪個單位上傳的最多，這都是很好的數據收集的意識。

但問題在哪裡？問題在於很多機構比如銀行受國家政策限制很多數據是沒有辦法共享的、還有像教育機構，我憑什麼把數據給你，在行政上大家是並級的機構。

所以這個時候就需要考慮數據開放和共享的思維，在滿足數據安全性的基礎之上我們可以不可以考慮數據互換共享的可能。公安局有的數據一定是教育機構沒有的數據，那麼同樣的教育機構有的數據，公安機構也不一定有。如果兩者數據在某種程度上形成共享，在保證數據安全和不沖突的情況下是可以創造出更多的社會價值的。比如公安局可以提供教育機構關於各個地區犯罪率的信息，包括交通安全事故多發地等，教育機構可以針對

3. 怎樣用SQL資料庫數據驅動CAD圖形

什麼叫驅動？
我做電子地圖是這么做的，SQL存儲頂點坐標，落點坐標點的值和該區域的基本信息。然後SQL查詢就能篩選一個坐標范圍。
窗體上拖個PictrueBox存放CAD圖片，用CAD圖滑鼠點擊的坐標就可以去查詢資料庫了。從而模擬了一個電子地圖的效果，我從來不用電子地圖第三方控制項。
第一個過程描坐標：建立資料庫表，比如一個長方形區域，起點坐標應該是他左上角，X軸，Y軸都是起始位置，落點坐標應該是右下腳，所以在資料庫中除了存儲這個區域的基本信息外還要存儲四個基本值X起始值、X落點、Y起始、Y落點。
獲得這些值不是靠你去計算，必須寫一個外掛程序，通過滑鼠點擊PictrueBox捕捉起點和落點坐標，然後分別更新查詢到數據表，才能准確地記錄每個區域的坐標值。表的格式如下：
區域名稱 | 區域基本信息 ...| X起點 | Y起點 | X落點 |Y落點 | 圖索引
---------------------------------------------------------------------------------------------
圖片A區 | 辦公區域 | 80 | 20 | 140 | 50 | 圖1
-------------------------------------------------------------------------------------------
......
當基礎資料表建立以後，再建立SQL視圖，用一個滑鼠點做條件檢索資料庫：
假如捕捉點為（X，Y），程序中公開兩個變數Public int X,Y;
Select * from 基本資料 where X起點<=X and X落點>=X and Y起點<=Y and Y落點>=Y;
這樣通過PictrueBox讀取CAD圖，描坐標的方法就能用圖形范圍坐標位置檢索小范圍信息。
你可以通過滑鼠點擊來完成，也可以通過滑鼠雙擊縮放圖形，拖動，使用Graph類在上面畫圖形，遍歷資料庫，通過區域名稱索引也可以，給圖片坐標范圍著色。

4. 大數據賦能：如何利用大數據驅動，精細化運營

互聯網時代，很明顯的一個特徵就是大多數信息都是以數據的形式進行記錄，大數據的產生，簡化了人們對世界的認知。通過將人的行為轉化成無數個可以量化的數據節點，從而為人提供了一個「數據畫像」。

大數據等技術的出現，給平台提供多樣化的營銷渠道，比如千人千面的商品推薦，C2M式的需求定製等。類似這樣的大數據應用，既能提高用戶體驗又能提昇平台效率。

1、大數據時代，數據如何驅動運營 

在大數據的驅動下，呈現給用戶的內容都是經過演算法精密篩選的。

當你打開資訊類APP時，演算法根據你的歷史瀏覽類別算出你的閱讀偏好，據此向你推薦內容；當你打開短視頻APP時，你刷到的視頻都是你感興趣並且關注的標簽內容；當你使用打車軟體時，演算法給你推薦你可能會選擇的計程車和價格……

經過演算法推薦，用戶閱讀到的都是自己感興趣或與自己生活圈子相關的信息內容，不感興趣或者觀點相左的內容會被演算法過濾。

2、大數據識別有價值信息，輔助決策 

對於大數據來說，它不僅面臨著如何識別一些重要的信息，而且還要將這些用於決策。

目前業內對於大數據的分析更多地注重在數據識別、儲存、定性描述相關分析等領域。

大數據分析的優點不在於「大」，而在於「准」，尤其在這個信息量大的時代，採用哪些數據進行分析，從而得出更准確的結論則更重要。

3、大數據連接、賦能、跨行業數字化 

通過數據對不同行業賦能，幫助不同行業進行數據價值挖掘。傳統行業和數據行業結合的點在於將線上和線下的資源打通。例如新零售在大數據的賦能下，將廣告和營銷做結合，能夠清晰的看到你的用戶長成什麼樣。

4、如何解讀數據成了非常重要的技能 

互聯網時代，人人都在說大數據、數據分析、數據運營。數據是為你的工作提供反饋和指導的工具，數據會告訴你問題出在哪裡；你想達到一個運營推廣目標，數據會告訴你途徑和方法。

5、企業如何利用大數據分析精準運營 

無疑，大數據時代，數據資產已成為企業的核心競爭力。但數據在手，不會運用它，就會變得沒有價值。在當下企業數字化浪潮中，數據是企業轉型的基礎元素，如何將企業不同業務、類型的數據應用起來，推動企業運營，增加收入、降低成本、提高效率，控制風險等，是很多企業面臨的難點。

數據對運營的重要性已不言而喻，互聯網平台更是以數據驅動運營。產品研發從立項開始已經受到數據的驅動，而運營過程中的產品設計優化、市場渠道推廣、用戶需求、用戶行為和用戶價值等運營活動更離不開數據。

那麼，數據從何而來呢？

構建數據需求： 構建平台關心的數據需求，圍繞著用戶的需求展開，通過數據賣點制定重要事件的採集。可以從數據上，明確看到你的用戶增加、流失、渠道來源，從而幫助你做更好的數據管理，提升投放效率。

數據報表呈現： 數據採集完之後通過動態計算，形成報表，了解你關心數據的升降，你的運營、產品是否有效提升，都能在報表數據得到體現。

在精細化運營的大背景下，學會用數據分析來弄清用戶從哪來、對什麼感興趣、為什麼流失尤為重要。

01、用戶分群，尋找更多的核心用戶

用戶分群本質來上來說，就是將用戶分割成很多的群體，詳細的看每個群體用戶特徵。最經典的用戶模型是R（最近購買時間）F（頻次）M（消費金額），三個維度畫出九宮格立體的象限，了解你最高價值客戶的分布和特徵，輔助你進行決策。同時，通過高活躍核心用戶的運營，能夠幫助你理解你的客戶。

02、營銷轉化漏斗分析

互聯網營銷就像個漏斗，線上曝光後，客戶在瀏覽所發布的內容時，被層層過濾和篩選，沒有需求的、與目標客群不符的都會離開，直到意向客戶的預約。

03、客戶瀏覽來源分析

互聯網營銷要在線上的各個渠道曝光，建立線上營銷矩陣，官網、APP、公眾號、小程序、朋友圈等等，哪個渠道的推廣效果好，客戶瀏覽多，對後期的投放具有非常重要的指導意義，更好的發揮自身的優勢，同時彌補短板。

互聯網運營是個循序漸進的過程，大數據分析可以幫助你加快和不斷完善這個過程。我們來看看中移互聯網大數據如何通過大數據技術分析，真正從數據「觸摸」獲得實際價值。

中移互聯網大數據平台-利用數據驅動運營

中移互聯網大數據產品有數通過專業的SDK數據採集，經過大數據平台服務分析，提供專業的運營數據分析、用戶畫像分析、渠道分析、以及自定義事件分析等，實現數據化管理與運營。

幫助企業洞察用戶畫像和行為，根據用戶畫像結合實時用戶數據，精準定位目標用戶，實時了解用戶行為變化，從中發現用戶需求的改變，及時調整運營策略，降低業務推廣成本，實現效益最大化。

幫助企業隨時掌握各項數據，包括應用分析和網頁分析（含H5），提供全面准確的運營分析、用戶分析、渠道分析等系列服務，並輸出相應的數據報表。完美的解決了企業無法獲取應用或網頁運營分析數據、無法分析渠道投放效果、無法統計應用收入情況等疑難問題。

5. 什麼是數據驅動

通過採集數據（這里的數據必須滿足大、全、細、時），將數據進行組織形成信息流，在做決策或者產品、運營等優化時，根據不同需求對信息流進行提煉總結，從而在數據的支撐下或者指導下進行科學的行動叫做數據驅動。

控制資料：

分類

1、按性質分為

①定位的，如各種坐標數據；

②定性的，如表示事物屬性的數據（居民地、河流、道路等）；

③定量的，反映事物數量特徵的數據，如長度、面積、體積等幾何量或重量、速度等物理量；

④定時的，反映事物時間特性的數據，如年、月、日、時、分、秒等。

2、按表現形式分為

①數字數據，如各種統計或量測數據。數字數據在某個區間內是離散的值 ；

②模擬數據，由連續函數組成，是指在某個區間連續變化的物理量，又可以分為圖形數據（如點、線、面）、符號數據、文字數據和圖像數據等，如聲音的大小和溫度的變化等。

3、按記錄方式分為

地圖、表格、影像、磁帶、紙帶。按數字化方式分為矢量數據、格網數據等。在地理信息系統中，數據的選擇、類型、數量、採集方法、詳細程度、可信度等，取決於系統應用目標、功能、結構和數據處理、管理與分析的要求。

參考資料來源：網路-數據

6. 微信運營該怎麼用數據分析來驅動

微信運營數據分析主要集中於：用戶分析、圖文分析、流量分析、菜單分析、活動分析。

1. 用戶分析主要包含用戶增長（包括關注、取關、累計人數等）、用戶屬性（後台的數據包括性別、省份等信息）。

2. 圖文分析：主要包含主要圖文頁閱讀、原文頁閱讀、互動數據（分享、轉發、評論、收藏等)。

3. 流量分析：主要是用戶通過什麼渠道關注公眾號的（主要可以輔助你了解怎麼去推廣你的公眾號）、閱讀圖文的流量都來自哪些渠道。

4. 菜單分析：一般公眾號菜單都設置了網站、平台需要突出的內容，需要展示給用戶看的內容，所以菜單的點擊情況也顯得很重要。

5. 活動分析：要了解活動單條的閱讀量、曝光量、互動等數據，並和平日的平均閱讀量、曝光量、互動等數據做個對比；

   以下是我自己之前做的一些圖表分析，樓主可以看看~（希望可以採納）

   
   

6. 

   以上圖片均來自BDP個人版~