【干货】如何从0到1用数据驱动产品和运营?(5)

第三点，就是说全流程，就是我们期望任何一个企业，其实你都是一系列的环节，你的工作都可以总结为一个流程，比如就拿我们神策数据来说，我们就是前面有市场，去吸引潜在的客户，有销售去做转化，转化之后，我们有交付团队去做交付，后面有客户成功，然后保证客户去用好，它就是一个流程的过程，那我们就需要考虑的是，这个过程各个环节，我们能不能通过数据去帮到你，然后真的让你这一块的业务变得更加的好，这就是说这个数据一个全流程，全决策，全渠道，去实现数据驱动。

但是在实际过程中，在我们真正去做的时候，问题就非常多了，比如说，你只有宏观的数据，然后我们看一些整体的情况，但是等到比如昨天，我们活跃用户数跌了20%，你又会想查，这20%到底是怎么跌下来的，那你就要去看一些细的例子的数据，比如我们按照渠道拆开，按照地域拆开，去看这些数据，但是这个时候如果你没办法去看一些精细化的数据，那你就没办法去决定到底这个问题出在哪里。也有可能是，你不同的部门，市场部门掌握了一部分数据，然后销售部门掌握了一部分数据，或者产品团队掌握了一部分数据，等到你想用的时候，要跟各个部门打交道，去审批数据的权限，等审批到了之后，又发现这个数据ID又没有打通，我们又没办法把这些数据真正的关联到一起去使用，这些都是实实在在的问题，就是它真正在一个企业去落地的时候，挑战还是非常大的。

就像我自己，我在2015年，最早考虑创业，我觉得我未来要去把中国的数据底子打好，去重构中国互联网的数据根基，经过这三年的努力，如果说开始的时候我觉得离目标有十万里，现在我觉得有十万八千里，就是真正接触下来之后，发现其实这个数据底子比我想的其实要更差一些。然后大家的数据意识呢，还是要更弱一些，这里我们要做的工作就更加多了。

那理想状态是什么？理想状态我总结就是说，真正的自助式的数据分析，就是让业务人员真正去掌握数据，不是说好一个公司里面，老板想看数据的时候，由工程师帮你跑数据，然后其他一个产品经理，运营经理想看数据的时候，就没数据了，或者提了数据之后，过一个月才给他这个结果，你说这个效率是怎么样的。

更好的情况是，我们一个公司里面，业务人员各个角色，大家想用数据的时候，都能够去进行交互式、自助式的就去完成这些事情，那这个效率就要高很多了。

那这个常见的一种模式，我就把它归结为是需求驱动，往往是有人提出来数据分析的需求，有工程师，从杂乱的数据里面想办法去满足需求，然后整个交互过程，整个周期可能花几天、几周才能满足一个需求。

更理想的状态就是我们反着来，就是我们先要有数据基础，应该把数据底子怎么更全更细的做好，去采集好，然后在这个基础上，提出自助式的分析平台，之后让业务人员可以自助式的去完成这些数据分析的事情，从一个几天去满足一个需求，变成几分钟，几秒钟去满足需求，那这个效率就高很多了。

我觉得互联网思维最核心的就是迭代，不是说你做一个东西别人做不到，而是说你比别人迭代的快，就是这个手机，比如现在智能手机，大家会觉得，好像再往前发展，没啥发展了，它发展到一定程度确实会那样，就笔记本电脑，到底发展到哪一步，下一步会是怎么样的。它一种技术发展到一定程度，会进入一个理想状态。

其实整个过程拼的就是谁更快的到那个理想状态去了。人家苹果就是比你安卓的许多手机就是更快一些，那它就能收割，就是在一路迭代的过程中，他能卖五千，你只能卖两千，所以在这个过程里面，那迭代速度快与慢，那就是取决于你整个决策过程，决策的速度是不是够快，整个在产品开发，在做运营活动，这个环节里面，是不是通过这些数据，让你比别人更精确的很快找到下一步该是什么。而不是说花了六个月踩了一个坑，然后又花三个月，又从坑里面爬出来，那你这个速度从哪里来。这里面就是我们通过这种数据驱动的方式，让你效率变得更加高。

前面讲了数据分析的价值，还有我们现在存在的问题，接下来，我们看真正的数据分析，它有哪几个环节，简单来看，数据分析就两个环节，数据采集，数据分析，实际真正在去做数据分析的业务，其实我们会把它进一步去划分，可以划分成四个环节。

第一个环节就是数据采集，我们要把数据搜集上来；第二个环节，就是说我们要对数据建模，你不能说收集过来，就一个仓库，杂乱的把他们都丢进去，等到你用这个数据的时候，发现你找不到这个数据，你想要的东西拿不出来，这个也不行，所以这个时候，我们要对数据进行组织，我们要把它规范好，然后我也方便后面去用；第三个环节就是各种数据分析方法，围绕我们做数据分析的时候，围绕比如说漏斗分析，流程分析，围绕拉新客户，围绕流程客户，围绕其他的运营事情，我们通过数据分析去帮到你，这样的方法可能说有各种各样的。再往上一层就是指标，就是一些数据指标。比如对国家来说GDP就是一个数据指标，我们不能每天都要从源头去看看数据一条一条的剥离一下，看看问题在那儿，这个效率太低了。