数据运营有哪些技能？怎样构建数据运营体系？

在我18年的互联网行业工作经验中，大部分时间的工作是数据操作。从QQ秀到YY语音，再到雷霆，我经历了产品数据操作的过程优化、平台建设、分析和应用，以及数据操作在产品增长中的重要作用。许多人对数据操作的理解仅限于数据统计、原因分析等，事实上，这些只是数据操作工作的一小部分，数据最终服务于产品，数据操作，重点是操作，数据是载体。什么是数据操作？个人理解是：促进团队明确产品目标，定义产品数据指标，创建数据报告渠道和规则流程，有效促进数据需求的实现，观察产品数据，做好数据预警工作，分析数据变化的原因，根据分析结果迭代和操作产品，为产品决策提供依据，用数据推动产品和组织的增长，实现组织目标。一般来说，数据操作解决了以下五个问题：1。我们该怎么办？——目标数据制定；2.现状是什么？——产业分析，产品数据报表输出；3.数据变化的原因？——数据预警，数据变化原因分析；4.未来会发生什么？——数据预测；5.我们该怎么办？——产品应用决策和数据。大致梳理了数据操作需要掌握的技能：以上技能概念，事实上，最基本的是学习统计，然后深入业务实践，掌握分析工具，如最常用的Excel，然后学习更多的数据挖掘工具，个人使用SPSS。SPSS功能包括数据管理、统计分析、图表分析、输出管理等。SPSS统计分析过程包括描述性统计、平均比较、一般线性模型、相关分析、回归分析、数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等。学习工具并不难，学习统计学很重要，知道不同场景选择什么分析方法，如何解释和应用分析结果。后来，我整理了企业数据运营体系建设的层次图：如何构建完整的产品数据运营体系？我根据自己的工作实践经验进行了梳理和总结，整个过程可分为以下11个步骤供您参考。第一步是制定产品目标，这是数据运营的起点，也是产品上线后评估的标准，从而形成闭环。根据业务发展、行业发展、竞争产品分析、往年产品发展趋势、产品转型规律等综合计算，制定目标绝不能拍脑袋。用SMART原则来衡量目标的制定。1.S代表具体(Specific)指工作指标要具体评价，不能笼统。例如，我们设定了YY语音基本体验的产品目标。如果是为了改善产品体验，那就不够具体，每个人的理解都不一致。当时，我们的基本产品目标是改善第二天新用户的保留，这是非常具体的。2.M代表可测量(Measurable)是指数量化或行为化的绩效指标，可以获得验证这些绩效指标的数据或信息；为了提高第二天新用户的保留率，需要给出具体的值。3.A代表可以实现(Attainable)指绩效指标可以在努力工作时实现，避免设定过高或过低的目标；新注册用户的第二天保留率不是通过拍脑袋获得的。当时，我们根据YY新用户第二天保留率的历史数据和游戏用户新注册用户保留率的行业参考值制定了相对具有挑战性的目标，第二天新注册用户的留存率从25%提高到35%。4.R代表相关性(Relevant)它与工作的其他目标有关；绩效指标与自己的工作有关；新用户的第二天保留率与用户行为密切相关，如用户对语音工具的认可、用户对YY平台的内容偏好等，因此新用户的第二天保留与产品性能和内容受欢迎程度密切相关。5.T代表时限(Time-bound)注意完成目标的具体期限。5.T代表时限(Time-bound)注意完成目标的具体期限。产品目标可以这样制定:2013年12月31日前，YY语音新注册用户第二天的留存率将从25%提高到35%。第二天新用户留存率的提高，意味着更多用户的活跃转化，带动整个用户活跃数量的增长。这里需要注意的是，我们需要洞察目标背后的本质，而不仅仅是数据理论。例如，如果我只看保留率的数据变化，很容易实现我提高YY语音新注册用户保留率的项目。我记得我用的一种方法是用户分类，不同的渠道，不同的行为用户分类，发现一些垃圾新用户大大影响整体保留数据，许多用户是机器注册，而不是真正的用户，消除这部分用户，保留数据要高得多，但这不能说，我们完成了任务。因为在这个目标背后，实际上需要获得活跃用户的增长，新用户保留率，只是一个数据，所以不仅可以看到新用户保留率这个单一指标，必须从增加新用户注册、有效用户保留、用户活动、支付转换等指标来衡量工作价值。第二步，根据上述目标定义产品数据指标，我们需要考虑数据指标和挨家挨户的案例。我们给出的目标是新用户保留率，做好新用户保留率。我们需要判断数据指标的实现是否真的促进了整个产品活跃用户的增长。产品数据指标是反映产品健康发展的具体值。我们需要明确定义数据指标，包括数据报告方法、计算公式等。例如，上述第二天的保留率可以定义为：第二天的保留率是一个比率，分母是当天新注册的YY账户数量，并在当天登录YY客户端。分子是第二天在分母中再次登录YY客户端的YY账户数量。注意这里的细节。第一天和第二天需要一个明确的时间点，比如0:00到24:00，计算为一天；问题是，一个新用户在第一天23:00注册并登录YY客户端，并在第二天凌晨1:00离线；根据上述定义，用户可能不会被记录为第二天保留用户，因为没有明确定义数据报告的细节。定义是第二天再次登录YY客户端。上述案例的用户第二天没有登录，但他确实是连续两天登录的用户。所以对于这个定义，需要补充细节：用户登录状态，如果是5分钟的心跳包报告，那么新用户可以报告第二天的登录状态用户，如果在0点5分之前离线，持续到第二天24点，仍然没有登录状态，那么就不会被记录为保留用户。我们根据产品目标选择数据指标，如网页产品，经常使用PV、UV、崩溃率，人均PV、产品测量停留时间等数据。产品指标体系的定义需要产品、开发等团队达成共识。数据指标的定义清晰，有证据可查，不会造成对数据解释的理解差异。在不同的生命周期中，产品将关注不同的数据指标。下表大致列出了各个阶段需要关注的一些指标。除了常见的用户指标和收入指标外，我们还必须关注技术性能指标。好的数据指标有五个要点可供参考:(1)能够反映用户需求的满足、产品的核心价值和发展趋势。这些指标变得更好，表明公司正朝着更好的方向发展。(2)好的数据指标是可比的。比较用户群体和竞争产品在不同时间段的表现，可以更好地了解产品的实际走向。(3)易懂可控。易于理解和记忆，便于统计。(4)好的数据指标大多是一个比例。(5)指标随业务进化。不同阶段的关键指标应随业务的变化而变化。第三步，在数据指标提出的基础上，构建产品数据指标体系，按照产品逻辑对指标进行总结整理，使其有序化。新用户的第二天保留率是我们定制的核心目标，但事实上，仅仅看第二天的保留率是不够的。我们还需要全面调查影响用户保留率的各种因素，以便更准确地了解产品的健康发展。如图1所示，它是一种常用的指标系统，包括：新用户、活跃用户、付费等数据。当我们制作YY语音客户端产品时，图1互联网产品常用数据指标系统将使用以下指标系统，包括：账户系统、关系链数据、状态感知数据、沟通能力等四个方面。具体指标有：朋友数量分布、观看频道节目时间、IM聊天时间、个人状态切换时间等，如图2所示：图2IM即时通信产品数据指标系统第四步，提出产品数据需求产品指标系统不是一夜之间建立的，产品经理根据不同阶段的产品开发，注重数据需求，一般公司将有产品需求文档模板，方便产品和数据报告开发、数据平台等部门同事沟通，进行数据建设。对于初创中小企业来说，对产品数据的需求可能是1-2人，但也建议建立数据文档，如数据指标的定义、数据计算逻辑等。对于初创中小企业来说，对产品数据的需求可能是1-2人，但也建议建立数据文档，如数据指标的定义、数据计算逻辑等。图3是我在YY语音客户端团队中建立的基本产品数据需求实现过程。事实上，大多数时候，我们不需要这样一个数据需求过程，但当时我们刚刚开始标准化数据需求，数据需求评估过程，也是一个培训过程，让更多的同事有数据意识，以后，数据需求集成到产品需求过程中。图3YY业务部基本产品数据需求实现流程图（实施）常见数据报告需求，有两种类型：1。标准协议报告，如按钮点击报告；2。定制协议报告。（1）标准协议报告数据需求示例表1标准协议报告数据需求示例模板（2）自定义协议报告数据需求示例表2自定义协议报告数据需求示例模板注册名称：YY业务部门-基本产品组-游戏直播日报。第五步是根据产品经理的数据需求和数据报告规范完成报告开发，并向数据服务器报告数据。数据报告的关键是数据报告渠道的建设。事实证明，在腾讯工作时，它并没有意识到这个链接的困难，因为数据平台部门已经建立了一个完整的数据渠道，开发可以使用统一的数据SDK按照一定的规则进行数据报告。后来在YY，属于发展型公司，就是从上报通道开始建设，也给了我更多的锻炼提升机会。其中一个关键环节是数据报告测试，由于该环节的测试资源不到位，造成了不必要的麻烦。许多初创公司没有自己的数据平台，可以使用第三方数据平台：网络产品，可以使用百度统计（tongji.baidu.com）；移动产品可以使用友盟(www.umeng.com)、TalkingData(www.talkingdata.com)等平台。例如，下表是页面流量数据上报的发送函数send_web_pv，源于迅雷哈勃数据平台规范。表3页流量数据报告的发送函数send_web_pv下表是APP数据上报直播的埋点示例。(数据埋点是在功能逻辑中添加统计逻辑)。表4某直播APP数据报告示例目前也有无埋点的数据报告方式，见本文《揭开GrowingIO无埋点的神秘面纱》。第六步到第八步，数据收集和访问、存储、调度和操作的每一步都是一个知识，如数据收集涉及接口创建、数据字段的扩展、ETL数据清理过程、客户端数据报告的正确性验证等。；数据存储、调度和操作是大数据时代一项具有挑战性的技术工作。1.ETL是英文Extract-Transform-Load的缩写用于描述从源端提取数据（extract）、转换（transform）、加载（load）到目的端的过程。ETL一词常用于数据仓库，但其对象不限于数据仓库。ETL是构建数据仓库的重要组成部分。用户从数据源中提取所需的数据，最终根据预定义的数据仓库模型将数据加载到数据仓库中。下图是产品数据系统的常见流程图，通常在图中的数据中心完成数据采集、存储和操作。图4数据系统流程确认数据报告后，下一件事更加技术化。首先，如何收集和存储需要报告的数据到我们的数据中心。数据采集分为两个步骤。第一步是从业务系统向服务器报告。这部分主要是通过cgi或后台server，通过统一logapi调用后，在logserver中总结原始流水数据的存储。当这部分数据量较大时，需要考虑使用分布式文件存储，外部常用的分布式文件存储主要是HDFS。这里就不细说了。图5将原始数据报告并存储到文件的架构图数据存储到文件中后，第二步进入ETL链接。ETL是指通过提取（extract）、转换（transform）、加载（load）根据分析的需要和数据纬度，从文本中清洗日志，然后存储在数据仓库中。以腾讯为例：腾讯大数据平台目前主要从离线和实时两个方向支持大量数据的访问和处理，其核心系统包括TDW、TRC和TDbank。图6腾讯数据平台系统腾讯数据平台的数据收集、分发、预处理和管理是通过TDBank平台实现的。整个平台主要解决数据收集和处理量大、实时、多样化的问题。访问和存储的问题是通过数据接入层、处理层和存储层来统一解决的。(1)接入层可以支持不同格式的业务数据和数据源，包括不同的DB、文件格式、新闻数据等。数据接入层将收集到的各种数据统一为内部数据协议，便于后续数据处理系统的使用。(2)下一个处理层以插件的形式支持多种形式的数据预处理过程。对于离线系统来说，实时采集是一个重要的功能