1
数据思维我们经常会被问到：我有多少多少数据，要怎么用？先不说有多少数据，数据多不代表有用。我们需要先回答:什么数据才是有用的数据？这些数据是不是根据业务需求倒推而来的，是具体解决哪些业务问题的？另一个要回答的是，我们要如何看待与应用这些数据。什么样的数据才是有用的数据？如果是做业务流程优化，那业务流程上每个环节是不是有做数据监测，比如一个电商小程序，用户从浏览商品到加购到下单付款等环节，只有每个环节都监测到了，我们才能知道流失环节在哪，不同广告来的用户的流失率有什么区别，然后才能定位是环节设计有问题还是广告有问题。否则会出现我们经常看到的，需要做分析的时候没有可用的数据。如果是做用户运营，那我们不但要拿到用户ID数据，还要拿到核心交互的数据，我们才能知道用户真实的需求是什么，然后有的放矢的运营。所以，我们需要清晰地知道我们要解决什么业务问题，把业务问题分解到不同的数据上（环节数据、指标数据等），然后再看我们是否能够获取到这些数据从而加以利用。如何看待与应用数据除了会拆解，那还有哪些方面需要考虑？总结来说是要知道如何定义数据问题和数据含义、具备分析数据的基本能力。看到一个数据，如果北京的离婚率60%（瞎说的），很高啊！是高是低的判断依据是什么？不是数值小就低，数值大就高。这个数据和去年对比是涨是跌？和其他省份比是高了还是低了？所以说高低，要有参照对比才能下结论。
看到任何数据，不要着急下定论，先明确它们的含义（计算公式或定义），我们经常看到两个人对着一个数据在争论，到最后发现他们聊得不是一回事。比如同样叫转化率，转化的定义是什么？分母是访问次数还是人数？同样叫DAU（日活用户数），活跃的定义是打开小程序，还是在小程序上点击的特定的按钮？等等
通过细分方法快速定位问题的能力。如果发现用户数量急剧下降，通过不同维度的拆分，发现是个别渠道还是地域的用户数在下降。即使整体数据正常，也需要通过细分拆解不同维度的数据，看看是否数据平稳。
2
数据工具与应用我们需要了解工具（技术）的基本逻辑和原理。工具本质上把我们日常工作里能够标准化的流程给予固化，以提升工作效率。很多我们觉得很繁琐难做到的事情，可能在工具里可以轻易实现，比如报表，以往我们在Excel表里把数据整来整取，各种公式计算做成报表，其实这些报告里很多是按照固定流程计算出来的，如果用可视化工具把流程固定好，直接导入数据就可以看到报告了，这样为数据分析提升了效率。如果我们想知道不同端口广告转化率数据的高低以及可提升的地方，那我们就在Googledatastudio上按照转化率的流程拆解出广告点击率、到达率和交易转化率三个大环节，只要数据导入就可以直接定位出不同广告来源在不同环节上的数据表现，快速找到问题。tips：数据可视化，数据报告+分析思路固定化，快速定位问题Googledatastudio报告示例：转化流失点快速定位如果我们想让不同的搜索广告进入到不同的着陆页，以往我们会在不同的单元或者关键字对应不同的着陆页链接，但是这样的工作量会很大，特别是精细化运营的账户。除此之外我们也可以找到工具或者让技术同事将判断条件设置好，比如根据来源参数、竞价系统回传的关键字、访问的时段、地理位置、终端信息等，将条件设置好后对应的需要变动着陆页的模块、文案素材等，这样可以为精细化运营提升效率。示例：自动实现不同类型关键词对应不同着陆页但是我们时常对工具和技术也存在误会。比如用户数据打通。我们总会听到有供应商说工具可以帮你做数据打通，但是他没告诉你限制条件是什么，而且需要配合上多少的运营工作才能实现。再比如我们认为媒体给的用户画像是真实的用户画像数据，但当你拿到另一个媒体用户画像数据的时候，你发现对不上了，两边媒体给的年龄段分布不一样，兴趣点不一样，甚至性别比例都相去甚远，那到底谁的才是正确的？因为不同媒体的数据侧重点不一样，比如阿里的电商交易类数据是强项，腾讯用户的社交类数据是强项，他们对用户数据的计算逻辑也不一样，所以没有必要拿这些数据做对比，只需要把这些数据应用回对应的平台就行。再举个例子，我们认为上了工具就能监测到小程序的数据，是的，我们能监测到大部分我们想要监测的数据，但也分情况，常规的数据好监测，比如浏览量、访问量、日活月活等，一段代码就搞定了。但是对于用户特殊交互的数据就需要额外部署代码进行事件监测（监测文章可参考《小程序用户行为数据监测与分析以及案例分享》），那事件监测的方案又有很多种，各有利弊，可参照下图，在实际应用中还要结合自身业务来使用。所以，我们需要对我们工作中涉及到的工具有一定的了解，所有的都精通太难了，但是在基本逻辑和原理上是要了解清楚的。下图是我们实际工作中可能会遇到的业务模块和相应的数据工具，供大家参考。3
数据生态规划数据规划是个大话题，上到组织架构调整，下到工具规划、部门协作等。这里仅从业务角度进行说明，我们需要把营销会涉及到的业务模块规划出来。数据生态规划分为两大部分：业务规划和数据规划。首先要梳理的逻辑：从数据输入到数据整合再到数据输出。有哪些数据输入？广告投放数据、消费者触点数据、交易数据、会员数据等等。有哪些是通过接口传输，哪些是需要部署代码进行监测，哪些数据是无法输入的......数据如何做整合？我们选择打通数据的ID是什么，不同触点数据的用户标签体系搭建是否有一套统一的规划......数据应用输出有哪些？个性化推荐、营销自动化流程设计、转化流程优化、用户分群......要回答上面这三个问题，我们先看看业务上如何规划。业务规划我们会发现，这是个工作量巨大且复杂的工程。但也得一点一点啃下来，各个击破。其中一个重要和成熟的模块是