数据的重要性已经被越来越多的公司、个人所熟知与接受。面对竞争日益激烈、利润微薄的电商行业，精细化运营注定成为最后的稻草。如何利用数据进行更加有效的针对性分析并实际运用呢？笔者经过三年时间，从一个小数据专员，成长为一个数据运营经理，今天就以自身经验并结合所在的大家电领域浅谈一下电商企业如何利用数据驱动运营，提高运营效率。下面从开展数据化运营、数据化运营的分析框架和团队沟通配合三个方面进行详细阐述。
一、开展数据化运营的两种方式及其差异
谈到如何开展数据化运营这个问题，这点也很大程度上决定了数据部门组织架构的形式。目前来说，我了解的大致有两类，一种是从运营端发起，通过数据分析，进行运营策略，方向，目标制定等支持。另一种是从数据端发起，为运营提供“新”方向，从而制定运营策略。这两者的差异也是两个岗位思维模式的差异，前者更多的是有了运营方案或者策略就去寻找数据支持。举个例子，就是做了一场活动，其中可能有一两个运营动作是初次想到，然后想通过数据证明一下这个动作是否有效，以便下次做活动还能继续使用。而后者往往不会太过针对一个指标，更会关注最终的商业目标，或者可以说是更会有全局思考。因为相对来说，数据部门不会背太大比重的店铺KPI考核，经常需要站得更高的角度去做分析。因此前者往往数据是需要和运营保持紧密沟通，需要知道动作执行的具体节点，设定合理的A/B测试，才能更科学的对数据进行分析，反馈结果，后者偏向于全面了解各个岗位的工作特点和业务流对应的数据流变化，更加合理的输出整体性建议。具体选哪一种需要结合公司的方向以及价值的体现，无论哪一种都是需要数据人员理解运营，和运营团队保持紧密沟通的。
二、建立接地气的分析框架
事实上现在关于如何构建数据化运营分析框架的文章特别多，但是基本都是大而全。然而实现起来需要大量的人力，而且未必能够让公司的投入产出达到最优。构建框架大体分为个步骤：
①了解自己所在的行业以及公司的业务背景：
在构建分析框架前，首先需要了解自己所在的行业以及公司的业务背景。建议通过专业的行业分析报告来了解自己在行 业所属的产业链层级。
②熟悉公司业务部门架构
在了解了大环境后，需要数据岗位熟悉公司业务部门架构，确定部门各岗位职能，以及与其他部门间的关系，最好和一些关键的岗位进行深入沟通，从而帮助我们了解到业务部门可能的诉求以及一些操作建议的局限性。
③整理需求，建立框架
有了前面的基础工作，我们就可以开始整理业务诉求，梳理业务流程了。首先我们需要了解清楚需求背后真正的含义和策略，判定是否存在重复需求，判定需求实现的难度以及不可控因素。然后分析部门的市场计划或运营计划中的各个环节，找出其中可以产生数据的地方，并尝试用数据流去和业务流建立联系，整理好方便后续搭建指标体系。最后我们需要规范统计口径，制定业务规范，确认不同对象所需要的数据格式，确认可采集的数据时效区间等等。
通过这三步，最终化零为整，打通业务链，数据整合。有条件的甚至可以建立自己的BI系统，利用系统根据预定义业务规则，主动发现业务问题和风险，并提供建议的个性化智能解决方案。
下面这个简单的框架是我针对我们公司作为TP服务商所做的，仅供参考。
三、规定效率的沟通机制
如果说一个好的分析框架是一列火车，那么良好的沟通机制就是让这列火车能够稳定运行的轴承。很多公司的数据人员其实是没有太多实操的机会，但是需要提供更加严谨科学的分析思路以及结论建议，这就需要数据人员在沟通的过程中去不断学习归纳总结。
简单说一下我们公司的沟通框架，仅供参考。如下表图标所示，在这个过程中，业务部门经验的分享有助于提升数据分析师对该报告框架的搭建和业务流的认知，数据的反馈评估以及需求的再次形成则是使此次分析形成一个闭环，沉淀有用的意见作为下次分析的经验，同时对于新需求的研究也助于更深入了解业务。
由图标可见，数据化运营最核心的是理解业务，确定最能实现价值的分析方向，搭建更加效率的分析体系，从而让数据化运营也能成为企业竞争力的一环。综合来看，从开展数据化运营、数据化运营的分析框架和团队沟通配合三个方面入手并优化，相信数据分析者一定可以在电商实践中受益匪浅，真正做到数据化精细运营。
文章来源：新七天电商视野焦点
【转载说明】 若上述素材出现侵权，请及时联系我们删除及进行处理：8088013@qq.com
