本文將企業(yè)大數(shù)據(jù)體系的構(gòu)建分為六個層級，但并非是線性過程，每個層級之間或有基礎(chǔ)關(guān)系，但并不是說一定要逐層構(gòu)建。例如創(chuàng)業(yè)型公司，在缺乏數(shù)據(jù)研發(fā)實力的時候，多數(shù)會借助第三方平臺進行數(shù)據(jù)上報與分析。

下面一張圖，是本文的精華概括，后面一一展開與大家探討。

一、數(shù)據(jù)基礎(chǔ)平臺

基礎(chǔ)的數(shù)據(jù)平臺建設(shè)工作，包含數(shù)據(jù)平臺建設(shè)，數(shù)據(jù)規(guī)范，數(shù)據(jù)倉庫、產(chǎn)品數(shù)據(jù)規(guī)范，產(chǎn)品ID，用戶ID，統(tǒng)一SDK等。

很多公司的數(shù)據(jù)無法有效利用，就是缺乏統(tǒng)一規(guī)范，產(chǎn)品數(shù)據(jù)上報任由開發(fā)按照自己的理解和習(xí)慣上報，沒有標(biāo)準(zhǔn)化的SDK和上報協(xié)議，并且數(shù)據(jù)散落在各個部門產(chǎn)品的服務(wù)器，無法構(gòu)建結(jié)構(gòu)化的數(shù)據(jù)倉庫。

做數(shù)據(jù)平臺的架構(gòu)，很多人會理解為高大上的技術(shù)活，其實整個數(shù)據(jù)平臺價值的體現(xiàn)，需要公司各個部門的配合，例如關(guān)鍵數(shù)據(jù)指標(biāo)體系的建立，需要從各個部門業(yè)務(wù)指標(biāo)進行提煉，并得到業(yè)務(wù)部門認可。常見的關(guān)鍵指標(biāo)有：DAU、PCU、WAU、MAU、按天留存率(1-30日留存)、累計留存率（7日、14日、30日累計留存率），新增用戶，有效新增用戶，活躍轉(zhuǎn)化率，付費轉(zhuǎn)化率，收入指標(biāo)，ARPU人均收入，渠道效果數(shù)據(jù)等。

下圖是騰訊和阿里的數(shù)據(jù)平臺架構(gòu)。

阿里大數(shù)據(jù)業(yè)務(wù)架構(gòu)：

阿里云梯分布式計算平臺整體架構(gòu)：

二、數(shù)據(jù)報表與可視化

騰訊數(shù)據(jù)門戶

阿里數(shù)據(jù)地圖

三、產(chǎn)品與運營分析

在建立數(shù)據(jù)平臺和可視化基礎(chǔ)上，對已有的用戶行為、收入數(shù)據(jù)等進行各種分析，輸出日報、周報、月報、各種專題分析報告。常見的數(shù)據(jù)分析工作如下：

1. A/B TEST進行產(chǎn)品分析優(yōu)化；

2. 運用漏斗模型進行用戶觸達分析，如TIPS、廣告等曝光到活躍的轉(zhuǎn)化；

3. 收入效果監(jiān)控與分析，包含付費轉(zhuǎn)化率、渠道效果數(shù)據(jù)等；

4. 業(yè)務(wù)長期健康度分析，例如從用戶流動模型、產(chǎn)品生命周期分析產(chǎn)品成長性和健康度；

5. 營銷推廣活動的實時反饋；
用戶畫像也是常見的數(shù)據(jù)分析方式，包括用戶如性別、年齡、行為、收入、興趣愛好、消費行為、上網(wǎng)行為、渠道偏好、行為喜好、生活軌跡與位置等，反映用戶各種特征，以達到全面的了解用戶，針對性的為用戶提供個性化服務(wù)的目的，通常每半年做一次用戶畫像的專題分析。

下圖是常見的數(shù)據(jù)分析思路：

常用分析工具：EXCLE，SPSS，SAS，Enterprise Miner，Clementine，STATISTICA。個人用的比較多的是：EXCEL和SPSS。

下圖是SPSS常用的數(shù)據(jù)分析與挖掘方法：

四、精細化運營平臺

基于數(shù)據(jù)基礎(chǔ)上搭建的精細化運營平臺，主要的平臺邏輯多數(shù)是進行用戶細分，商品和服務(wù)細分，通過多種推薦算法的組合優(yōu)化進行商品和服務(wù)的個性化推薦。另外還有針對不同產(chǎn)品生命周期，用戶生命周期構(gòu)建的產(chǎn)品數(shù)據(jù)運營體系。

五、數(shù)據(jù)產(chǎn)品

廣義的數(shù)據(jù)產(chǎn)品非常多，例如搜索類，天氣預(yù)報類等等。這里主要講狹義的數(shù)據(jù)產(chǎn)品，以BAT三家公司的數(shù)據(jù)產(chǎn)品為例進行分享。
騰訊：廣點通、信鴿

阿里：數(shù)據(jù)魔方、淘寶情報、淘寶指數(shù)、在云端

百度：百度預(yù)測、百度統(tǒng)計、百度指數(shù)、百度司南、百度精算

截取幾張PPT如下：

六、戰(zhàn)略分析與決策

戰(zhàn)略分析與決策層，更多的是跟很多傳統(tǒng)的戰(zhàn)略分析、經(jīng)營分析層面的方法論相似，***的差異是數(shù)據(jù)來自于大數(shù)據(jù)。

有很多企業(yè)錯誤的把“業(yè)務(wù)運營監(jiān)控層”和“用戶/客戶體驗優(yōu)化層”做的事情放在經(jīng)營分析或者戰(zhàn)略分析層來做。傅志華認為“業(yè)務(wù)運營監(jiān)控層”和“用戶/客戶體驗優(yōu)化層”更多的是通過機器、算法和數(shù)據(jù)產(chǎn)品來實現(xiàn)的，“戰(zhàn)略分析”、“經(jīng)營分析”更多的是人來實現(xiàn)。很多企業(yè)把機器能做的事情交給了人來做，這樣導(dǎo)致發(fā)現(xiàn)問題的效率較低。

建議是，能用機器做的事情盡量用機器來做好“業(yè)務(wù)運營監(jiān)控層”和“用戶/客戶體驗優(yōu)化層”，在此基礎(chǔ)上讓人來做人類更擅長的經(jīng)驗分析和戰(zhàn)略判斷。

在變化極快的互聯(lián)網(wǎng)領(lǐng)域，在業(yè)務(wù)的戰(zhàn)略方向選擇上，數(shù)據(jù)很難預(yù)測業(yè)務(wù)的大發(fā)展方向，如果有人說微信這個大方向是通過數(shù)據(jù)挖掘和分析研究出來，估計產(chǎn)品經(jīng)理們會笑了。從本質(zhì)上來說，數(shù)據(jù)在精細化營銷和運營中能起到比較好的作用，但在產(chǎn)品策劃、廣告創(chuàng)意等創(chuàng)意性的事情上，起到的作用較小。但一旦產(chǎn)品創(chuàng)意出來，就可以通過灰度測試，數(shù)據(jù)驗證效果了。

本文由Blues授權(quán)36大數(shù)據(jù)發(fā)表，并經(jīng)36大數(shù)據(jù)編輯。轉(zhuǎn)載此文章須經(jīng)作者同意，并請附上出處(36大數(shù)據(jù))及本頁鏈接。原文鏈接：http://www.36dsj.com/?p=9390