如何用数据驱动产品和运营--数据驱动

zhibo

对于数据驱动这一点，可能有些人从没有看数的习惯到了看数的习惯那是一大进步，是不是能看几个数这就叫数据驱动了呢？这还远远不够，这里来说一下什么是数据驱动？或者现有的创业公司在进行数据驱动这件事情上存在的一些问题。

一种情况大家在公司里面有一个数据工程师，他的工作职责就是跑数据。

不管是市场也好，产品也好，运营也好，老板也好，大家都会有各种各样的数据需求，但都会提给他。然而，这个资源也是有限的，他的工作时间也是有限的，只能一个一个需求去处理，他本身工作很忙，大家提的需求之后可能并不会马上就处理，可能需要等待一段时间。即使处理了这个需求，一方面他可能数据准备的不全，他需要去采集一些数据，或做一些升级，他要把数据拿过来。拿过来之后又在这个数据上进行一些分析，这个过程本身可能两三天时间就过去了，如果加上等待的时间更长。

对于有些人来说，这个等待周期太长，整个时机可能就错过了。比如，你重要的就是考察一个节日或者一个开学这样一个时间点，然后想搞一些运营相关的事情，这个时机可能就错过去了，许多人等不到了，有些同学可能就干脆还是拍脑袋，就不等待这个数据了。这个过程其实就是说效率是非常低的，并不是说拿不到这个数据，而是说效率低的情况下我们错过了很多机会。

对于还有一些公司来说，之前可能连个数都没有，现在有了一个仪表盘，有了仪表盘可以看到公司上个季度、昨天总体的这些数据，还是很不错的。

对老板来说肯定还是比较高兴，但是，对于市场、运营这些同学来说可能就还不够。
比如，我们发现某一天的用户量跌了20%，这个时候肯定不能放着不管，需要查一查这个问题出在哪。这个时候，只看一个宏观的数那是远远不够的，我们一般要对这个数据进行切分，按地域、按渠道，按不同的方式去追查，看到底是哪少了，是整体少了，还是某一个特殊的渠道独特的地方它这个数据少了，这个时候单单靠一个仪表盘是不够的。

理想状态的数据驱动应该是怎么样的？就是一个自助式的数据分析，让业务人员每一个人都能自己去进行数据分析，掌握这个数据。

前面我讲到一个模式，我们源头是一堆杂乱的数据，中间有一个工程师用来跑这个数据，然后右边是接各种业务同学提了需求，然后排队等待被处理，这种方式效率是非常低的。理想状态来说，我们现象大数据源本身整好，整全整细了，中间提供强大的分析工具，让每一个业务员都能直接进行操作，大家并发的去做一些业务上的数据需求，这个效率就要高非常多。