亚马逊|数字化运营是什么？

1.现有数据
数字经营首先要有数据，有数据并非简单地要采集到数据库中，而是一个复杂的过程。在“数据驱动：从方法到实践”这本书中，神策数据创始人和 CEO桑文锋曾经提到过大数据有四个特点：大、全、细、时。
“大”强调大数据宏观“大” ，而不是一味追求数据量的“大” ，需要从系统的观点来考虑数据采集。
\"全部\"指全量数据，而不是抽样或只是环节数据，强调多源数据，包括前部、后端、日志、数据库等，不建立数据孤岛。
精细数据强调多维数据，包括事件、商品的各种维度、属性、域等等。例如，用户看到的商品属于什么类别，怎样的价格，原价和折价等。
时间强调实时性，即实时性数据采集价值和实时数据分析的价值。

可获取性原则是强调从需求出发，首先将应用场景进行梳理，然后梳理相应的指标体系，最后做数据采集。大致可以分为两个步骤：
首先，进行深入需求调研，总结数据应用场景和指标分析体系。
最佳应用模式是管理层战略规划与一线业务人员需求调研，总结项目整体目标、数据运营困境、数据需求场景，形成有针对性的数据需求场景并基于此规划指标体系。下面的图表为神策数据为客户梳理的数据采集模板。
其次，根据需求场景，设计出数据采集方案。
根据需求场景和指标体系，设计了数据采集方案，明确了数据采集的内容，数据导入的内容和数据贯通的方案。将用户身份 ID打通，实现用户的全渠道行为追踪。
2.看资料
查看数据强调所有业务人员都能看到他们所需的数据，并执行一些可视数据分析。例如，可以根据使用场景分为主题指标看板、视觉分析模型、用户标签的可视化等。
话题指数看板，提供了全行业务的大盘指标看板，覆盖了整个部门的主要指标。与此同时，提供细分主题指数看板，显示某个功能或业务线的关键指标。
可视化分析模型，业务人员可以每天进行自助查询，创建标签。当运营人员没有按地区、版本、型号等进行查看时，依靠第三方的数据部门的支持，长此以往，数据的时效性无法保证，数据部门的人力资源将面临瓶颈。
由于用户标识的可视化，由于业务线的发展节奏非常快，每个活动或每个业务调整都会与标签相关。若可直接对标签进行自主查看、制作和迭代，与后端技术和数据部门人员建设相比，将大大提高运营效率和效果。
3.资料分析
分析场景的构建以数据驱动业务为目标，根据数据洞察指导业务迭代，实践数据深入应用于各个业务场景。一般而言，可以包括四个步骤：一是场景指标体系的建立，二是分析报告的撰写，三是报告的 workshop ，四是分析方法沉淀。数据需求和采集计划：根据场景主题，设计指标体系，对缺失数据进行补充，优化不可用数据。
分析性诊断报告：结合数据的实际表现和业务特点，分析诊断当前业务运行状况，总结数据洞察，提供业务优化建议。
以 workshop的形式向业务线人员交付分析报告，由业务人员根据报告建议进行业务迭代或产品改版，并对效果进行数据评估。
分析性方法沉淀：基于分析报告，输出较通用的分析思想方法和实施规范，形成行内数据分知识沉淀，便于内部重用。
此四步可应用于业务诊断与成长模型、新客绑卡&激活率、老客业务提升、功能价值评估、流量分配效果等。