知识|数据化运营需要什么知识技能？( 二 )

3. 数据获取需要的数据从哪里来，对于流量、行为类的数据必须要先进行埋点，在数据团队经常遇到业务产品找数据PM要数据，到头来却发现都没有埋点。
4. 数据分析利用数据分析方法、数据可视化等方法对采集到的数据进行处理，形成分析报告。
5. 策略建议基于分析结果，发现业务问题或寻找潜在增长点，支撑业务决策、驱动产品流程改进优化。
6. 评估优化分析结论或策略建议在产品或运营端实施后，通过AB测试对比、效果分析，持续优化迭代。
四、数据化运营需要掌握的知识体系1. 数据埋点数据埋点是互联网产品数据分析的根基，想要做好数据化运营，需要清楚埋点的流程、埋点方案选择、数据验证方法。可以查看：《用户行为数据采集：常见埋点方案优劣势对比及选型建议》。
2. 指标体系建设好的指标体系可以直观地反应当前业务经营状况的好坏，并且可以给出可以指导行动的决策建议。数据化运营需要掌握指标体系的构建及管理方法。例如，通过OSM与UJM模型，构建数据化运营指标体系。
3. 数据分析方法除了专业的数据分析岗位外，现在几乎各个岗位都要求具备一定的数据分析技能，产品经理掌握分析方法可以更好的做产品决策，运营具备分析能力，可以更高效的运营。目前市面上数据分析的课程非常多。
4. 用户行为分析过去数据分析以宏观的数据指标为主，例如流量、订单、营收等。随着用户增长理论的发展，对个体行为的洞察分析成了新的方向。通过对用户点击事件、漏斗转化、行为路径、留存分析以及魔法数字分析，找出产品流程上的问题和改进点，从而提升用户转化，促进用户增长。
5. 数据可视化运营数据分析报告、数据分析平台都需要以更直观的方式将分析结果或决策建议输出，指导业务决策。因此，需要了解数据可视化图表的应用原则、可视化产品设计理念，以及常用的可视化工具，如Echart、百度图说，可以查看《数据可视化怎样才有灵魂》。
6. 用户画像标签体系与精细化运营精细化运营离不开用户的分层运营，对用户进行更细粒度的分群，需要掌握用户画像理论、用户画像标签体系建设方法，将业务运营场景抽象成用户标签，利用CDP/DMP平台实现更高效的运营流程。可以查看《CDP、DMP、CRM都是什么，你分得清楚吗？》、《数据中台：从0-1，数据服务平台（DMP）实践》。
7. 算法挖掘应用基于运营经验的规则运营需要和算法能力相结合，才能发挥更大的价值，例如人与商品的精准推荐实现千人千面的个性化产品体验，或者将业务规则抽象成算法特征，利用AI能力预测用户行为意向。可以查看：《数据化运营：算法模型可以取代业务经验吗？》。
五、总结这篇文章主要是想让你对数据化运营有个宏观的认知。了解数据化运营的流程，以及工作过程涉及的知识及技能，可以更有针对性地准备。数据化运营是不断实践和积累的过程，后续也会针对各个方向的知识进行单独篇幅的介绍。
#专栏作家#数据干饭人，微信号公众号：数据干饭人，人人都是产品经理专栏作家。专注数据中台产品领域，覆盖开发套件，数据资产与数据治理，BI与数据可视化，精准营销平台等数据产品。擅长大数据解决方案规划与产品方案设计。
本文原创发布于人人都是产品经理，未经作者许可，禁止转载。
题图来自Unsplash，基于CC0协议