數(shù)據(jù)運(yùn)營(yíng)是做什么的？又為什么比其他運(yùn)營(yíng)崗位更有競(jìng)爭(zhēng)力呢？數(shù)據(jù)運(yùn)營(yíng)是一個(gè)近年來(lái)興起的概念，是一個(gè)入門就偏技術(shù)性的運(yùn)營(yíng)崗位。所以數(shù)據(jù)運(yùn)營(yíng)在起點(diǎn)上就比其他崗位的運(yùn)營(yíng)要高。這也注定了在薪資結(jié)構(gòu)上，數(shù)據(jù)運(yùn)營(yíng)的薪資要普遍比其他運(yùn)營(yíng)崗位薪資高。

一、數(shù)據(jù)運(yùn)營(yíng)是做什么的：市場(chǎng)分析

數(shù)據(jù)運(yùn)營(yíng)是做什么的？按照不同的維度對(duì)用戶層行分層，并再次分化，從而為運(yùn)營(yíng)決策提供支持。

隨著互聯(lián)網(wǎng)發(fā)展的提速，數(shù)據(jù)作為精準(zhǔn)運(yùn)營(yíng)的決策依據(jù)也越來(lái)越重要，因?yàn)槲覀儩u漸摒棄過(guò)去的流量思維，更看重精準(zhǔn)流量。我們不斷去研究，那些曾經(jīng)購(gòu)買我們產(chǎn)品的用戶，可以總結(jié)出哪些身份標(biāo)簽、行為標(biāo)簽、興趣標(biāo)簽，他們又會(huì)出現(xiàn)在什么地方，我們?cè)鯓硬拍芨行У赜|及到這些人呢？這些都需要數(shù)據(jù)運(yùn)營(yíng)來(lái)解決。

目前，數(shù)據(jù)運(yùn)營(yíng)是什么樣呢？我們可以通過(guò)相關(guān)數(shù)據(jù)查閱到下面的基本情況。

從上圖，在最近1年的崗位樣本上，北京的平均薪資是12300元，其中占比區(qū)間最多的是10-15K。

而工作經(jīng)驗(yàn)1-3年的數(shù)據(jù)運(yùn)營(yíng)薪資就已經(jīng)接近月薪1萬(wàn)，在3-5年的薪資，達(dá)到了基本管理層的薪資水平。

數(shù)據(jù)是反映產(chǎn)品和用戶狀態(tài)最真實(shí)的一種方式，通過(guò)數(shù)據(jù)指導(dǎo)運(yùn)營(yíng)決策、驅(qū)動(dòng)業(yè)務(wù)增長(zhǎng)。所以，數(shù)據(jù)運(yùn)營(yíng)是屬于一種技能強(qiáng)、門檻高的崗位，我們研究數(shù)據(jù)的目的也是希望通過(guò)數(shù)據(jù)發(fā)現(xiàn)問(wèn)題，提升效率，促進(jìn)增長(zhǎng)。

二、數(shù)據(jù)運(yùn)營(yíng)是做什么的：具體工作分析

數(shù)據(jù)運(yùn)營(yíng)是做什么的？是不是基于數(shù)據(jù)的運(yùn)營(yíng)，一切跟著數(shù)據(jù)來(lái)，分析一堆Excel表格呢？還是說(shuō)要研究高深的工具，像Python、數(shù)據(jù)庫(kù)之類的？

可能大家理解的數(shù)據(jù)運(yùn)營(yíng)更偏向于是數(shù)據(jù)分析層面，實(shí)際上，數(shù)據(jù)運(yùn)營(yíng)包括數(shù)據(jù)收集、數(shù)據(jù)分析、決策支持三個(gè)環(huán)節(jié)。數(shù)據(jù)分析只是其中的一環(huán)節(jié)。

1、數(shù)據(jù)運(yùn)營(yíng)是做什么的：數(shù)據(jù)收集
說(shuō)到數(shù)據(jù)收集，大家理解是不是說(shuō)盡可能收集一切數(shù)據(jù)，其實(shí)不然，數(shù)據(jù)收集必須圍繞你的運(yùn)營(yíng)目標(biāo)展開，不是什么數(shù)據(jù)都對(duì)你是有價(jià)值的。數(shù)據(jù)有很多種，當(dāng)你不使用它們的時(shí)候，他們就是一堆雜亂的數(shù)據(jù)，只有你有了明確了數(shù)據(jù)分析的目的，才能進(jìn)行數(shù)據(jù)分析。電商后臺(tái)就有很多數(shù)據(jù)，商品的名稱、型號(hào)、尺寸大小、價(jià)格、貨源產(chǎn)地、購(gòu)買者的淘寶賬號(hào)、下單號(hào)、下單地址、購(gòu)買者的身份（是否為新老用戶）等。

數(shù)據(jù)收集要堅(jiān)持一個(gè)原則：宜早不宜晚。意思是產(chǎn)品從創(chuàng)立階段，就需要有意識(shí)的收集數(shù)據(jù)，而不是等到公司發(fā)展到B輪、C輪才去收集。如果是活動(dòng)，也要在活動(dòng)開始就去收集數(shù)據(jù)，而不是等活動(dòng)結(jié)束后才收集統(tǒng)計(jì)，那樣可能對(duì)于過(guò)程中出現(xiàn)的問(wèn)題就沒(méi)辦法及時(shí)調(diào)整了。

數(shù)據(jù)收集主要是收集哪些數(shù)據(jù)呢？圍繞運(yùn)營(yíng)目標(biāo)，我們可以把要收集的數(shù)據(jù)分為4種類型：行為數(shù)據(jù)、流量數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)、外部數(shù)據(jù)。

下面我們依次對(duì)其分析。

a、數(shù)據(jù)收集：行為數(shù)據(jù)
它是記錄用戶在產(chǎn)品上一系列操作行為的集合，按時(shí)間順序記錄。

比如用戶打開APP，點(diǎn)擊菜單，瀏覽頁(yè)面是行為；
用戶收藏歌曲、循環(huán)播放歌曲，快進(jìn)跳過(guò)歌曲也是行為。

行為數(shù)據(jù)的核心是描述用戶在不同時(shí)間點(diǎn)、產(chǎn)品的不同環(huán)節(jié)，用了哪種方式完成了哪個(gè)類型的操作。

舉個(gè)例子，閱讀內(nèi)容、點(diǎn)贊、評(píng)論、分享是社區(qū)產(chǎn)品的用戶行為，點(diǎn)擊產(chǎn)品、添加購(gòu)物車、下單、付費(fèi)、評(píng)價(jià)是電商產(chǎn)品的用戶行為。不同平臺(tái)對(duì)用戶行為的定義標(biāo)準(zhǔn)不同，你要結(jié)合公司的業(yè)務(wù)再展開分析。

另外一方面，用戶行為也是用戶運(yùn)營(yíng)體系的基礎(chǔ)，我們可以按不同行為劃分出不同梯度，將用戶區(qū)分成核心用戶、重要用戶、普通用戶、潛在用戶，再進(jìn)行分層管理。當(dāng)然，每家公司對(duì)用戶的分層標(biāo)準(zhǔn)也是不一樣的。

b、數(shù)據(jù)收集：流量數(shù)據(jù)
通常是先有流量，才有了用戶行為合集，流量達(dá)不到一定程度，用戶的個(gè)別行為可能都比較獨(dú)立，無(wú)法有效支持決策。

流量數(shù)據(jù)和行為數(shù)據(jù)最大的差異在于，流量數(shù)據(jù)能夠知道用戶從哪里來(lái)，是通過(guò)搜索引擎、外鏈還是直接訪問(wèn)。 這些數(shù)據(jù)通常用于渠道轉(zhuǎn)化分析、廣告投放決策等應(yīng)用。

c、數(shù)據(jù)收集：業(yè)務(wù)數(shù)據(jù)
業(yè)務(wù)數(shù)據(jù)在產(chǎn)品運(yùn)營(yíng)過(guò)程中伴隨業(yè)務(wù)產(chǎn)生。比如電商產(chǎn)品，我進(jìn)行了促銷，多少用戶領(lǐng)取了優(yōu)惠券，多少優(yōu)惠券被使用，優(yōu)惠券用在哪個(gè)商品上，這些數(shù)據(jù)和運(yùn)營(yíng)息息相關(guān)，但因?yàn)闆](méi)辦法通過(guò)行為數(shù)據(jù)和流量數(shù)據(jù)解釋清楚，所以歸類到業(yè)務(wù)數(shù)據(jù)的范疇。 

這部分?jǐn)?shù)據(jù)企業(yè)一般關(guān)注比較多，因?yàn)樗苤苯臃从吵鲣N量、下載量，跟企業(yè)的生存關(guān)系特別密切。

d、數(shù)據(jù)收集：外部數(shù)據(jù)
通常外部數(shù)據(jù)是指不通過(guò)公司內(nèi)部出現(xiàn)的，比如一些第三方平臺(tái)統(tǒng)計(jì)的行業(yè)數(shù)據(jù)、用戶行為數(shù)據(jù)，這些數(shù)據(jù)對(duì)公司決策也起到很大支持作用。公司可以拿著這些數(shù)據(jù)跟內(nèi)部數(shù)據(jù)對(duì)比，看看目前公司處于哪個(gè)水平。

2、數(shù)據(jù)運(yùn)營(yíng)是做什么的：數(shù)據(jù)分析
數(shù)據(jù)運(yùn)營(yíng)做產(chǎn)品的數(shù)據(jù)分析，要考慮影響產(chǎn)品的核心指標(biāo)是什么。比如電子商務(wù)網(wǎng)站，流量就是非常重要的指標(biāo)。當(dāng)重要指標(biāo)數(shù)據(jù)或趨勢(shì)過(guò)于宏觀時(shí)，我們需要通過(guò)不同的維度對(duì)核心數(shù)據(jù)進(jìn)行分解，來(lái)獲得更加精細(xì)的數(shù)據(jù)洞察。

在選擇維度時(shí)，需要仔細(xì)思考其對(duì)分析結(jié)果的影響。舉個(gè)例子，當(dāng)監(jiān)測(cè)到網(wǎng)站流量異常時(shí)，可以通過(guò)拆分地區(qū)、訪問(wèn)來(lái)源、設(shè)備、瀏覽器等維度，發(fā)現(xiàn)問(wèn)題所在。如下圖，當(dāng)天網(wǎng)站的訪問(wèn)用戶量顯著高于上周，這是什么原因呢？當(dāng)我們按照訪問(wèn)來(lái)源對(duì)流量進(jìn)行維度拆分時(shí)。不難發(fā)現(xiàn)直接訪問(wèn)來(lái)源的訪問(wèn)量有非常大的提升，這樣就進(jìn)一步把問(wèn)題聚焦了。

當(dāng)我們做數(shù)據(jù)分析時(shí)，首先要選擇影響產(chǎn)品的核心指標(biāo)，然后通過(guò)不同維度的數(shù)據(jù)對(duì)核心指標(biāo)進(jìn)行分析，確定影響核心指標(biāo)的因素，接下來(lái)在用數(shù)據(jù)去驗(yàn)證。
3、數(shù)據(jù)運(yùn)營(yíng)是做什么的：決策支持
數(shù)據(jù)運(yùn)營(yíng)無(wú)論做數(shù)據(jù)報(bào)表還是數(shù)據(jù)分析，目的都是為了用數(shù)據(jù)支持決策。比如我們用漏斗模型對(duì)用戶注冊(cè)進(jìn)行分析，能夠還原出用戶每個(gè)路徑結(jié)點(diǎn)用戶的轉(zhuǎn)化。

上圖中注冊(cè)流程分為 3 個(gè)步驟，總體轉(zhuǎn)化率為45.5%，第二步的轉(zhuǎn)化率是 56.8% ，顯著低于第一步 89.3% 和第三步轉(zhuǎn)化率 89.7%，可以推測(cè)第二步注冊(cè)流程存在問(wèn)題。

第二步的提升就是我們關(guān)注的重點(diǎn)，接下來(lái)我們要做的就是優(yōu)化產(chǎn)品，關(guān)注新的數(shù)據(jù)情況，這就是在用數(shù)據(jù)支持決策。否則我們只是知道注冊(cè)環(huán)節(jié)有問(wèn)題，但又不知道具體的小問(wèn)題出現(xiàn)在哪里，就顯得很無(wú)措。

數(shù)據(jù)運(yùn)營(yíng)是做什么的？本篇給大家介紹了數(shù)據(jù)運(yùn)營(yíng)的基本情況，數(shù)據(jù)運(yùn)營(yíng)包含的四個(gè)環(huán)節(jié)，希望大家通過(guò)閱讀本篇文章，對(duì)數(shù)據(jù)運(yùn)營(yíng)有進(jìn)一步的認(rèn)知。請(qǐng)持續(xù)關(guān)注愛盈利更多運(yùn)營(yíng)干貨知識(shí)。

作者：拾染。本文由 @拾染 原創(chuàng)發(fā)布于愛盈利。未經(jīng)許可，禁止轉(zhuǎn)載

愛盈利-運(yùn)營(yíng)小咖秀(www.jza6.com) 始終堅(jiān)持研究分享移動(dòng)互聯(lián)網(wǎng)App運(yùn)營(yíng)推廣經(jīng)驗(yàn)、策略、全案、 渠道等純干貨知識(shí)內(nèi)容；是廣大App運(yùn)營(yíng)從業(yè)者的知識(shí)啟蒙、成長(zhǎng)指導(dǎo)、進(jìn)階學(xué)習(xí)的集聚平臺(tái)；

想了解更多移動(dòng)互聯(lián)網(wǎng)干貨知識(shí)，請(qǐng)關(guān)注微信公眾號(hào)運(yùn)營(yíng)小咖秀（ID: yunyingshow）

【原創(chuàng)】   本篇文章屬于愛盈利原創(chuàng)，如需轉(zhuǎn)載：1、網(wǎng)站端請(qǐng)注明出處，并在文章中附帶原文鏈接。2、微信公號(hào)及其他自媒體平臺(tái)需聯(lián)系授權(quán)方可，未經(jīng)授權(quán)嚴(yán)禁轉(zhuǎn)載！