今天開始寫產品、數據、運營的一些東西，聽起來很大，其實的確很大。我目前是一只駱駝，也是一個剛剛啟程的駱駝，所以在以后的征途上要學習更多的知識抗在身上；下一個境界是 獅子，懂得舍棄，把最精華的東西武裝自己；最后一個境界是赤子，這個境界還很遠我就在這里不逼逼叨了。

我目前是一只駱駝，所以把我get到的知識記錄下來以供大家互相學習，在理解和認知過程中難免有問題希望大家能夠及時提出，我也會及時修正；

－－－－－－－－－－－－－－－正式開始－－－－－－－－－－－－－－－－－－－－－

從營銷理論的發展歷程來看 以產品為中心到以消費者為中心再到目前的混合式為中心，主要客觀原因是現在產生了大量的數據，所以我們不僅僅只靠產品或者消費者而設計產品設計運營方法，我們需要數據準確知道目標用戶是哪些，他們需要什么樣的需求，進而設計有效的產品；

Probability（概率）：營銷、運營活動以概率為核心，追求精細化和精準略。

Product（產品）：注重產品功能，強調產品賣點。

Prospects（消費者，目標用戶）。

Creative（創意，包括文案、活動等）。

Channel（渠道）。

Cost/Price（成本／價格）。

而在這其中，以數據分析挖掘所支撐的目標響應概率是核心，在此基礎上將會圍繞產品功能優化、目標用戶細分、活動創意、渠道優化、成本的調整等重要環節和要素，共同促使數據化運營持續完善，直至成功。從宏觀理解，概率可以是特定消費群體整體上的概率或可能性。從微觀理解，概率可以是具體到某個特定消費者的“預期響應概率”，比如通過羅輯回歸算法搭建一個預測響應模型，得到每個用戶的預計響應概率，然后根據運營計劃和預算，抽取響應概率分數的消費者，進行有針對性的運營活動，這種方法可以有效提升運營的效率和效果。（自己的問題 ：生意圈發紅包的活動，充值返現活動 是不是可以進行精細化運營）；

上面的3P3C理論鎖定了影響運營效果的主要因素、來源，可以幫助運營人員、管理人員、數據分析人員快速區分實踐中的思考維度和著力點，提高思考效率和分析效率。

－－－－－－－－－－－－數據化運營的主要內容－－－－－－－－－－－－－－－－－

數據化運營的基本要素和核心－－“以企業級海量數據的存儲和分析挖掘應用為核心支持的，企業全員參與的，以精細、細分、和精細化為特點的企業運營制度和戰略”，淺層次理解為，在企業常規運營的基礎上革命性地增添數據分析和數據挖掘的精準支持。從宏觀上對數據化運營的理解，其中會涉及企業各部門，以及數據在企業所有部門的應用。

數據化運營，首先是要有企業全員參與意識，這樣才可能將其轉化為企業全體員工的自覺行動，才可能真正落實到運營的具體工作中。例如產品數據團隊與提出分析需求的業務團隊配合不緊密，最終數據分析團隊完成的分析方案、模型、建議、報告很多時候是紙上談兵。

從產品開發人員到產品運營團隊，到銷售團隊和支持團隊，每個人每個崗位都能真正從數據應用、數據管理和數據發現的高度經營各自的本職工作，都在各自的工作中自覺利用或簡單的數據工具（目前可以是 YY后臺），進行大大小小的數據分析挖掘，這才是真正的從數據中發現信息財富并直接助力企業的全方位提升。也只有這樣，下一版本的新需求不是拍腦袋拍出來的，而是來自于用戶反饋數據的提煉；運營人員也不再僅僅是每天被動地抄報運營KPI指標，通過數據儀式的培養，他們將在運營前的準備，運營中的把握，運營后的反饋、修正、提升上有充分的預見性和掌控力；

只有來自企業決策層的直接倡導和實質性的持續推動，才可以在企業建立、推廣、實施、完善真正的全員參與、跨部門跨專業、具有戰略競爭意義的數據化運營。

－－－－－－－－－－－－為什么要數據化運營－－－－－－－－－－－－－－－－－

數據化運營首先是現代企業競爭白熱化、商業化環境變成以消費者為主的“買方市場”等一系列競爭因素所呼喚的管理革命和技術革命?！案F則思變”，當傳統的營銷手段、運營方法已經被同行普遍采用，當常規的營銷技術、運營方法已經很難明顯提升企業的運營效率時，競爭必然呼喚革命性的改變去設法提升企業的運營效率，從而提升企業的市場競爭力。

有了數據分析、數據挖掘的強有力支持，企業的運營不再盲目，可以真正做到運營流程自始自終都心中有數、有的放矢。

－－－－－－－－－－－－數據分析和數據挖掘技術的有效應用－－－－－－－－－－－－

一名出色的數據分析師必須是多面手，不僅要具備統計技能、數據倉庫知識（熟悉主流數據庫基本技術，可以自助取數，可以與數據倉庫團隊溝通）、數據挖掘技能，更重要的是他還要具有真對具體業務的理解能力和快速學習能力，并且善于與業務方溝通交流。數據分析挖掘絕不是閉門造車，要想讓項目成功應用，必須要自始自終與業務團隊并肩作戰，從這點來看業務理解能力和溝通交流能力的重要性要遠遠超于技術層面的能力（比如統計技能、挖掘技能、數據倉庫技能）。

分析團隊做出的分析方案、數據模型，必須要在業務應用中得到檢驗，這不僅要求業務方主管的參與和支持，也要求業務方的團隊和員工同樣要具有響應的數據化運營能力和水平，具體需要具備哪些能力，我會在后期的筆記中提到。