想做数据运营，第一步怎么办？

马云把下一个时代的竞争定义为数据竞争，百度今年9月份百度世界大会大数据分论坛，主题即是“让大数据成为商业新能源”。滴滴打车的成功更离不开数据，滴滴CTO张博曾表示，大数据是滴滴的心脏。

如今越来越多的企业开始关注如何转化数据，用以解决业务问题，驱动业务的迅猛成长。 “大数据”、“数据科学”、“Hadoop／Spark”等新兴字眼，也接踵而来，被炒的火热。如何处理并使用数据，逐渐成为了各个企业核心课题。

对很多中小企业决策者而言，抓住用户、提升对市场的反应速度、提高运营效率等急需数据驱动运营，但如何开始做数据驱动运营，仍很困惑。

现在开始，要做数据驱动运营了，需要注意什么？第一步怎么启动？一定要自建吗？有没有靠谱的第三方解决方案？

长链条

首先，得理解“数据分析”是很长的链条，而真正实现数据驱动，可能会是个漫长的过程。

一般可以把“数据科学”归纳为三类：数据的追踪与收集，数据存储处理，数据可视化以及预测分析。

举个简单的类比：原始数据，其实就像是原始石油，大家都知道很珍贵，但如果没有专业的处理和加工，是无法转变为汽油或其它石油衍生品，为商业生产提供动力和能量。

“数据科学”，就是像是炼油技术：通过数据的追踪与收集，可以从网络日志，移动应用，客户交易信息等等行为中勘探收集大量数据资源；而存储处理，是通过技术，将看似杂乱不堪的数据转化的整齐而有规则，并根据其数据量以及提取方式，将其储存为不同种类的格式（数据仓库，Hadoop，Spark ）； 这些提炼过的数据，再通过分析可视化或预测建模过程转换为及时商务信息，协助日常决策；也可以摇身一变，转化为数据产品，为商务产生直接的价值。

这样的链条中，对每一步的精准度都有很高的要求。就像中学时候串联的电路， 链条一个环节出现问题或断裂，灯泡就不会亮。

时间、人力成本这么高，一定要自建吗？

其次，实现这样的链条，人员、薪酬、时间等成本极高。

在LinkedIn，单单是数据分析的职能，在全公司就有不下100人的团队，如果加上工程的各个环节，光是处理数据类的需求，就有200-300人在支撑。

而LinkedIn建立一支这样的团队，需要多少时间。 LinkedInBusiness Analytics 部门曾由其前商业总监张溪梦主导，从2010年4月开始，自己的一个人，扩张到近100人的大部门，足足花了近五年时间。

而“数据工程师”，“数据架构师”，“数据分析师”这样的职位，工薪待遇要求也很高。

有媒体报道，在美国，大数据分析师平均每年薪酬高达17.5万美元，而国内顶尖互联网公司，大数据分析师的薪酬可能要比同一个级别的其他职位高20%至30%。

在拉勾网上，1-3年工作经验的数据分析师如果开不到15-30K的薪资，显得完全没有吸引力。并且让人头疼的是，即便是这样的薪资，招到优秀的数据分析师也并不容易。

除此，时间成本，是最大的挑战。速度在企业发展中，尤其是互联网行业，是至关重要的竞争力之一。就像Facebook在小红书里写下的“唯快不破” 的战略指导方针, 组建团队所需的时间能否赶得上市场、客户、对手、产品等更新迭代的速度？

大公司也许可以承担这样的成本，而对于中小型公司来说，有没有必要在早期就花精力和人力去建造这样的数据团队，或者能不能建立起一只能服务企业数据运营的队伍，也是个巨大的问题。

“黄花菜早凉了”怎么办

在国内，一些很早觉醒的中小企业已经着手组建自己的数据分析团队，但即便是有相对完善数据团队的企业，仍然有自己的烦恼。

中小企业自建的团队，一般都是数据分析师和数据工程人员，这和企业内部运营人员的比例，是完全失衡的，一般都是1:100甚至1:300。这种结构，让分析师每天纠缠在事务性事情上，很难产生价值。

并且，数据分析的过程也是相对缓慢的。

例如产品分析，产品经理会向数据分析团队提出分析需求，而当数据分析师去寻找数据的时候，会发现需要工程人员协助加入新的代码，埋点采集；等到写好代码上线，数据收集进来，往往几周已经过去了，这时候产品经理往往早已进行了决策，进行下一步产品的开发了。

如果这样的决策速度，是无法达到数据驱动运营的最佳效果的。这其中，是否有数据，如何埋点，如何分析，如何决策，每一步都需要大量的时间反复优化，如果没有经验，会耗费很多精力和时间。

“give us the data,

and we will take care of the rest“

而在国外很多企业开始使用mixpanel、Optimizely等这样的数据分析工具，“give us the data, and we will takecare of the rest，”Optimizely即以这样的理念服务了8000家付费用户，mixpanel也有约3000家付费用户, 45 billion actions。

在国内，也开始有这样的企业提供此类SaaS服务，比如GrowingIO等。今年5月，张溪梦从硅谷回国，带领来自LinkedIn 、eBay 、Coursera、亚信等国内外顶级互联网及数据公司的团队创办GrowingIO。

利用硅谷最新的数据分析技术和方法，把过去几个月到几个星期的数据分析工程压缩到几个小时到几分钟，为互联网企业提供端到端的数据分析解决方案，帮助企业提升效率、增长业务。产品主要覆盖四大类数据分析，包括市场推广、产品体验、销售运营，以及客户成功。

这种数据分析工具运用无埋点采集，收集海量的网站、移动APP以及移动终端数据，自动生成一套对商业价值最有用的方案，促进业务运营的分析结果，以辅助企业内的决策者以及一线员工做到全数据驱动决策。

这样可以极度压缩数据收集、处理、分析的过程，大幅解放数据分析人员，他们可以做更深层的东西。如果你关心营销，它们告诉你哪些对营销最有用；如果你关心客户成功，它们告诉你怎么提高客户留存率、降低流失率……可以帮助中小企业解决自建数据分析团队时间长、成本高、数据分析过程漫长、需内部反复优化等很多难题。

其实，大数据运营的本质即是化繁为简，就是在做小数据、没数据的工作：如何能将海量数据转化为可以理解的商务洞察，协助决策的制定。