数据分析只有在国内一些特别大的企业才能被重视，比如BAT。当然这是他们长期积累的结果，数据和运营结合的更好。这是我回国后的总体感受。国内企业对数据本身以及它所能提供的价值的认知没有美国那么深刻，差别还挺大的。
为什么很多公司的数据分析流于形式？
这种差异主要表现在三个层面:
价值认知
很多公司都处于疯狂增长期，大家用脑子做的决策可能已经产生了很多价值；在这种情况下，他们很难意识到数据决策比暴力增长更能产生价值。
对基本方法论的认识
它意味着核心但简单的方法论。目前国内关于基础方法论的知识还不多，可能是因为国内发展时间还比较短，而美国已经发展了几十年。
对实际 *** 作方法的认识
国内一线员工用数据指导工作 *** 作，如产品、客户、销售等实际经验相对较少。一方面是因为开发时间短，另一方面是数据使用概念的积累比较少。
然而，国内企业一直在迅速提高这种意识。但这个认知是一个循序渐进的过程。在美国，认知和方法论已经逐渐得到了很好的统一——技术和商业与数据融合。
在国内，技术和商业之间的差距是巨大的。工程师被迫建立数据系统，但他们并不真正了解业务方面；业务端对技术不是很熟悉，导致很多需求是现有技术手段无法直接实现的。
缺乏相互了解进一步加剧了数据使用的缓慢。就像一只鸭子和一只鸡，结果是效率降低，价值无法实现。两者都无法从中获益，最终都是凭感觉做决定，而不是真正通过数据 *** 作做决定。
很多公司从零开始的时候，在搭建技术平台的过程中花费了大量的时间。
首先，技术平台非常复杂，需要各种工程师；第二，很多公司都是从零开始摸索，但是数据分析系统需要一系列的流程和人才，每一个都不能太弱，不能真正串起来。
当今中国竞争太激烈，企业发展太快。大家没有足够的时间和成本去再沉淀一些BAT和Google那样的好东西。这也是很多企业看不到数据价值的原因。
国内很多创业者一开始并没有意识到数据的价值；当他意识到数据的价值时，他的期望值往往很高。这种巨大的差距，无法让价值真正落地，甚至让人质疑这个价值是否真的能实现，缺乏耐心。
什么样的公司需要关注数据？
总的来说，目前国内比较重视数据的公司都是客单价高、转化重的公司，比如互联网金融、电子商务、交易平台、SaaS、在线旅游公司等。这类客户客单价高，不是完整的流量，创业者有动力提高转化。
一般来说，创业者会经历4-5个产品和企业的生命周期。
第一阶段称为冷启动。这个时候公司特别早，天使轮还是A轮，连融资都还没成功。这个阶段的公司都是由大数据驱动的，这是个伪命题——因为客户数量有限，样本不足。他们需要更多地了解潜在客户的需求，并“乞求”客户使用这款产品。
第二个阶段，成长初期，是冷启动接近完成。有经验的创业者会开始布局一些与成长相关的核心指标，比如日/月活跃和留存。这些指标的目的不是衡量产品当前的性能，而是为未来的增长提供一个可比较的基准。
而且 而且，这些指标可以告诉我们什么时候应该做增长。如果产品本身没有粘性，靠烧钱增长是不会真正增长的。因为损失率超过增长率。以前很多烧钱的 公司之所以成功，是因为竞争没那么激烈，用户没有那么多选择。但在今天，如果你的产品很差，留存不高，口碑不好，你再怎么烧钱也无法获得真正的核心自我- 增长。
第三阶段是成长期。在这个阶段，我们可以看到一个好的创业公司和一个普通创业公司的巨大区别——效率。无论公关还是做活动，都需要人力和时间成本。如何找到成长中最高效的渠道？我觉得这是创业公司之间PK的核心竞争力。
如果不做数据驱动，凭直觉可以做一两次，但没有人能进赌场连续赢一万次。所以直觉需要结合数据，让企业快速优化各种渠道，提高单位时间的转化效率。通过单位时间转化效率的不断提高和叠加，成为企业的核心竞争力。
一个不是数据驱动的公司，一个是数据驱动的公司。假设经营策略相同，资金储备相似，客户相同，能快速从数据中学习的企业一定会胜出。
第四阶段是清算期。企业的清算需要很高的用户基础。一般的互联网产品，其中有一小部分高活跃、有经验的用户会转化为付费用户。就像一个漏斗，不断的筛选，这就是运营的效率。
比如电商用户的转化漏斗一般是:访问-注册-搜索-浏览-加入购物车-支付，或者回到未来。
这是一个非常非常长的漏斗。要真正做好数据运营，就要跟踪好漏斗的每一个环节。为什么？因为无法衡量，所以很难成长。
一个 好的企业，尤其是未来想创收的企业，一定要注重各个部门和环节的转化效率。这种转化效率可以通过营销、产品改进、 甚至客户运营等手段来实现。而且每个环节都略有提升，加在一起就是倍数提升。这种乘法，如果没有做过数据运算的人，很难意识到它会有多大。
比如以前我们在LinkedIn做数据驱动转化的时候，要推一个EDM，也是发给10万人的。拍脑袋决策的转化率是0.01%，但是数据驱动部门做了一个简单的数据模型后，转化率提高到了0.3%，高了很多。如果每周都这么做，这种转化效果还是非常非常可观的。
每个 行业都有自己不同的KPI。比如SaaS 行业，用户注册能否成功是一个简单的问题，但很多企业可能会忽略；用户注册成功后，有没有定位到自己的核心产品功能点，这个用户有没有使用过你的核心 功能？什么样的核心产品功能能让用户留下来？哪些功能不能？这些应该在产品分析中有记录，但是如果没有数据，怎么分析呢？如何衡量？
这些东西是很多美国公司总结出来的，用了十几年。这些经验国内很多企业都可以模仿学习，没必要蒙着眼睛再来一遍，浪费时间和资源。
还有一点，企业要有可 *** 作性。什么概念？也就是说，数据分析，它不是一项运动，而是日常事务——每天、每周、每月、每季度，我们都在看这些东西。不断调音，学习，提升，是一个很重要的过程。但是习惯养成还是挺痛苦的，因为很多创业者都很忙，没有时间去看那些东西。
中国公司有哪些关于数据的常见误区？
我觉得国内公司对数据分析的理解分为两极:一是认为它是纯技术，二是迷信，认为只要有大数据就成高大上的公司。我觉得这两种方式都有些误区。
如果你有一颗 心，我觉得你做的这个东西可以是有价值的，有效的？用效果来衡量是最直接的。另外，有些公司想自己搭建平台，组建大团队，效率和产出都不高。我 建议你对此保持谨慎。随着生态圈的不断发展，现在很多工具都非常有用。你必须学会如何使用它们。这些都是创业者成功的一些很好的辅助手段——不能说因为你会用工具，你创业就成了 成功；但是一个好的企业家必须使用这些工具来实现他的目标。
好的数据分析应该是什么样的？
好的数据分析可以让公司的每个人受益。不是特权，不仅仅是公司一两个人的特权，而是公司所有运营部门，尤其是战斗在一线的运营部门直接受益。
光说战略、大方向、CEO、VP或者运营是不够的。给一线员工，让他们用。我觉得这是数据驱动型企业和非数据驱动型企业的一个很大的区别。效率提升是所有人的提升，而不是一两个人的提升。
一个公司要建立完整的数据分析机制，首先要从业务入手。所有的数据分析 *** 作或数据系统都应该从业务和客户开始。这个数据分析系统不应该只解决一两个很狭隘的问题，还需要一个系统的、全局的观点。
那么，其实数据分析最难的部分就是数据收集和数据整理。这个过程是最耗时的，可能是因为最初的计划不够全面。因此，我们应该非常注意有计划地收集资料和整理资料。
说到底，数据分析不能只停留在报表的基础上，光有价值是不够的。最后，在那些数字出来之后，告诉别人怎么做才是正确有效的。在这里，意味着你有很深的知识，需要很强的 *** 作能力。
所以 要说一个企业不仅要有大局观，还要注重可执行性。我建议一般企业先从单点突破，找到转化点，看到价值，再通过这个实践学习 下一个实践的方法。这也是一个学习的过程。不上来就建立庞大的体系。一上来就综合50个数据圈，想建立一个数据科学框架。我觉得如果你平时这么做 ，除非你有很多资源，否则一定会失败。
如何打破数据无法“物尽其用”的怪圈？
在过去的几个月里，我们在与客户打交道时，发现有些企业使用我们的产品非常好，而有些企业则只是还好。通常有内部核心负责数据的公司会用得很好；有些企业没有核心的人去追究这件事，就笼统地去做。
所以在运营部门，至少要有一个人对数据分析有一定的概念。就好像我们给公司搬了一套先进的手术器械，即使没人会 *** 作。
我认为获取知识最好的方法是实际 *** 作。实际 *** 作的前提是最好有懂一点点，能做几次的人。然后转身学习，这是获取数据分析知识最快最有效的方法。我不认为单纯的读书或者读一些课本，读一些外界的大数据指导书籍，能有这种效果。
有了这个人，我们可以从了解这个领域的人和公司产品那里得到方法论的支持，这个学习机制就建立起来了。这一点相当重要，否则系统虽然强大，却没有人会 *** 作，无法物尽其用。
创业公司的常见问题
早期的特殊公司，他们的关注点是非常规范的。比如他们想了解新用户、留存用户、强势渠道、新用户使用的产品功能等。
每个公司的优势和劣势都不一样。让我举两个例子:
举个例子，有一个客户，他是一家SaaS公司，做了很多线下活动，然后在网上导流。但是他从来没有观察过自己的注册转化，结果来了，但是转化率很低。最后实际报名的还是很低。后来，只要优化注册流程，转化率就可以提高三四倍。
比如有电商客户。以前是看有多少人来交易，交易量是多少，然后看周/月/季增长率。但是进来早的一般都是核心用户，增长速度比较快。然后很快就进入了平台期。为什么？
这是因为里面很多东西不够精细，很多被稀释了。比如拍卖，用户很多，看似繁荣，但如果品类太多，就会减少每一项的竞价用户。一旦降价，价格就会降低。减少后，GMV将减少，增长率将下降。
在这种情况下，它需要考虑——将更多的用户集中在相对较少的商品上，然后提高客单价。这样做的好处是卖家可以提高销量，更愿意在你的平台上做销售；而且买家会有买到稀缺商品的感觉。
创业公司想要成功，留存 是最核心也是最需要解决的问题。有了留存率，基本上就有了增长率。早期核心用户一般留存率较高；后期拉入的用户粘性相对较低 。成功的互联网产品一般都是前期聚焦核心用户，满足核心用户的需求，然后通过这个继续向下传播。所以，留人更要重视。
当与 相同时，也需要对留存用户进行分解。剩下的用户，一部分新用户，一部分老用户，看起来都是用同一个时间来衡量的，其实是不一样的。很多创业公司有时候 不分类:比如留存用户中，多少是新用户，多少是老用户；老用户留存率和新用户留存率是多少？
脸书用户分为七个等级。这七个级别是什么意思？也就是说，这一周每个用户的活跃度是不一样的。有的人来七天，有的人来六、五、四、三、两天。其用户的日常活动被分成非常精细的点。然后在这个维度上，继续分裂成新用户和老用户。
拆卸后，可针对不同类型的用户进行 *** 作。例如，它可以分析用户每周使用哪些功能超过5天。
我的建议是，在产品前期，先保留产品，然后再补充，这样创始人的精力会更集中。因为如果你做了一件新的事情，同时又保留了它，你就会被分成两个地方，你就顾不上了。有了高留存，也会有助于拉新，找到高留存用户的获取渠道，然后继续复制运营。
第二，你有了好的留存之后，就可以快速扩张。因为扩张之后，用户会留下来，你的增长速度会加快。
其实这里有一个非常现成的方法论，因为如果你没有找到好的留存，你做的生意就是烧钱的生意。如果融资环境差，那么这个生意很容易失败。但是如果你的用户粘度高，你的运营成本就低，这样创始人就可以管理整个资源投入。
我觉得产品冷启动之后，有这个基本的思维方法在里面是很有必要的；在成长期，你需要极度的专注。
早期的直觉，后来的科学。
越早做一些数据铺垫，对一个公司越有利。是一个不断迭代和积累的过程。但是，不要本末倒置，不要一能开机就做AB测试。没必要，因为你还没有积累足够的用户，这样分析出来的数据不具有代表性。
最后，我简单总结一下数据分析的五个阶段:
第一阶段，什么都没有；
第二阶段要求公司追溯历史:了解其产品中正在发生的事情是最基本、最原始的阶段；
第三阶段，内部从事产品、运营、营销的人需要问为什么:这个阶段是预测，即预测某一群人下一步要做什么，从而有针对性、更好地开发产品；
第四阶段是要有解决方案:也就是我预测到这群人会这么做，所以我会给它更好的解决方案，让它更好的转化和留存，带来更好的新效果；
第五阶段是优化。如何才能找到各种产品线的最佳平衡点:价格、营销、产品设计、销售都有一个平衡点。这个平衡点就是创业者利益最大化和用户最喜欢这个产品的点。
这五个阶段需要时间积累。不要跳。跳跃经常失败。从基础开始。
作者:张溪梦
来源:经纬创投
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）