创业公司做好数据化运营，需要先搞清这6个问题

流量为王的时代已经结束，互联网企业正在向精益化运营的方向转型。而做好精益化运营需要大量的数据来支撑决策，这对企业的数据采集和数据分析能力都是非常大的挑战。

中美在数据分析上存在较大的差距，数据分析在国内一些特别大的企业，比如 BAT里，才能得到较高的重视当然这得益于他们的长期积累，对数据和运营结合的比较好。这是我回国以后的总体感受，国内企业对数据本身，以及数据所能提供价值的认识程度，没有美国那边那么深入，并且差异还蛮大的。

问题1：什么样的公司需要注意数据?不同阶段有何差异?

一般来说，目前国内比较重视数据的是高客单价，重转化的公司，比如互联网金融、电商、交易平台、SaaS、在线旅游类的公司。这类客户客单价高，不是完全拼流量，如此创业者才有提高转化的动力。

宏观的讲，创业者会经历产品4个生命周期阶段。

第一个阶段，叫冷启动。这个时候公司特别早期，天使轮或者A轮，甚至融资还未成功。处在这个阶段的公司，用大数据驱动是一个伪命题因为客户数量有限，样本性不足。他们需要更多地去了解潜在客户的需求，去求客户来用这个产品。

第二个阶段，增长前期。就是冷启动接近完成。有经验的创业者，会开始布局和增长有关系的一些核心指标，比如说日/月活跃，留存度。这些指标的目的不是为了衡量产品当前当下的表现，而是为了未来做增长时有可比较的基准。

第三个阶段，增长期。这个阶段就能看出来好的创业公司和普通创业公司的巨大差别效率。无论PR还是做活动，都需要人力和时间成本。如何在增长中，找到效率最高的渠道?这个我觉得，是创业公司之间PK的核心竞争力。如果不做数据驱动，靠直觉，一次两次可以，但没有人能进赌场连赢一万次。所以，直觉需要和数据进行结合，这样企业能迅速优化各个渠道，来提高单位时间的转化效率。

第四个阶段，变现期。业务变现，要求很高的用户基数。一般互联网产品，其中一小部分高活跃、体验好的用户，会转化为付费用户。类似一个漏斗，不断地去筛，这里面就是要拼运营的效率了。比如说，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，或者到未来的退货。这是非常非常长的一个漏斗，真正要做好数据化运营，要对漏斗的每个环节持续地进行追踪。

一个好的企业，特别是以后要做营收的企业，必须要关注各个部门各个环节的转化效率。这种转化效率，要达成的手段，可以通过市场营销的方法、产品改进的方法、甚至客户运营的方法。而其中每个环节小幅提高，加在一起就是一个倍数的提高。这种倍增，如果没有做过数据化运营的人，很难体会到会有多大。

　 　问题2：好的数据分析应该是怎么样的?

好的数据分析，能够让公司里所有人都获益。它不是一种特权，不是只给公司里的一两个人看，而是能够让公司里面各个运营部门，特别是前线打仗的部门，能够直接得到好处。

普通只讲战略，只讲大方向，只给CEO看，只给VP或者运营看这不够。需要把它给工作在一线的员工，让他们用起来。这个我觉得是区分一个数据驱动型企业，和非数据驱动型企业一个很大的区别。效率提升，是所有人提升，而不是一两个人提升。

一个公司要建完整的数据分析机制，首先应该从业务开始。所有的数据分析运营或者数据体系，都应该从业务，从客户开始。这个数据分析体系，不应该只解决非常狭窄的一个或者两个问题，需要有体系和大局观。然后，实际上数据分析里面，最难的一个部分是数据搜集和数据整理，这个过程最耗费时间，可能因为刚开始的计划就做的不够周全。所以说，在数据采集和数据整理方面，应该很有计划的重视。

到后面，数据分析，不能只仅仅停留在报表的基础上，价值还是不够多。最终还是，那些数字出来以后，告诉别人应该怎么做是对的、有效的。这里面的话，就是有很深学问，需要很强的 *** 作能力。

所以说一个企业，既要有大局观，又要注重可执行性。我建议一般企业想自建的话，应该先从一个单点突破，找到一个转化点，看到了价值，通过这一次的实践，再学习下一次实践的方法。这也是一个学习的过程。不要上来就建立庞大系统，上来就把50个数据圆圈综合在一起，想建立一套数据科学框架。我觉得一般要这样干的话，除非你有很多资源，否则一定会失败的。

　 　问题3：企业数据分析都可以分为哪些阶段呢?

第一个阶段，是什么都没有的

第二个阶段，需要公司能够回溯历史：知道自己产品在发生什么，这是最基础的、最原始的一个阶段

第三个阶段，内部做产品、做运营、做市场营销的人，需要问为什么：这个阶段，是预测，即预测某种人群，下面会干什么事，这样能有针对性地，更好地去开发产品

第四个阶段，是要有解决方案：就是我预测到了这组人会这么做，那么我给它一个更好的方案，让它有更好的转化、留存，带来更好的拉新效果

第五个阶段，是优化，多样产品线如何能找到最好的平衡点：在价格、营销，产品设计，销售各个角度有一个平衡点，这个平衡点是创业者的利益最大化点，也是用户最喜欢这个产品的点。

这五个阶段，需要花时间来不断积累的，不要跳跃，跳跃往往失败，从基础做起。

　 　问题4：为什么许多公司的数据分析流于形式?

这主要是因为很多企业在三个层面上的认知不足：数据的价值、数据分析方法论和实际的 *** 作方法。

1)价值的认知

许多公司处于疯狂增长时期，大家一拍脑子做的决定，可能已经产生很多价值了这种情况下他们很难意识到数据决策能产生比暴力性增长更大的价值。

2)基本方法论的认知

意思是核心但简单的方法论。目前国内对基础的方法论没有太多的认知，可能因为国内发展时间还比较短，而美国已经开发好几十年了。

3)实际 *** 作方法的认知

国内一线员工用数据来指导工作运营，比如产品、客户、销售等实际 *** 作经验相对来说少一些。一方面，因为发展时间短，另一方面，数据使用理念积累也相对较少。

不过，国内公司已在迅速地提升这种认知。但是这个认知，是分阶梯的，循序渐进的一个过程。在美国，认知和方法论已经慢慢进行了良好的统一技术和业务之间，用数据来融合。

许多国内的企业家，最开始意识不到数据的价值等意识到数据的价值时，他的期期望又往往很高。这种大鸿沟，也无法让价值真正落地，甚至让人们产生这个价值是否真能实现的质疑，缺乏耐心。

问题5：中国公司对于数据存在哪些共性的迷思?

我觉得国内公司对数据分析的理解，分两极：一种认为这是纯技术，还有一部分是比较迷信，认为只要一上大数据，就变成高大上的公司了。我觉得这两种方式，都存在一定的误解。

核心的话，我觉得你做的这个东西能不能有价值，有没有效果?用效果来衡量是最直接的。另外一些公司想自建平台，搭建很大的团队，效率和产出都比较低，这个我建议大家慎重。随着生态圈的不断发展，现在很多工具都很好用，你得学会用工具。这是创业者成功的一些很好的辅助不能说因为你会用工具，所以你就创业成功但是好的创业者，一定能用这些各种工具，达成目标。

　 　问题6：如何打破数据无法物尽其用的怪圈?

过去几个月，我们跟客户打交道发现，有的企业用我们的产品用得非常好，有的企业就一般。通常内部有人核心负责数据的企业，会用的就非常好有的企业没有核心的人来追这件事情，做得就比较一般。

所以，在运营部门里面，至少得有一个人有一定的数据分析概念。就好像我们把一套高级手术仪器搬到公司去，如果没人会 *** 作也不行。

我认为最好的知识获取方式，就是实际 *** 作。实际 *** 作的前提，是最好有一个稍微懂一些的人，能带着做几次。然后转起来、学起来了，这就是获取数据分析知识最快、最有效的方式。我不觉得纯读书或者读一些课本，看一些外面的大数据指导类的书籍，能有这种效果。

有了这个人，再能从懂这方面的人和公司产品，获取方法论的支持，这种学习机制就建立起来了。这个还是蛮重要的，否则系统虽然强大，但是没人会 *** 作，就无法物尽其用。

大数据时代创新创业的三个方向和四大挑战大数据时代创新创业的三个方向和四大挑战【导语】从传统互联网的人机互联，人人互联，到工业互联网的物物互联，人机物三种端各自互联，才带来大数据的产生，利用云进行大数据的存储和计算，实现数据的融合和服务，数据从哪里来，到哪里去，数据如何关联，如何找到市场需求实现价值是关键。数据采集加工的跑马圈地已入中盘，数据分析与应用的商业模式才刚刚开盘，而这需要模式具备可持续性和可扩展性。如今时代变了，以前以企业为核心的理念转向以消费者、以用户为核心的理念，以前的设计在进行创意时以往主要靠拍脑袋决策，如今需要数据的支持和支撑来指导创意。基于大数据的创新创业面临的挑战，主要有四个方面：一是拿到可以利用的数据比较难，目前不少创业公司都是基于互联网上公开的数据在进行应用开发。二是大数据应用可能威胁到企业中传统的角色地位甚至生存，这就涉及到与传统利益的冲突，因此大数据应用推广需要一把手牵头推动。第三个瓶颈是人力资源，不管美国还是中国大数据人才非常紧缺，包括数据科学家和数据分析师，这些人才需要高校和企业一起合作来进行培养。第四关于投资的难度加大，需要有更多大数据商业应用成功的项目和例子来引领投资的方向。大数据时代创新创业的三个方向和四大挑战——ADEC联手浙大、五叶草大数空间举办“大数据时代的创新创业实践与思考”研讨会在大众创新、万众创业的热潮中，基于大数据的创业创新备受关注。12月17日，阿里数据经济研究中心(ADEC)、浙江大学管理学院、五叶草大数空间三者携手合作，邀请20余位浙大学者走入云栖小镇，在杭州这个创新创业的基地，聆听大数据创业创新实践者的感受，共同开展“大数据时代创业创新的实践和思考”的相关话题研讨。三家大数据创新创业领域的企业数能科技、华院数据和洛可可公司的负责人给大家分享了他们的实践方向、面临挑战以及心得体会。在分享结束后，就大家关注的话题分组讨论的环节受到参会企业以及研究者们的欢迎。三个方向和四大挑战浙江大学管理学院教授刘渊老师在分享中提到，从传统互联网的人机互联，人人互联，到工业互联网的物物互联，人机物三种端各自互联，才带来大数据的产生，利用云进行大数据的存储和计算，实现数据的融合和服务，数据从哪里来，到哪里去，数据如何关联，如何找到市场需求实现价值是关键。 图为浙江大学管理学院教授刘渊以浙江大学郭斌老师为组长的小组认为大数据创新创业的商业模式有三个方向(Analytics , Data, Services ,ADS)值得关注,其中A相当于为企业提供数据的计算分析能力；第二类D是提供数据为主，要做有效的决策背后所使用的数据可能来源于多个数据源，可以集聚数据成为运营的资源；第三类S相当于提供基于数据的服务，这种服务要嵌入到企业运营的业务流程。以郑刚老师为代表的小组总结了基于大数据的创新创业面临的挑战，主要有以下四个方面：一是拿到可以利用的数据比较难，目前不少创业公司都是基于互联网上公开的数据在进行应用开发，二是大数据应用可能威胁到企业中传统的角色地位甚至生存，这就涉及到与传统利益的冲突，因此大数据应用推广需要一把手牵头推动；第三个瓶颈是人力资源，不管美国还是中国大数据人才非常紧缺，包括数据科学家和数据分析师，这些人才需要高校和企业一起合作来进行培养；第四关于投资的难度加大，需要有更多大数据商业应用成功的项目和例子来引领投资的方向。大数据创新创业的三个实践数能科技：数据分析老兵的创业之路数能科技的总经理张晓明先生在国外有20多年的数据分析的经验，他在分享中谈到，美国的大数据指的是用常规方法无法处理的数据，比如音频、视频等数据，而中国的大数据实际上是大数据+小数据，以电影行业为例，通常都是数据采集后转化为小数据来进行统计分析和数据挖掘。 图为数能科技的总经理张晓明张总认为，中国发展大数据面临三大挑战：一是数据孤岛现象严重，二是行业知识缺乏，在业务、技术和行政人员三方面沟通比较困难，跨学科的沟通以前比较缺乏，使得整个行业发展在应用层面的发展不快，三是过去中国的发展是粗旷式的，哪有机会往哪跑，现在是精细化管理，进行资源的优化配置，而政府官员对这种需求的优先级不高。在大数据的商业模式方面，张总认为，数据采集加工的跑马圈地已入中盘，数据分析与应用的商业模式才刚刚开盘，而这需要模式具备可持续性和可扩展性，其中人才也是发展的一个瓶颈，尤其欠缺具备硬实力和软实力的数据分析师，尤其是软实力方面对于理工科学生来说更难，软实力主要指的是沟通、好奇心和业务理解力。数能科技开发的“电影票房预测”应用和“电影排片宝”应用都是典型的基于数据的新应用，电影票房预测每天早晨9点半会发布当天的票房预测结果，希望成为全国以及各个城市电影票房的预测风向标，为发行人进行精准营销提供依据，“电影排片宝”应用通过收集来自媒体、影院的历史数据、网上售票的预售数据等信息为各大影院排片提供建议。这种应用场景还可以衍生到客流预测与资源优化管理，比如在旅游景点、大型超市等。华院数据：数据分析人才基地的孵化新模式国内专业的数据分析挖掘人才有很多都来自于华院数据，来自华院数据的执行总裁麦星在分享“华院数据——产业大数据生态的深度孵化器”的主题时谈到，华院数据目前聚焦是以大数据行业解决方案为核心，基于自己多年的技术积累，提供数据互联、人工智能引擎等核心能力和产品，融入于垂直行业，在各行业孵化出独立、专注、聚焦的大数据子公司。 图为华院数据的执行总裁麦星目前已经孵化了数云、数创、数尊、华院分析等多家大数据+电商、零售、O2O、运营商的创业公司，这些创业公司形成产业大数据的生态，比如数云科技是电商数据应用的创业公司，为阿里巴巴平台上的商家提供CRM解决方案，连续三年都是金牌淘拍档。洛可可：传统工业设计公司的大数据创新转向消费者为中心洛可可作为一家工业设计公司，它所推出的一款55度杯子一上市就备受欢迎，杭州分公司负责人夏治朋在分享时提到，如今时代变了，以前以企业为核心的理念转向以消费者、以用户为核心的理念，以前的设计在进行创意时以往主要靠拍脑袋决策，如今需要数据的支持和支撑来指导创意，而且数据不仅是B端的需求，更重要的需要最终消费者的需求，让创意和设计更加精准。 图为洛可可杭州分公司总经理夏治朋以前的产品只有功能，现在的产品还要有服务、有情感，产品具备智能的基础需要有大数据，现在的产品大都是软硬件结合的，同时还有app,从而了解用户的行为和习惯，通过App端数据的抓取来获知用户的行为和习惯，从而改变创意和设计，使得用户感知到产品是为之定制的。大数据的创新创业刚刚开始在信息经济发展迅猛的今天，随着数据扮演生产要素的角色，云计算发挥公共计算基础设施的作用，数据的开放、共享与流动成为可能，数据的融合激发新的生产力。与以往任何一个时代相比，大数据时代的创业创新将拥有更多的机会、更大的空间。虽然现阶段我国数据相关的法规政策尚不完善，基于数据的创业创新实践尚在探索阶段，业务和服务模式还不成熟，不确定性正意味着更多机会，因此我国不断涌现出企业进行基于大数据的新模式的尝试和探索。阿里数据经济研究中心(ADEC)期待与更多学界研究者进行深入合作，共同推动中国数据经济的良性快速发展。

---