数据运营思维

数据运营思维的导图笔记，介绍了许多公司的数据分析流于形式、创业者要经历的5个生命周期、数据存在的共性迷思、好的数据分析等。

数据运营思维总结

• 许多公司的数据分析流于形式
  • 价值的认知
    • 公司处于疯狂增长时期
    • 很难意识到数据决策能产生比暴力性增长更大的价值
  • 基本方法论的认知
    • 对基础的方法论没有太多的认知
    • 核心但简单的方法论
  • 实际操作方法的认知
    • 发展时间短
    • 数据使用理念积累也相对较少
  • 国内企业现状
    • 最开始意识不到数据的价值
    • 等意识到数据的价值时，期期望又往往很高
• 创业者要经历的5个生命周期
  • 冷启动阶段
    • 天使轮或者A轮
    • 更多地去了解潜在客户的需求
  • 增长前期
    • 开始布局和增长有关系的一些核心指标
    • 为了未来做增长时有可比较的基准
  • 增长期
    • 直觉需要和数据进行结合
    • 能迅速从数据里学习的企业，一定会胜出
  • 变现期
    • 要求很高的用户基数
    • 必须要关注各个部门各个环节的转化效率
    • 注意数据化运营
  • 企业应该运营化
    • 数据分析是日常性事务
    • 不断调优、学习、促进
• 数据存在的共性迷思
  • 纯技术公司
    • 不会利用数据
    • 不会使用工具进行数据分析
  • 假装高大上的公司
    • 对大数据的误解
    • 只会用效果来衡量
• 好的数据分析
  • 能够让公司里所有人都获益
  • 要建完整的数据分析机制，首先应该从业务开始
  • 在数据采集和数据整理方面，应该很有计划的重视
  • 数据分析，不能只仅仅停留在报表的基础上
• 打破数据无法"物尽其用"的怪圈
  • 内部有人核心负责数据
  • 至少得有一个人有一定的数据分析概念
  • 要有个人能带动企业获取数据分析的能力
• 初创公司常见问题
  • 做的不够细
    • 很多被稀释掉了
    • 品类太多，造成每个单品里竞拍用户减少
    • 聚焦在相对少的单品里面来，进而提高客单价
  • 用户的留存问题
    • 早期都是关注核心用户
    • 满足了核心用户的需求
    • 不断往下扩散
  • 用户的分解
    • 有多少是新用户，多少是老用户？
    • 老用户留存率是什么样的，新用户又是什么样的？
  • 用户运营
    • 去分析一周来五天以上的用户，使用哪些功能
    • 产品早期，先把产品的留存做好了，再去做新增
    • 还要找到高留存用户的获取渠道
  • 公司的扩张
    • 有了好的留存以后可迅速扩张
    • 早期靠直觉，后期靠科学