如今，在精细化运营的浪潮下，涌现出了各式各样的数据分析方法，数据系统的需求度与重要性都有了明显的提升。本文作者曾参与过从0到1搭建数据系统，他对数据系统的价值有自己的看法，与你分享。
近年来数字化转型、数据驱动、个性化&精细化运营等各种词汇出现的频率越来越高，漏斗分析、归因分析、ABtesting等各种数据分析方法、工具也有越来越多的分享。精细化运营浪潮下，【数据系统】的需求度与重要性都有了明显的提升。
但在业务or组织负责人的位置，【数据系统】到底怎么定义？具体对企业经营有什么价值？最佳实践有哪些？笔者曾从0-1搭建【神策数据分析系统】，想和朋友们分享交流下【数据系统】价值的底层逻辑。
近几年外部环境多变，市场对每个公司的经营都提出了更高的要求，所有人都感觉“卷”，背后不变的规律中，与“快速发展”相伴随的新用户“红利消失”必然是核心因素之一。
（2018Q2移动互联网月活跃用户数突破11亿后一直无法突破12亿大关，自20年Q1以来，同比增长率持续低于2%-来源QuestMobile）
可以吐槽、感叹的地方有很多，但站在企业经营者或职业经理人的角度上只能拥抱变化，要么探索第二曲线，要么在第一曲线上想办法，第二曲线的成本率低，且站在经理人的位置上，不会轻易主动去探索第二曲线。
那么常见的应对策略中：
其中任何一条应对策略，再下钻一层，都无法缺少“数据分析/验证”。
比如，都在谈私域运营最本质的目的是想拉高老用户的LTV（lifetime value），那么如何提升？这个就需要让用户持续地感知到价值，更频繁地完成高价值动作（HVA Hight Value Action）那产品当中哪些功能/服务/商品能带来HVA? 这就需要运用“留存分析<V分析”等数据分析工具。
想使用数据分析工具的前提，一定是要有数据。这句话听起来像是废话，但其实除了互联网头部公司外，大部分公司当下的数字化程度之低，其实很难支撑起数据分析工具的需求。
举两个业务场景的例子：
1）如何统计朋友圈广告投放来的新用户，一周内下单转化率？
并且以在数据分析系统当中使用为目的的情况下，公司是否已经打通了媒体、订单、用户之间的数据关联？
2）如何科学判断某一个产品功能是否成功？
用迭代前和迭代后的数据指标（DAU、留存等）对比？这其中有没运营活动对数据的贡献？有没有业务周期本身的干扰？
肯定很多优秀的同学会说用ABtest的方法实验，得出准确的结论。这个答案本身非常正确！
但现实的情况是ABtest是需要进行分流的，那么数据分流、灰度发布之类的工具有没有？配合工具使用的人群/标签有没有建立？设备ID、地区、年龄等各种基础数据有没有采集？
至此，伴随这些问题，其实已经回答了“为什么数据系统越来越重要了？”这个问题。
定义本身不是目的，更好的理解并运用才是目的。数据系统可以简单粗暴的理解为“数据管理+数据分析”。
通过36kr企服点评排行榜中的分类关键词，对【数据系统】的作用基本能有一个大致的感觉，接下来用正反例子做一下延伸~
1）偏反面的例子
上图是某个“成功数字化转型”案例，所谓的偏反面原因是该【数据系统】并没有深入日常的运营流程，对精细化运营提供不了太大的帮助，所谓的分析也只是对业务数据做了图标/看板化的展现。
对于国企类型的公司来说，数据的管理做了，数据的分析也算做了，相信也会起到“实事求是”的作用，对日常的管理也许有着不小的作用，确实可以算作“成功的数字化转型”。
但是，当前市场环境下，对于创业公司高层、或是产品、增长、运营等岗位的中层而言，这个【数据系统】必然不能算作成功。
2）正面的例子
大家可以看一下紫原新之助的文章《增长案例丨为 Keep 设计一场增长实验》。
这篇文章回答了几个重要的问题：
或者请看小魏之前实操过的实验《增长实验复盘：如何提升164%的同比营收？》。
时间有限的朋友们可以直接看小魏的结论：
数据系统的核心价值从上图中可以做一个高度概览：
简单回顾前文：
由此可见【数据系统】的重要价值，但站在商业或者经营者的视角，也要重视其能力边界：
下一篇文章打算聊聊，作为一个项目负责人如何从0-1快速保质保量地落地【神策分析】，感兴趣的朋友们别忘记关注哈。
作者：魏知
本文由 @魏知 原创发布于人人都是产品经理。未经许可，禁止转载。
题图来自Unsplash，基于CC0协议。
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。