数据驱动
出自 MBA智库百科(https://wiki.mbalib.com/)
数据驱动（data driven）
目录 |
数据驱动，是通过移动互联网或者其他的相关软件为手段采集海量的数据，将数据进行组织形成信息，之后对相关的信息进行整合和提炼，在数据的基础上经过训练和拟合形成自动化的决策模型。简单来说，就是以数据为中心依据进行决策和行动。
Brian Godsy（布瑞恩·戈德西）在他的《数据即未来》一书详细介绍了数据科学项目的三个阶段：
数据驱动的特征[1]
在一个真正的数据驱动的企业，数据是提供报告、深度模拟预测的来源，企业决策者应该将数据分析纳入公司决策流程，并对公司的决策提供价值和影响。数据驱动企业最大的特点是拥有一套完整的数据价值体系。数据价值体系指的是一套完整的从数据收集、整理、报告到转化成行业洞见和决策建议的流程。而落实到操作层面则是通过对数据的收集、整理、提炼，总结出规律形成一套智能模型，之后通过人工智能的方式作出最终的决策。因此，真正的数据驱动公司应该具备以下特征：
1、海量的数据；
2、自动化的业务；
3、强大的模型支持自动化决策。
这三个条件缺一不可，并形成一个循环，不断地进行数据收集，完成建模，自动决策。
数据驱动的环节[2]
完整的数据驱动闭环一般分为：数据采集——数据建模——数据分析——数据反馈。
- 数据采集
数据采集是一切应用的根基，具体到采集内容上，包括数据类型、数据所有者、数据来源。从数据所有者上来讲，我们采集第一方数据——也就是“我们自己的产品，我们自己的用户，自己用户在自己产品上发生了什么。”
- 数据建模
数据建模最重要的是数据模型的选择，以及对应的储存。数据模型选择为什么重要？因为数据模型抽象好了，后面的分析模型可以做的更好。如果数据模型抽象的太复杂，整体过程非常复杂。不同的数据模型选不同的储存方案，储存方案的选择主要根据数据本身的特点，例如是否可追加、可修改、访问是以什么样的访问为主，是否会需要删除等。
- 数据分析
针对不同角色的数据分析，比如老板关心的是第一关键指标是什么、绘制相应的用户旅程（用户首先要访问网站，之后要注册账号，实现首购之后会重复性购买，只有这样的用户旅程最终会带来总销售额的增长），接下来就要根据用户旅程来组建增长模型。
- 数据反馈
通过用户精准分群、灵活创建并管理营销活动计划，比如知道用户数据、业务数据，最终精准的刻画了用户画像。有了第一次营销效果之后，可以针对性的改进，做第二次营销效果。真正形成自动化、精细化的运营闭环。
