數據驅動
出自 MBA智库百科(https://wiki.mbalib.com/)
數據驅動（data driven）
目錄 |
數據驅動，是通過移動互聯網或者其他的相關軟體為手段採集海量的數據，將數據進行組織形成信息，之後對相關的信息進行整合和提煉，在數據的基礎上經過訓練和擬合形成自動化的決策模型。簡單來說，就是以數據為中心依據進行決策和行動。
Brian Godsy（布瑞恩·戈德西）在他的《數據即未來》一書詳細介紹了數據科學項目的三個階段：
數據驅動的特征[1]
在一個真正的數據驅動的企業，數據是提供報告、深度模擬預測的來源，企業決策者應該將數據分析納入公司決策流程，並對公司的決策提供價值和影響。數據驅動企業最大的特點是擁有一套完整的數據價值體系。數據價值體系指的是一套完整的從數據收集、整理、報告到轉化成行業洞見和決策建議的流程。而落實到操作層面則是通過對數據的收集、整理、提煉，總結出規律形成一套智能模型，之後通過人工智慧的方式作出最終的決策。因此，真正的數據驅動公司應該具備以下特征：
1、海量的數據；
2、自動化的業務；
3、強大的模型支持自動化決策。
這三個條件缺一不可，並形成一個迴圈，不斷地進行數據收集，完成建模，自動決策。
數據驅動的環節[2]
完整的數據驅動閉環一般分為：數據採集——數據建模——數據分析——數據反饋。
- 數據採集
數據採集是一切應用的根基，具體到採集內容上，包括數據類型、數據所有者、數據來源。從數據所有者上來講，我們採集第一方數據——也就是“我們自己的產品，我們自己的用戶，自己用戶在自己產品上發生了什麼。”
- 數據建模
數據建模最重要的是數據模型的選擇，以及對應的儲存。數據模型選擇為什麼重要？因為數據模型抽象好了，後面的分析模型可以做的更好。如果數據模型抽象的太複雜，整體過程非常複雜。不同的數據模型選不同的儲存方案，儲存方案的選擇主要根據數據本身的特點，例如是否可追加、可修改、訪問是以什麼樣的訪問為主，是否會需要刪除等。
- 數據分析
針對不同角色的數據分析，比如老闆關心的是第一關鍵指標是什麼、繪製相應的用戶旅程（用戶首先要訪問網站，之後要註冊賬號，實現首購之後會重覆性購買，只有這樣的用戶旅程最終會帶來總銷售額的增長），接下來就要根據用戶旅程來組建增長模型。
- 數據反饋
通過用戶精準分群、靈活創建並管理營銷活動計劃，比如知道用戶數據、業務數據，最終精準的刻畫了用戶畫像。有了第一次營銷效果之後，可以針對性的改進，做第二次營銷效果。真正形成自動化、精細化的運營閉環。
