數據驅動

出自 MBA智库百科(https://wiki.mbalib.com/)

數據驅動（data driven）

　　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：

• 1、準備階段進行信息收集；
• 2、構建階段將計劃付諸行動，利用準備階段獲得的信息以及相關統計和軟體提供的可用工具來構建產品；
• 3、交付階段進行產品的交付、反饋及修改等。

　　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。

　　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。