不管是什么行业，数据运营大致的工作目标都是一致的：实现数据价值，让数据解答业务“是什么”，洞察业务“为什么”，告诉企业“做什么”。

做数据运营很容易感到迷茫，一不小心就被业务牵着鼻子走。建议常常看看这句话，想想现在做的事情是不是在往这个方向靠，再去拆解阶段性目标。

说完工作目标，接着再来聊聊数据运营日常工作内容，按照工作流程可分为

一、工作流程

需求收集→将需求评估分类→分析过程管理→分析结论

1、需求收集

需求业务方提出数据分析需求，数据运营部门收集整理数据需求。在这个部分中，需求可以被分为被动接受需求和主动采集需求，两种使用的技巧不一样。

①被动接受需求

这类需求收集的时候坚持的一个原则：把需求讲清楚，把细节问清楚。

可以使用的方法是5w2h，具体示例如下：

作为销售负责人，我需要一张区域每月销售明细表，来监督推进各区域的目标完成。

需求现状与目标（WHY）：当前都是靠询问销售，没有线上查询表，无法动态实时掌握销售情况 需求干系人（WHO）：销售负责人、销售人员 需求内容（WHAT）：开发一张区域每月销售明细表 需求时限（WHEN） ：需要进步明确，一周内/一个月内交付 需求地点（WHERE） ：需要进一步明确，总部开发/区域开发 思路与衡量（HOW/HOW MUCH）：需要进一步明确，可以有一些图表分析、下钻分析

②主动采集需求

这类需求收集的时候坚持另外一个原则：把问题问清楚，把需求描述清楚。

这里可以遵循挖掘问题痛点→分析问题根因→分解落地动作→主动转换被动这样的过程，具体示例如下：

挖掘问题痛点 （现状） ：很烦恼，销售A说他业绩好，销售B也说业绩好，各执一词，怎么公平衡量价值产出？ 分析问题根因 （目标） ：缺少统一的制度、统一的平台、统一的数据 分解落地动作 （需求） ：制定一个相同口径的目标，对比相同口径的销售产出，衡量达成率；开发一张区域销售业绩达成明细表；定期填报或上报合同数据 主动转换被动 （输出）：被动接收需求

2、将需求评估分类

第一类：简单数据准备需求

只需要提供简单数据集，需求方通过BI自助数据集或简单仪表板制作即可完成分析

这里我简单演示一下，借助FineBI工具，由数据人员负责建立数据连接和数据集，业务人员直接取用准备好的数据，遇到没有数据的情况再向数据部门提数据需求。

第二类：简单数据分析需求

无法得出简单结论，一般不是统计结果，需要和业务结论产生关联多数引导到的数据是曾经应用过的，基础数据的质量可控通常耗时大于2人天，小于5人天

第三类：复杂数据分析需求

分析结论是业务方无法得出的有超过50%的数据曾经未应用过，基础数据的质量不可控通常耗时大于5人天

第四类：数据项目需求

通常指从0-1构建起分析体系通常耗时大于14人天3、分析过程管理

1）给出分析思路与计划

适用范围：复杂数据分析需求第一步：明确分析的目的以及对业务的价值第二步：画出需要分析的业务流程示意图第三步：画出分析的思维导图，包含可分析的维度期望构建的指标使用到的数据

5.第四步：给出分析所需的时间计划

2）数据准备

新建数据准备相关的自助数据集新建产品使用相关的原始数据集新建分析过程的自助数据集

3）过程管理

切记！注重过程，注重过程，注重过程！严谨，严谨，严谨！该认真的地方千万别摸鱼！

不要图方便，把过程中的数据集和仪表板建立的很随意，没有一次分析可以一次给出合理结论，当你需要用到之前的数据集和结论的时候，再去找的成本只会比规范所用的成本高

4、分析结论

1）结论输出方式

数据准备任务在任务备注中，明确准备好的数据集的位置与使用方式

2.简单分析任务

需要给出分析结论，结论可以写在仪表板中，也可以写在文档中在任务备注中，挂载分析用到的仪表板判断仪表板是否需要挂载至仪表板，如认为有持续使用价值，则记录

3.复杂分析任务

2）完整分析结论需要包含要素，自上而下的结构化顺序

【目标】业务分析的目标是什么，本次分析是否能达成【结论】结论先行，先给出分析结论【数据】描述本次分析的数据口径，并且论证所用的数据准确性是否符合要求【指标】如果有构建新的指标/维度/概念，描述其含义【过程】描述分析过程与子结论二、作为数据运营新人，要如何提升自己？

可以分为三部分来针对性提升：业务理解能力、数据运营专业能力、通用素质能力

1、业务理解能力

（一）产品业务知识学习

如果是C端的数据运营，就把整个业务流程跑2遍以上，如果是B端数据运营就把产品帮助文档读3遍以上，把产品业务摸透烂透。

（二）产品运营业务知识学习

快速且深度融入所在业务小组的现有业务的工作中去，理解目标制定与拆解的逻辑，完全清楚大家的工作方式的决策依据与其背后的原因。不能深入了解业务的数据分析师都是“取数工程师”。

（三）数据采集-分析框架

埋点记录-数据回收-数据处理-数据分析。可以掌握目前有哪些可分析的数据，至少能做到知道所有埋点能从哪个表里能找到。

2、数据运营专业能力

（一）必备能力：

①数据运营与增长思维

思维是最重要的，没有数据牵引业务成长的思维，空有数据处理与分析的能力也得不出影响业务的结论。

推荐阅读：

《硅谷黑客增长实战笔记》/《增长黑客》选读1本

《精益数据分析》

②数据分析工具

初级：BI工具、SQL、Excel

中级：spss、Python、R

数据分析能力提升，可以看我这一篇：数据分析入门学习指南|零基础小白必看

③项目管理能力

推荐阅读：《项目管理精华》，建议买实体书，放在手边经常翻一番

（二）初阶能力：

①梳理流程的能力

怎么算理解业务了，就是能把业务运营的关键环节通过指标与数学关系抽象出来。

整理了电商运营用到的指标体系：电商运营指标体系

②数据分析能力

推荐阅读：《数据化运营速成手册》《谁说菜鸟不会数据分析》《课程：7周成为数据分析师》《深入浅出数据分析》

（三）中高阶能力：

①埋点采集设计

能基于数据运营的需求与阻塞，设计出成体系的埋点，是数据运营的高阶能力之一。要对业务有足够了解后，才能做到这个事，急不得。

《课程：埋点采集》《资料：历史的埋点设计文档》

②数据库与数据底层工具

【swift】【mysql】【kafka】【kettle】【Hive】【Spark】等

3、其他通用素质

沟通技巧：《非暴力沟通》《关键对话：如何高效能沟通》

事务管理：《高效能人士的7个习惯》、《卓有成效的管理者》

逻辑思维：除了读书，可以多看一些文章，有很多不同的思维方式「线性思维、第一性原理、逆行思维、破局思维」《批判性思维指南》、《金字塔原理》

暂时先写这么多，如果对数据运营还有哪些问题，可以直接评论，我之后会陆续补充更新......