大数据操纵场景：除了“杀熟”，还能干点啥？

五一回家，有非数据专业的朋友问，你一直搞大数据，大数据除了“杀熟”，还有什么应用场景啊，能不能科普下？

的确网络上、新闻上看到了很多的“杀熟”的负面报道，但大数据还能干点啥、有什么价值、数据人每天在忙啥，对于非数据线的人可能确实不了解，毕竟隔行如隔山。

所以，近期也在思考，如何能把大数据的应用场景说清楚，不为正名，只为把自己数年的大数据从业的初心再捋一捋，也给想要选择数据行业的提供一些参考建议。

第一次和数据接触，是13年运营第一个微信公众号的时候，每天看着后台的阅读量、转发量、新增用户数、累计用户数等指标，通过数据观察分析哪些内容更容易引起用户共鸣促进转发，什么类型的用户会关注，什么时段群发阅读量更高。也因此结缘，毕业找工作时选择了数据产品经理，但那个时候比较懵懂，还没真正了解什么是大数据。

结合自身的数据从业经验，总结下来大数据的核心价值在于应用。也有把数据比作“原油”，只有经过加工处理成为“汽油”、“柴油”、“机油”，被投入使用后，才会真正发挥价值。

数据核心应用场景主要有面向企业内部（ToB）的决策分析支撑和面向C端用户的智能应用。

一、ToB：决策分析支撑

解决数据“是什么”、“怎么样”、“为什么”、“怎么做”的问题，从拍脑袋的定性决策，到定量的数据化管理。

1. 经营管理

为管理层提供完整的、能够快速反映业务经营健康度的管理指标，为管理决策提供数据支持。

举个例子。

门票业务CEO每天早上都要打开电脑或手机看经营日报，某日发现业务总营收指标同比降低了20%，其中华东地区下降35%，其他大多数地区都是增长的。找到华东大区负责人，去跟进处理。

华东大区负责人再拆分到省份、城市、景点、门票资源，最终定位是迪士尼的门票效率大幅下滑，原因是竞对某团开展了大力度的优惠活动，于是责令景区商务快速跟进。

2. 运营优化

提供产品迭代、流量渠道策略优化、活动效果分析等产品运营所需的数据分析能力，数据化运营。

1）产品迭代

产品功能改版前需要进行数据分析，查看旧版本的用户使用习惯，以及哪些功能实际上很少人使用，可能是可以优化掉的。

改版后，同样要对新功能进行数据监控，分析新功能是否达到了既定的迭代目标。最常用到的是AB实验，比如不同的交互方式、UI布局，可能会影响用户转化。通过对AB结果分析，确定最优的方案，用数据说话。

2）渠道优化

为了获取新用户，互联网公司需要进行SEM、信息流、应用市场等不同渠道的投放，但不同媒体的用户群体特征各异，广告投放的ROI差别较大。

通过数据分析来将渠道分类分级，流量规模大、用户质量高的加大投入，流量小质量差的可以放弃，支撑渠道运营策略的优化。

（编辑：漯河站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!