大家好，我是零一。

今天开始的之后一段时间，我会给大家讲解数据化运营。

第一节跟大家侃的就是：数据化运营思维。

我们先来探讨一个问题，什么是数据分析？

数据分析是将数据转变成有效信息的过程，比如将左侧的数据转变成右侧的“有效信息”，婴幼儿辅食的规模大，竞争比奶粉小，可切入破局。这个“有效信息”要打个问号，为什么呢？因为有效信息是具有指向性的，刚才这个结论只会对奶粉或者婴幼儿辅食的商家有效，而对于其他商家来讲，它是无效的。

数据分析并不神秘，其实每个人都会数据分析，而且每时每刻都可能在做数据分析。

比如我们看到两个人，我们可以轻松地判断出这两个人谁高谁矮。我们也可以轻松地判断出这两个人谁胖谁瘦。在高矮的问题上，我们看一个维度即可，那就是高度，通过对比两个人的高度就可以得到结论。而胖瘦的问题是一个二维问题，需要同时看一个人的高度和宽度，通过这两个维度来判断谁胖谁瘦。人类是很聪明的，在处理这类问题的时候，我们的大脑会使用一种降维的思维机制，像胖瘦这个问题就可以转变为高宽比的问题，通过这个比值来判断胖瘦。你看，人类巧妙地将二维问题转变为一维问题，这是人类处理复杂问题的必备方法。

好，刚才我们讲的是生活中的问题，现在我们来看一个商业问题。

用数据告诉企业应该入驻哪个平台？

这是一个真实的商业案例，一家做家用封口机的工厂找我们想知道做电商应该开天猫还是开集市店（C店），可能我们凭经验就可以告诉对方，做天猫比做集市店好，但是好多少你描述不出来。因此我们通过该产品分别在天猫和淘宝集市的销售额来对比分析，我们把左侧的数字转变成右侧的图形，就跟刚才探讨谁高谁矮的问题一模一样，我们明显可以看到天猫的销售额高。但是判断一个问题，只是从一个角度看还不够，我们还要从另一个角度观察这个问题。

好，我加上了店铺数量这个维度，这下问题就变成了二维问题，右侧的图形是一个散点图，x轴代表店铺数量，Y轴代表销售额，中间画一条线，在这条线上方的代表“瘦”，在这条线下方的代表“胖”，因此我们会选择天猫，集市太“胖”，要么减肥（减少店铺数），要么增高（提高销售额）。

可能散点图还有点难以理解，接下来我用了降维的方法，把销售额除以店铺数，就得到平均销售额，转变成图形，又变成了判断高矮的问题，毋庸置疑，天猫高于淘宝集市。

最终，我们可以给出结论，如果是想要业绩，就做天猫，淘宝集市就不要碰了，因为天猫的平均销售额是淘宝集市的340倍。

刚才我们在分析问题的时候，讲到需要从两个不同的视角来观察问题，原因是同一个问题通过不同的视角看到的是不同的，就像我们念小学时学过的课文《画杨桃》，从某个视角看过去，杨桃就是一颗五角星。就像屏幕的两张照片，都是同一座山，但是视角看到的却截然不同。因此，我们在分析问题时，讲究的是如何用最少的视角（角度）把问题看清楚。

一般情况下，你随意拿起一个物体，要看清这个物体至少要从前后两个视角观察。比如这个粉笔盒，你只通过一个视角观察，是无法得出它就是长方体的结论的，保不齐它背面已经变形了。

做数据化运营必备的两个思维，一个是数据思维，一切用数据说话，另一个是商业思维，推敲数据背后的意义，或者说是商业价值。数据化运营思维=数据思维+商业思维。也就是说一切决策的背后都可以找到数据依据。

数据思维大家好理解，遇到问题找过程和结果的数据就可以了，而商业思维反而难理解一点。下面我们通过一个案例来理解数据思维和商业思维是如何工作的。

都听许多商业大咖都说老年人市场是金矿，那为什么呢这么说呢？我们通过数据来解释这个问题，首先去国家统计局把人口数据拿出来，然后我们会发现未来老年人人口是程线性增长的态势的。全中国人口最大的年龄段是在45-54岁，也就是说现在的（瞄准老年人市场）企业只要能活下去，就可以被动增长，犹如站在风口的猪。

再衍生一下，为什么说中国是全球最大的中产阶级市场，因为30-54岁的人口基数全球最大呀！为什么要搞消费升级？因为等现在的消费主力军25-34岁过去后，现有的15-24岁上来成为消费主力军，先不谈消费需求，是否还有买房买车家装的需求，光人口就减少了40%多，根据电商的知识，流量下降了，要么提高转化率（脱贫攻坚战），要么提高客单价（消费升级）

接下来探讨本次课程最后一个问题，什么是数据化运营？

数据化运营是运营全过程使用数据作为决策依据，并形成可复制的方法论。用数据洞察商业这个刚才探讨过了，而形成可复制的方法论如何理解呢？我们在做运营的时候如果跟别人讲我觉得这个事情是可行的，那这个决策过程是不可复制的。但是如果我们讲，因为数据A和数据B的支撑，因此这个事情是可行的，那这个决策过程就是可复制的，可传承的。你可以把数据A和数据B的节点形成标准，让其他人使用这个标准，从而复制你的决策过程。

因此数据可以给运营更清晰的运营方向，更精准的决策，提高项目的成功率。

数据化运营的流程是从问题开始的，运营产生了一个问题，然后寻找数据参考，通过理解数据背后的意义进行决策，决策后要执行，否则决策就没有任何意义，执行过后会产生结果，这个结果是否解决了问题，就要回到问题的本身，如果解决不了不问就要重走一遍流程。比如运营要拓宽一个品类，通过行业数据的参考找到一个合适的品类，决定做这个品类并去执行后，结果表明这个品类确实不错，那么就可以了。如果结果表明这个品类不适合，那么就要重新进行分析，这样才能优化整个系统。

好了，今天的分享就到这里，感谢大家的聆听。