1.3 数据化运营的四个层次

数据化运营是对数据化管理和数据化驱动的具体实践，是数据在企业经营和产品运营中的具体应用。根据业务逻辑，数据化运营分为数据监测、数据分析、数据智能、数据创新四个层次，如图1.7所示。

（1）数据监测：在企业经营过程中，业务部门的数据需求往往是伪需求，我们更应该了解其背后的根本目标，如搞促销、进行用户维护等，业务部门根据这些目标提出的数据需求很多时候无法解决自身问题。这就需要我们基于对数据的了解，修正数据需求，避免无效工作。

（2）数据分析：针对业务需求进行个性化、专题化的数据分析，我们需要具备一定的统计分析和统计工具知识，以及对商业和具体业务的理解能力。数据分析可以归结为四种场景，即对监测数据进行解读并产出结论性知识、对事物机理及变化原因的理解、基于数据和分析对未来进行预测、基于数据分析和业务逻辑提出针对性决策建议。

（3）数据智能：利用机器学习等人工智能关键技术，解决商业领域的业务问题，利用自身掌握的海量数据进行智能开发。数据智能区别于数据监测和数据分析的关键在于，数据智能是一套自主决策系统，而非仅供参考的数据呈现，能够直接输出决策或行动。

（4）数据创新：创新式的数据驱动方式、创新式的数据管理方式、创新式的数据经营方式。在企业经营过程中，要对上述内容不断创新，基于用户需求进行产品设计与研发，根据客户满意度变化进行产品推广与后期改进，时刻做到以人为本，并坚持进行数据创新。

以上四方面是对数据的全方位应用，在层次上存在递进关系。应该说，数据智能和数据创新是数据本身的业务化，能够直接创造价值，但门槛相对较高，需要一定的技术和数据储备，关键是并非每个行业或企业都适用。而数据监测和数据分析，门槛相对较低，但不意味着其对实际业务没有推动作用，在某些场景下，数据监测和数据分析的驱动业务潜力或许更强。总之，数据化运营正是通过数据监测、数据分析、数据智能、数据创新来实现的，只是运用的范围和层次不同。