Analyzing AND LEVERAGING OPERating DATA

分析以及利用运营数据
(HunterOn)

Why SHOULD WE CARe OPERATING DATA ?

为什么我们需要关系运营数据
  • Due to we are wondering if we have done job accuratly and profitably  ---- 由于我们想知道是否我们正确地以及有收益的做工作。

  • Due to we are wondering if there will be a direction we should follow and how it be ascertained  ---- 由于我们想知道是否有一个方向可以追随以及如何探悉到这个方向。

  • Due to we want to magnify the profits  exponentially and manageably---- 由于我们想在可控范围内急速放大收益

HOW SHOULD WE LEVERAGE OPERATING DATA ?

我们需要怎么样使用运营数据?
  • First we need know  WHERE, WHEN, HOW the profits come from ---- 我们需要知道收益是什么时候,从哪里来,以及怎么样得来的。

  • Then we need ascertain THE MULTI-DIMENSIONAL FACTORS which can affect the profits ---- 然后我们就可以探悉可以影响收益的多维度的因素

  • Thereafter we can adjust the understood FACTORS and then manage to MAGNIFY the profits ---- 接着我们就可以调整这些因素进而可以放大收益

Procedure  

流程

FUNDMENTAL PRINCIPAL

基本准则
  • Operating data, what we should care, doesn't only include profits. It should include every piece of data we can collect. ---- 我们所关心的运营数据不仅仅只包含收益,而是应该收集所有我们可以收集的数据。
  • Operating data should include both internal and external data. For example: Global marketing information. ---- 运营数据需要包含内部以及外部的数据。例如:这个市场的信息。
  • Analysis should be involved during the whole lifecyle of transaction. ----- 分析应该参与到交易当中的整个环节。
  • We should not be afraid of fault, we are just care how fast it can be realized and resolved. ---- 我们不应该排斥错误,我们仅仅需要关心我们可以多快的意识到并且解决它。

FUNDMENTAL PRINCIPAL (Cont... ...)

基本准则  续
  • We often know the building cannot be built upon the sand, but we often ignore the building should be built upon the substantial basements. ---- 我们经常知道不能在沙子上建立大厦,但是我们却经常忽略大厦需要有一个坚实的基石。
  • Patience, attention, intelligence, cooperation, execution will be need to be bundle together. ---- 我们将需要把
    “耐心,细心,智慧,协作,执行” 这些特性捆绑在一起。
  • We will also often see the results together with  hardness, obscure, opportunity, triumph possibly. ---- 我们也将经常发现结果可能伴随着困难,晦涩,机遇,成功。

First OF ALL PRINCIPAL

首要原则

决策团队需要定义我们最终整个公司的战略方向和目标。以确保运营数据分析过程是符合公司的战略方向和目标的。尤其这对于细分运营数据分析过程尤其关键,防止其偏离航线而误导最终结果。

ORGANIZATION

组织
  • Marketing Specialist ---- 市场专员
  • BI Specialist ---- 商业智能专员
  • Data Warehousing Specialist ---- 数据仓库专员
  • Software Engineer ---- 软件工程师
  • Dev & OPS Engineer ---- 开发式的运维工程师
  • Strategy Group ---- 决策团队
  • Business Analyst ----- 商业分析师
  • Architecture ---- 架构师

How CaN WE WORK Together?

我们如何一切工作?

Detailing Responsibilities

详细分工
  • Define Operating Data  定义运营数据
    • 参与角色:决策团队,市场专员,商业分析师
    • 事宜简述:定义运营数据的范围,内容。
    • 输出:运营数据定义
  • Analyze Previous Operating Data  分析过往运行数据
    • 参与角色:市场专员,商业分析师,商业智能专员
    • 事宜简述:根据上述运营数据的定义,然后开始对过往的交易数据以及相关数据分析过往的运营数据。
    • 输出:运营数据定义,既有的详细运营数据
  • Ascertain Multi-dimensional Factors  探悉多维度因素
    • 参与角色:商业分析师,架构师,商业智能专员,数据仓库专员,软件工程师
    • 事宜简述:从既有的详细运营数据中,运用多种分析模式找出多维度的因素。这些因素可以直接或者间接的影响运营数据。还需要找出这些因素的权重。
    • 输出:多维度因素的总结列表

DETAILING RESPONSIBILITIES (Cont ... ...)

详细分工 继续
  • Setup Model 建立模型
    • 参与角色:架构师,商业智能专员,数据仓库专员,软件工程师
    • 事宜简述:根据多维度因素以及运营数据开始建立模型。包括建模,数据仓库,公式等等。同时需要建立基础架构与产品进行集成以方便日后的分析已经整理。
    • 输出:数据仓库,以及对应的数据以及分析架构

  • Multi-dimensional Data Collecting 多维度数据收集
    • 参与角色:架构师,商业智能专员,数据仓库专员,软件工程师
    • 事宜简述:实时或者定期收集多维度因素相关的运营数据。以保证模型的及时性以及数据的时效性。为后期的分析更迭做出最有效的保证。
    • 输出:数据会不断流向数据仓库,以及数据以及分析架构。

DETAILING RESPONSIBILITIES (CONT ... ...)

详细分工 继续
  • Hypothesis and adjust  假设以及调整
    • 参与角色:架构师,商业智能专员,数据仓库专员,软件工程师
    • 事宜简述:根据运营数据,多维度因素,多维度数据的收集。我们可以开始做出一些假设如果我们花力气影响某一些因素就可以放大化运营数据,同时根据建模时期的公式来做支持。同时也会根据一些现实情况进行调整。
    • 输出:假设,以及对应需要公司侧重的因素。

  • Strategy Definition 策略制定
    • 参与角色:商业分析师,架构师,商业智能专员,决策团队,市场专员
    • 事宜简述:根据提供的假设以及侧重因素,开始制定公司的一些针对性策略,并进行评估
    • 输出:策略的定义。
  • Verify Operating Data 验证运营数据
    • 参与角色:商业分析师,商业智能专员,决策团队,市场专员
    • 事宜简述:根据策略实施之后的运营数据,来检验策略的适用性与否
    • 输出:正确,继续新的策略的定义,错误,重新找寻策略。

EXPLANATION

解释
  • All the steps don't need to be built up completely, but we should let the known steps to be understood thoroughly. And all the steps should be recycled ----所有步骤不需要一蹴而就,但需要把知道的东西理解以及分析透彻。而且所有步骤支持重新来过。
  • We need build up the all kinds of data channel and make sure them flow into system smoothly ---- 我们需要建立各种数据通道以及确保这些数据可以平滑的流入系统中。
  • The whole lifecycle will come across the whole organization ---- 整个生命周期需要横跨整个公司的各个部门,所有需要整个公司的支持。

4 ACCUMULATIONS

4个积累
Experience
经验积累
Data
数据积累
Procedure
过程积累
Marketing
市场积累

Ending but not Finals

结束但不是最后

All the opinions cannot be accurate and thorough. So we should rectify and complement it regularly. And there isn't any perfect solutions, there is only the fittable solutions.

Let's get things done !

Stay hungry, Stay foolish !