智能BI平台 AI

说到数据收集，大家理解是不是说尽可能收集一切数据，其实不然，数据收集必须围绕你的运营目标展开，不是什么数据都对你是有价值的。数据有很多种，当你不使用它们的时候，他们就是一堆杂乱的数据，只有你有了明确了数据分析的目的，才能进行数据分析。电商后台就有很多数据，商品的名称、型号、尺寸大小、价格、货源产地、购买者的淘宝账号、下单号、下单地址、购买者的身份（是否为新老用户）等。

数据收集要坚持一个原则：宜早不宜晚。意思是产品从创立阶段，就需要有意识的收集数据，而不是等到公司发展到B轮、C轮才去收集。如果是活动，也要在活动开始就去收集数据，而不是等活动结束后才收集统计，那样可能对于过程中出现的问题就没办法及时调整了。

a、数据收集：流量数据

通常是先有流量，才有了用户行为合集，流量达不到一定程度，用户的个别行为可能都比较独立，无法有效支持决策。

流量数据和行为数据最大的差异在于，流量数据能够知道用户从哪里来，是通过搜索引擎、外链还是直接访问。这些数据通常用于渠道转化分析、广告投放决策等应用。

b、数据收集：业务数据

业务数据在产品运营过程中伴随业务产生。比如电商产品，我进行了促销，多少用户领取了优惠券，多少优惠券被使用，优惠券用在哪个商品上，这些数据和运营息息相关，但因为没办法通过行为数据和流量数据解释清楚，所以归类到业务数据的范畴。

这部分数据企业一般关注比较多，因为它能直接反映出销量、下载量，跟企业的生存关系特别密切。

c、数据收集：外部数据

通常外部数据是指不通过公司内部出现的，比如一些第三方平台统计的行业数据、用户行为数据，这些数据对公司决策也起到很大支持作用。公司可以拿着这些数据跟内部数据对比，看看目前公司处于哪个水平。

2、数据运营是做什么的：数据分析

数据运营做产品的数据分析，要考虑影响产品的核心指标是什么。比如电子商务网站，流量就是非常重要的指标。当重要指标数据或趋势过于宏观时，我们需要通过不同的维度对核心数据进行分解，来获得更加精细的数据洞察。

在选择维度时，需要仔细思考其对分析结果的影响。举个例子，当监测到网站流量异常时，可以通过拆分地区、访问来源、设备、浏览器等维度，发现问题所在。如下图，当天网站的访问用户量显著高于上周，这是什么原因呢？当我们按照访问来源对流量进行维度拆分时。不难发现直接访问来源的访问量有非常大的提升，这样就进一步把问题聚焦了。

当我们做数据分析时，首先要选择影响产品的核心指标，然后通过不同维度的数据对核心指标进行分析，确定影响核心指标的因素，接下来在用数据去验证。