是这样的，我们今天主要讲的是一个运营数据，或者叫数据运营。

         现在做移动互联网，无论是做社交的也好，做内容向的也好，他就是不跟别人说我们是用数据来分析用户的行为，以此迅速占领用户。不这样说他都不好意思。都说大数据，在做大数据以前，我们有一些基本的误区要跟大家先说明一下。



         什么意思呢，会有两种很有奇怪的观点：
        1. 什么都要靠数据去支撑。比如我们把按钮从左边换到右边，从红色换成黄色。这个东西一定要有什么数据分析团队、数据分析师、产品经理在哪儿反复打磨。最后跟我们说一句，按钮从以前的100像素换到了105像素。这是很无聊的一件事情，但是这个要用数据去验证，你知道吗?
        2. 秉承数据无用论。就是说，数据有什么用呢?还不如我经验来的有用。
        这两种观点，基本上都是错的。



        数据量多真的有用吗?        数据量多不一定有用。这是我在上一家公司做了三年以后得出的一个非常沉痛的教训。数据太多并没有什么卵用，数据要有用，他一定要有关联、有联系。不然，白存着那些每天几十个G的那些数据，导又导不出来，联系又没法联系，形成一个个，我称之为孤岛数据(z这样的东西)。并没有什么用的。
        孤岛数据只能读出来片面的现象，他连一个结论都读不出来，所以你的技术团队高兴怎么做就怎么做。要以结果为导向，以目标为出发。他跟技术其实没有太多的关系。你的用户量很少，数据不多，他没关系的。后面我会给大家举一些比较有意思的例子。
        在线调查
        还有一种是这样，这个是在公司里，市场运营还有数据运营，他们经常使用的一种手法，叫做在线调查。我们假模假样的做一个东西，我们新版发布了，我们想收集一下用户的需求。
        咱们的产品团队里面一般会有一个产品助理，去出一个在线问卷调查，大概有一百个问题。完了，产品经理说，一百个太多了，我们五十个。上报到总监，总监说五十个太多了，三十个。上报到老板那里，老板说，三十个也太多了，十个吧。
         然后假模假样的出了一份十个问题的问卷调查，说我们收集到了一万分的用户调查报告，我给你做成曲线图、饼图、折叠图。这些东西还好我没有做过，都是别人做。


        这些东西有用吗?我明确告诉大家，这个东西没有用。现在没用，以后也没用，以后就不要做了。
        为什么呢?是这样的，首先问卷调查，他是一个很古老的行业。她有一个非常严谨的一些方法。问卷调查最有用的地方，是在前期把用户筛选掉。这是问卷调查最有用的地方。比如说我可以Push到五万个人，问卷调查是把五万个人里面四万九千五百个人删掉他，取消掉他。我只要那五百个非常有用，非常精准，非常符合我的目标用户的那五百个人就够了。
        所以不是说越多越好，那都是一些垃圾数据。你从一开始，对用户没有过滤，你这个问卷调查就是垃圾。而且，这种情况下，你还把你本来想问的那一百个问题，给压缩成了十个问题。这十个问题还没有什么质量。新版本你喜不喜欢，A喜欢，B不喜欢。这问题你问他干嘛呢?



         知识误区：
        还有一个，我称之为知识误区。我们但凡有一点机会，都会去接触一些海量的数据。通过各种各样的途径，通过一些统计学的方法，包括归纳、总结、折线图、饼图、曲线图。就是说，这些东西有用吗?有用的，起辅助作用。前提是所谓用到的简单或者复杂的数据方法。
你要正确的认知，举个例子。
        大家都知道平均数吧，平均数有多少种?有算数平均数，有几何平均数。他们有什么用?在什么场合下用什么样的平均数，去做一个对我们整个的格局、整个的用户群的一个调查?你并不知道。第二个，平均数最大的问题就是，我有101个用户，这100个用户身高只有1米，有一个用户身高有100米。你说我们平均出来的这个平均数有用吗?半毛钱卵用没有。所以这个就是平均数最大的问题所在。
        所以什么意思呢?我们大家使用数学方法一定要知道这个方法，适用于什么场合，会有什么限制。当然了忽悠老板除外，忽悠老板什么方法都是可以的。
        统计相关性：
        还有一个问题是，统计相关性。这个问题是，统计学一直没有解决的问题。就是统计学试图用统计相关性，来把真实的相关性给取消掉。什么意思?我举个例子，比如今天有六十个人，来听我的吹牛逼。然后外面天空是放晴的。我们做市场调查，在此时此刻，全中国一共有两千场，大概六十个人参加的，有一个工作十年左右的人在这边吹牛逼，天空是放晴的。什么叫统计相关性?即，以后中国大陆有两千场左右，下午三点多的，六十个人左右的，这样一个吹牛逼活动，天空一定是放晴的。你认为这合理吗?胡说八道对吧?
        但是这个就是统计相关性。就是我们通过大量的定量的数据，我们发现了一个现象A，同时当A现象发生的时候，一定会出现现象B。我们就认为，当现象A发生的时候，一定会出现现象B，这就是统计相关性。
        各位，在工作当中，你们通过统计的方式，去得出两个结论的时候。如果因果关系，你想的不是太明白的话，你用你的直觉去想象一下，A跟B到底有没有关系。当然了，骗老板，你无所谓的。骗老板，你就告诉他，看到了吗，这是100万人的市场调查调查出来的。当六十个人参加吹牛逼的时候，天空外一定是放晴的。自己心里要清楚，不一定是这样的。



        总结一下：        熟知自身业务：
        就是说，当我们使用数据去提升产品提升运营的时候，我们其实最关心的，是我们对这个业务有多了解。我们要不停的，去使用我们的产品，了解我们的业务。人虽然是做不到百分之百的了解，但是这个时候，数据就有用了。
        举个例子，比如说在我的上一家公司里面，我们一共有多少个分类，我们一共有二十个分类。但我自己只喜欢一个分类。当我天天用，天天用的时候，我会对这个业务有一个认知，但是仅限于这个分类。我能不能把这个想法，由此及彼，推广到那二十个分类里面呢?
        这个时候，你就需要有数据了。当你的结论反过来可以用数据去验证的时候，并且每个分类都可以这样的时候。那么你认为你对这个分类业务的认知，可以提升到整个产品的业务认知。但这里也会打一个问号。始终要保持着不断地质疑，不断地求真的这么一个过程。因为你只喜欢这一块业务，当其他的业务跟你没有完全相关的时候，你没有办法判断。这个时候数据才有用。
        数据一定要有关联：
        什么叫有关联呢?我们之前是做一个内容向的，所有的数据要可以围绕用户 进行展开。比如说这个人他听了一个声音。这个人他发了一个评论，这个人他说了一个声音，这个人分享了一个声音。我们把这些海量数据记下来的时候，一定要带上用户的唯一标识。这样我们的数据才可以串联起来。
        当然了，我们忽悠老板的时候除外。给他折线图、曲线图、饼图，告诉他我们每天有多少的分享量、有多少的回流量、每天有多少声音在发布，这种宏观的就够了。
       但是你作为一个产品，你要很清楚：如果说我现在，要把活跃用户的收听喜好导出来行不行?如果我针对某一部分特定的用户群，我把他们的分享行为导出来行不行?都可以。数据一定要有关联，不然成为了数据孤岛，没有太大的作用。
        数据孤岛：
        再给大家举个例子，我在上一家公司，每天抽样发现活跃最高的数据是什么呢?是黄色信息。当然每天分享的最大的数据是什么呢?依然是黄色信息。这就是数据孤岛。
        当你得出这样的结论的时候，你可以帮助你的产品运营吗?能帮助的就是运营赶紧删嘛。那么剩下的呢?没有用了。不知道是谁发的，也不知道回流从哪里来，这样的数据有用吗?没用。你要把他串联在一起。最后我们把它定位在一小撮经常在我们产品里面发****信息，并且大量传播的人，而且地点定位非常精准。这时候干么呢?上报公安局。
        数据辅助资源分配：
       把这部分信息清理掉以后，我们再看第二部分，什么样的信息分类分享是最多的呢?有真人类脱口秀节目，分享的以及回流的是最大的。
        这种结论，有什么用呢?还是处于你对这个产品里面业务的认知。这个产品里面，收听量第一高的是什么，是小说。但是分享量、活跃量最高的却是真人类脱口秀段子。这样你的运营就有侧重点，这样你的公司的资源投放就有侧重点。我们把人力投入在真人这一块，把所有的钱投入在买版权。因为我们只有有限的人力和有限的钱。
        如果说我们用数据孤岛来看数据，收听的最高的是有声小说，我们把所有的人力和钱都投入在买版权上。对吧，没有错啊?因为小说一天的收听量大于50%啊!这个结论没有错吧，因为它占据一半以上的收听量，所以公司应该把人力、物力、精力全部投入到这一块。这个结论有没有错?没有错。这就是一个数据孤岛告诉你的，一个简单化的结论告诉你的。
        但是分享的数据加入进来，彼此可以串联以后，我们发现娱乐类的、脱口秀的，它有极强的社交传播性。而这种东西，你靠简简单单的钱买钱卖，是搞不定的。所以把人投到这里去。而简单的买版权，在传统行业已经做了不知道几十年上百年了，简单的用钱去处理掉。这个时候数据才有用。
        避免滥用技术：
        然后是这样子，所有的技术在这个时候有非常重要的作用，他是帮我们去实现的。但是我们要避免的是什么呢?滥用技术。
        比如说像，这个地方所说的，Google用什么我们用什么，Facebook用什么我们用什么。那我是一个技术人员，你是一个ceo，你有权质疑我吗?你没有权利质疑我。拜托大哥你懂不懂，我们用的都是跟Google的技术是一样的，是一样一样一样的!那Google能读出来，那我们读不出来，那我们在学习嘛。你等一等，我们在学习。
        不是这个样子的。就是我允许你用心的技术区存储，去运算，但结果要能够反馈给业务部门，给产品部门。如果你只把数据存进去，读不出来。或者我们需要报表一些维度你做不出来。对不起，不要用了。硬件投入不是那么重要，我可以出钱，但是要你这个部门何用呢?既然你跟Google用的一样一样的，那我去Google招一个人进来不就行了吗?就是这个意思。
       最后这两个，是我昨天加上去的。人月神话和任天堂。是我对最近几年的一个思考。
        人月神话：
        人月神话是一个风靡了几年的书，它里面讲了一个故事。就是IBM的一群疯狂的科学家，他们去做了一台所谓的世界上最牛逼的个人电脑，打算推向市场。但是他们一再的Delay，一再的Delay，他们失去了市场先机，最后根本就没卖掉。
        因为什么呢?因为他们都是一帮疯狂的科学家。他们追求的是最高效的性能，最牛逼的体验，最牛逼的功能，不断地叠加，不断的叠加，最后导致这个个人电脑不能出来。
       所以我们做数据运营的时候也要知道，我们有个最初步的知识，我们这个产品有一个相当规模的用户。我们有大量的数据，我们是不是要用一些很先进的技术呢?很先进的技术是能帮我们解决很多问题，但是hold不住的时候，还不如用一些最原始的方式。对于运营和产品来说，我们可以妥协的是，我们的报表可以等一下在看到，甚至可以等两天。但我不能看不到，你不要跟我说，你这个技术可以做到实时性很强，五分钟、十分钟。别人做得到，但是你做不到，那就是一个死，并没有什么用。
        任天堂：
        那我最近看的一两本，跟任天堂发展有关系的。
        任天堂他是一个很有意思的公司，他们在做产品的时候，他们从来没有用过新的技术，从来没有用过。为数不多的，一两次用新技术的产品都是失败的。
        所以就是说，这个公司有一个很有意思的理念，就是只用老的技术，去做新的产品。
        始终是用市面上成熟的技术，搞得定的，公司内部可以hold的住的，去做我们下一个阶段，我们的战略发展方向上需要做的产品。这个是成为，我现在和别人一起创业的时候，我很重要的一个思想，就是我们有节制的去使用一些新技术。主要去使用老的技术，去做一个新的产品。

分享到：