數據管理流程，基礎入門簡介

• 2020 年 12 月 8 日
• 筆記
• 大數據.計算.分析, 數據管理

一、基礎思維

數據在現在互聯網的行業中可以說是最核心的話題，數據的價值已經被稱為資產了，大部分的互聯網應用都會源源不斷的產生各種數據，如何管理和使用這些數據，讓這些看似平常的數據產生更大的價值，一直是熱門的探索領域。比如常見的風控、營銷、推廣等各種業務，都需要依賴大量的用戶行為數據作為依賴，才能精準的對相關流程做出分析判斷。

數據管理是一項複雜而且龐大的工程，需要付出的時間和成本非常高，通常的說法就是對用戶有效的數據進行採集，存儲，分析，組建業務模型，二次業務應用，以此讓數據發揮更大的價值。

在企業考慮做數據沉澱管理時候，通常這裡有一個基礎的考慮，數據量是否龐大，搭建起的數據管理體系能帶來的收益是否能覆蓋成本；對於企業來說，很多事情做起來都是對的，但是不一定是對自身發展是有益的；如果基於數據管理，能帶來更多業務收益，那這個龐大的工程自然值得投入。

二、業務與數據

這裡再從實際流程來看這個問題，通常一個項目在開發初期時候，為節約成本都會採取快速迭代的方式，基於產品設計和用戶使用分析，不斷快速升級，在這一過程中也是數據不斷積累的過程，一個方向清晰的產品發展的基本過程：產品核心功能實現，豐富和優化流程，產品分析的數據報告。這是一個項目開發的基本初期流程，如果產品沒有成功，過程到這就基本結束，成本不會過高，當然如果產品成功了，那後續產品的發展方向怎麼確定，就是另一個大的話題。

通常會從兩個方面考慮穩定產品的後續方向：1.借鑒市面上類似產品，去分析成功的原因；2.基於現有的業務流程產生的數據，判斷產品的亮點和糟點；通常根據產品現有數據做分析是最常見的操作，在實際互聯網產品中，就有活脫脫的案例：

媒體類APP會根據用戶瀏覽行為推薦資訊，你感興趣的內容會不斷推送；電商類APP會根據季節或日期或搜索行為，推薦特定的商品，提高成交量；社交類APP會根據多個緯度的使用數據做相應的廣告植入，精準分發；

以上這些實際的案例，都是在互聯網產品中很常見的操作，都是基於產品業務流程，不斷積累數據，然後針對自身數據的沉澱，做二次數據分析，再次應用到業務層產生非常高的價值。

三、自動化流程

數據管理的流程需要自動化，這個是最基礎的操作，如果基於數據的流程不能自動，那就完全沒有必要，例如數據完整的周期從業務數據產生，分析沉澱，可視化分析，二次應用，這裡流程只有自動化管理才能源源不斷的提供穩定的服務。數據管理中的一個核心因素就是效率，追求效率就要依賴自動的流程，拿一個簡單的案例來說：今天天氣很冷，用戶瀏覽防寒商品，如果產品不快速響應，做好相關分析和推薦服務，那過了今天很可能用戶已經沒有購買意願，或者已經在其他平台下單了，大部分用戶的行為都是有時效性存在的，這對於交易類產品尤其重要。而對於社交類或者資訊流的產品，用戶的行為畫像至關重要，基於自動的行為分析，源源不斷的豐富用戶的行為畫像，以此更加精準的判斷用戶心理，提高產品的粘性。

所以數據管理的最終產品形態，工具智慧化分析，流程自動化管理，快速判斷用戶行為，精準響應，這才能最大發揮業務數據的價值。

四、服務升級

任何一款產品，如果源源不斷的用戶註冊使用，產生大量的數據，都很容易發展成為一款超級應用，或者生態平台。支撐這些業務的都是依靠用戶和用戶數據。例如社交產品提供精準的營銷服務平台；金融產品提供風控分析；電商產品提供消費能力分析；這些服務都是基於用戶海量龐大行為數據，做的分析推測，一旦這些生態關係形成，產品必然會發展成為平台。同樣的數據，可以提供多次服務是數據管理的一個特點，例如某平台知道用戶精準的購買意向，那這個數據能服務多少商家，則就看這個平台有多少合作的商家，這就是一條用戶分析數據產生的多次業務收益。

所以很多現象級的產品，都是先有自己的數據管理體系，起初服務自己業務線，然後順利發展為平台，開放服務能力，獲取更多的客戶或者用戶，然後不斷的優化和服務能力升級，進入良好的發展循環。

五、源程式碼地址

GitHub·地址
//github.com/cicadasmile
GitEE·地址
//gitee.com/cicadasmile

推薦閱讀：編程體系整理