CDA持證人簡介
程靖   CDA會員大咖，暢銷書《小白學(xué)產(chǎn)品》作者，13年頂級互聯(lián)網(wǎng)公司產(chǎn)品經(jīng)理相關(guān)經(jīng)驗(yàn)，曾在百度,美團(tuán),阿里等大廠擔(dān)任產(chǎn)品經(jīng)理。

一、數(shù)據(jù)驅(qū)動的業(yè)務(wù)解析
數(shù)據(jù)驅(qū)動與人力驅(qū)動對比
人力驅(qū)動廣告投放：以購買便宜流量為例，商務(wù)發(fā)現(xiàn)便宜流量后，需通知運(yùn)營進(jìn)行試投放，運(yùn)營分析后找財(cái)務(wù)申請資金，投放后還要分析效果并寫報(bào)告，過程繁瑣，依賴個人且效率低，易出現(xiàn)溝通成本高、決策風(fēng)險(xiǎn)大等問題。


數(shù)據(jù)驅(qū)動廣告投放：任何公司投流，都一定要搭建流量監(jiān)控體系，自動監(jiān)控流量報(bào)價，發(fā)現(xiàn)便宜流量后自動進(jìn)行小流量試投放，依據(jù) ROI 選擇最佳渠道并自動投放，同時利用人工智能準(zhǔn)備物料，最后自動匯總結(jié)果，相比人力驅(qū)動更加穩(wěn)定、高效，經(jīng)驗(yàn)可繼承。




實(shí)現(xiàn)數(shù)據(jù)驅(qū)動的關(guān)鍵要素



北極星指標(biāo)：數(shù)據(jù)驅(qū)動業(yè)務(wù)的前提是目標(biāo)可量化且可驅(qū)動，不同產(chǎn)品或公司的北極星指標(biāo)不同，如社交平臺關(guān)注活躍用戶數(shù)，美團(tuán)在一定階段更注重訂單完成數(shù)。確定北極星指標(biāo)后，數(shù)據(jù)可依據(jù)該指標(biāo)進(jìn)行決策，明確業(yè)務(wù)重點(diǎn)方向。



業(yè)務(wù)流程模式化：業(yè)務(wù)流程一定要總結(jié)、通用且可復(fù)用，以電商訂單處理流程為例，各環(huán)節(jié)都要固化，數(shù)據(jù)才能在相應(yīng)環(huán)節(jié)發(fā)揮決策作用，比如選擇快遞公司時可依據(jù)用戶偏好和購買物品進(jìn)行決策。同時，業(yè)務(wù)流程并非一成不變，要根據(jù)實(shí)際情況優(yōu)化，如拼多多簡化購物流程，如何判斷流程是否模式化？就看新人能否依據(jù)文檔完成工作來判斷

二、數(shù)據(jù)平臺的作用與搭建
數(shù)據(jù)平臺的作用與搭建
搭建原因：以騰訊體育為例，不同業(yè)務(wù)如足球會員、籃球會員充值，在數(shù)據(jù)處理上存在大量重復(fù)工作，數(shù)據(jù)平臺可將數(shù)據(jù)加工成半成品，提高數(shù)據(jù)處理效率，減少重復(fù)勞動。
平臺分層：數(shù)據(jù)平臺包括數(shù)據(jù)采集，收集用戶行為數(shù)據(jù)、融合第三方數(shù)據(jù)；數(shù)據(jù)清洗包括處理臟數(shù)據(jù)，進(jìn)行關(guān)聯(lián)轉(zhuǎn)化備份；數(shù)據(jù)處理，即可視化分析、建立決策模型；比如依據(jù)歷史廣告投放數(shù)據(jù)決定是否再次購買某平臺流量和數(shù)據(jù)應(yīng)用，提供決策建議、異常報(bào)警、自助分析工具等。
數(shù)據(jù)平臺面臨的問題及解決方法
數(shù)據(jù)分工問題：數(shù)據(jù)歸屬不明確，業(yè)務(wù)部門和數(shù)據(jù)中臺可能因數(shù)據(jù)所有權(quán)產(chǎn)生矛盾。解決方案是數(shù)據(jù)共有，業(yè)務(wù)部門和數(shù)據(jù)中臺都有權(quán)獲取所需數(shù)據(jù)，避免數(shù)據(jù)壟斷。
資源問題：數(shù)據(jù)中臺可能因資源有限拒絕業(yè)務(wù)部門的數(shù)據(jù)需求。解決辦法是支持共建，開放數(shù)據(jù)接口，讓業(yè)務(wù)部門在緊急時可自行獲取數(shù)據(jù)。
算法結(jié)果可解釋性問題：算法團(tuán)隊(duì)提供的預(yù)測結(jié)果可能難以解釋，導(dǎo)致與業(yè)務(wù)部門產(chǎn)生矛盾。雙方需協(xié)商確定是注重可解釋性還是效果，若注重可解釋性，算法提供簡單模型但不負(fù)責(zé)準(zhǔn)確率；若注重效果，算法需為結(jié)果負(fù)責(zé)。
數(shù)據(jù)安全問題：數(shù)據(jù)中臺存在數(shù)據(jù)安全風(fēng)險(xiǎn)，如員工可能獲取并泄露敏感數(shù)據(jù)。解決措施包括建立審批流，限制人員訪問超出權(quán)限的數(shù)據(jù)；個人盡量不接觸原數(shù)據(jù)，通過結(jié)果數(shù)據(jù)實(shí)現(xiàn)業(yè)務(wù)需求；對部分?jǐn)?shù)據(jù)進(jìn)行脫敏處理，如隱藏手機(jī)號中間幾位。

三、實(shí)戰(zhàn)案例分享
C 端案例 - 盒馬用戶拉新
標(biāo)用戶定位：通過白盒化和黑盒化兩種方式確定目標(biāo)用戶，白盒化即依據(jù)用戶經(jīng)濟(jì)條件、性別等可解釋信息，如盒馬典型用戶為 40 歲以上經(jīng)濟(jì)條件較好、掌管買菜大權(quán)的女性，但上海男性用戶在盒馬消費(fèi)也較多。黑盒化指利用人格算法，雖不可解釋但能篩選出精準(zhǔn)用戶。
轉(zhuǎn)化路徑設(shè)計(jì)：盒馬門店選址都是在潛在用戶集中地，通過發(fā)券鼓勵線上購買，之后利用短信精準(zhǔn)觸達(dá)附近潛在用戶；也加大地推，依據(jù)數(shù)據(jù)選擇潛力小區(qū)擺攤，提高拉新效果，且數(shù)據(jù)可助力經(jīng)驗(yàn)復(fù)制到新城市。
數(shù)據(jù)處理方法：介紹潛在用戶模型，依據(jù)用戶特征擴(kuò)大潛在用戶池；通過數(shù)據(jù)關(guān)聯(lián)，如設(shè)備 ID、郵箱地址等判斷多賬號是否屬于同一用戶。
業(yè)務(wù)數(shù)據(jù)分析是CDA數(shù)據(jù)分析師一級的重要考點(diǎn)，如果你想了解自己的數(shù)據(jù)分析水平，可以在CDA認(rèn)證小程序中找到模擬題進(jìn)行測試。
B 端案例 - 國企服務(wù)點(diǎn)選址
項(xiàng)目背景與問題：國企部門開服務(wù)點(diǎn)涉及多部門，規(guī)劃部、考察部和選址部領(lǐng)導(dǎo)希望開店，對外洽談商務(wù)可能因租金問題有異議，導(dǎo)致決策困難。
數(shù)據(jù)驅(qū)動解決方案：分析各部門痛點(diǎn)，為領(lǐng)導(dǎo)提供決策數(shù)據(jù)（如點(diǎn)位人流量、潛在用戶數(shù)量等），為商務(wù)提供數(shù)據(jù)支持以申請租金調(diào)整，解決各方問題，贏得信任，促進(jìn)合作。

【總結(jié)】
詳細(xì)解讀數(shù)據(jù)驅(qū)動業(yè)務(wù)本質(zhì)，對比人力驅(qū)動的弊端，強(qiáng)調(diào)北極星指標(biāo)和業(yè)務(wù)流程模式化的重要性。深入探討數(shù)據(jù)平臺搭建、作用、面臨的問題及解決辦法，并分享 C 端盒馬拉新和 B 端國企服務(wù)點(diǎn)選址的實(shí)戰(zhàn)案例，助力同學(xué)們在工作學(xué)習(xí)中更好地運(yùn)用數(shù)據(jù)推動業(yè)務(wù)創(chuàng)新發(fā)展。