数据与智能 出版了专著「构建企业级推荐系统：算法、工程实现与案例分析」。每周输出7篇推荐系统、数据分析、大数据、AI原创文章。「数据与智能」(同名视频号、知乎、头条、B站、快手、抖音、小红书等自媒体平台号) 社区，聚焦数据、智能领域的知识分享与传播。

作者 | 橙子

审核 | gongyouliu

编辑 | auroral-L

在上一期中，我们讲到做数据化运营其前提是假定数据是稳定的。在这里我们用点击率为例。数据运营人员可能会觉得这项数据我们一直在使用，能有什么特别的呢？在作者眼里，点击率是变化的。它所面临问题是：当用户点击到详情页时，又有多少用户连第二屏都不会拉下去看？如果这项比例很高，那么就意味着点击率本身就有很多水分。所以说，在数据化运营里，我们往往假定数据稳定不变，因为在我们的认知中，“我只是数据的使用者，我假定数据是稳定的就可以了”，这是普遍心理。那么为什么要去关注数据稳不稳定？而且，假定数据稳定，也意味着我们习惯于不去寻找一些新数据。

举例来说：如果我的钥匙不见了，一般的做法是去那些我可能丢东西的地方找。同理，在运用数据的时候若出了问题，我们也会是一样的心理，不会去思考除惯性思维之外的其他可能性。而且这些地方无法解决问题时，我们就会不解，这是数据化运营中很常见的一条死路。

于是，到了养数据，也就是运营数据的阶段，我们的做法就必须改变了。此时，当我们想要静态的性别时，就会问自己：“会不会不好用，是否需要改善？”

从企业的角度来讲，数据化运营一般是自上而下的，管理者强调kpi指标，员工们按照目标进行分解。所以，数据化运营是计划性的，但凡计划性的一定都是稳定且结构化的。

运营数据却是自下而上的，经过了无数的错误和实验，慢慢地向上追溯。就像阿里巴巴有18个性别标签这件事情，这18个性别，不是管理层凭空想象出来的，而是将众人发现的性别经过交叉比对，分析到底在什么场景下更合适，可见这样的结果是试出来的。

在上一期的内容中，我们还谈到了假定数据是可以获取的。从假定数据是可以获取的角度来思考问题，是数据化运营里很重要的一个方法，这与“如何利用数据来拿到更多数据”的问题并不一样。今天，我已经知道了你的一些数据，但是并不多，此时我就要想办法用我知道的东西来拿到你更多的数据。这在数据化思考里，叫作“有意识地用数据拿数据”（Data Get Data）。现在最常见的一种数据拿数据的方法就是A/B测试。原理是，我本来知道你对某样东西很感兴趣，今天我给你做一个测试，本来是A页面，我给你一个B页面，然后看看你有什么样的反应。其实,B页面拿到的数据肯定是基于A页面拿到的数据的。这就是用一部分数据拿更多的数据时采用的最常见的方法。

将数据化运营和运营数据打通，有可能会创造出一些意想不到的创新。我们在大数据环境里运营数据时，有可能走不通的原因是，现在的数据已经庞大到需要管理才能到创新的数据化运营，这个循环能否成行，往往需要很长时间的努力。

本期的内容到这里就结束了，下期会和大家探讨“阿里巴巴数据化运营的内三板斧之‘混’”。欢迎大家关注数据与智能获取更多好内容。