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

阿里巴巴数据化运营的内三板斧之‘通’

在上一期内容中，我们讲到阿里巴巴的数据化运营有三板斧，分别是混、通、晒。那么今天想和大家分享的是“阿里巴巴数据化运营的内三板斧之‘通’”。

“通”是“混、通、晒”里最关键的连接点，知道带着业务问题来看数据，或者带着数据来看业务，这就是做到了“通”。从客观的角度来看，数据运营的方方面面都可能存在影响数据精准度的“噪音”。数据本身是客观的，但它很容易受到产品和运营人员的影响——产品目的的导向会影响运营人员的想法，而运营人员的想法则会影响样本获取的精准度，这就造成了数据在不同人眼中出现不同结果的情形。

以转化率为例，市场部门和运营部门对于转化率的想法是不同的。如果公司内部的数据标准没有打通一致，公司决策时被数据迷惑和误导的可能性就会被放大。因此，你会发现，问题最后还是要归结到“人”和“公司”上来。如果不能“通”到商业环境里，即使数据很多也没有任何价值。坚持带着业务问题来观察数据，或者带着数据来观察业务，兼备二者的敏感，就是做到了“通”。有些人在很短的时间里就能判断出数据是否有价值，就是因为“混通”了。

值得注意的是，“通”有两个场景。比如说现在有一个商业场景和一堆数据，这两者产生关系时，就是商业模式和数据彼此的“通”，我们可以称他为数据中间层，简单来说，它就是能够敏感反映商业变化的数据群。另外一种更深入的“通”就是存在于公司组织中的数据。譬如有一个商业问题，但是需要数据A和B、C、D互通才能解决。举例说明，今天的退款非常多，我会去做的第一件事情可能是去查看营销部门的数据。我看到今天uv猛增，所以退款才特别多，这是可能合理的。但是我从客服数据中发现了一些退款是少量的卖家产生出来的，那就另当别论了，因为这说明这个商业场景也有可能是作弊。此时就需要对营销、客服和风控等多组数据综合起来进行解释。所以，把数据打通，一种是商业理解和数据之间的 “通”，另一种就是部门数据和部门数据的交叉。

现实中的“不通”也有两种，一种是从人的角度来说的，比如说人在思考上的“不通”；另一种则是从公司的角度来说的，比如在架构上的“不通”。这两者角度不同，造成的损失也会有差别。大部分的公司都会出现“不通”的情况，比如部门与部门的隔离打乱了整个流程的连贯性，财务部门对产品、市场和运营等的不敏感可能会把数据打散，这样一来，商业活动就根本没有办法继续进行。

想做到数据的积累和沉淀，想要打通数据，建立合理的系统是不二之选。首先，做好数据安全工作，以保证公司内部不同职位的员工可以查看不同的数据；然后，统一不同部门的数据标准，使公司内部数据有统一的接口，避免混乱；最后，关联不同部门的数据，创造机会让数据的运营可以扩散至数据部门之外。

“通”是“混、通、晒”里最关键的连接点。以前数据量没有这么大的时候，公司“混”完就“晒”了，完全凭借商业敏感去运营数据。而现在海量数据成为主流，“通”也就成了运营数据不可或缺的一部分。

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