数据基础平台层，金字塔的底层也是整个金字塔的基础层，如果基础层建设不好，上面的应用层也很难发挥作用在企业运营中的作用。没有数据或高质量的数据，所有的分析都是误导，所有的数据挖掘都是误导。该层的目标是将企业所有用户（客户）数据串起来，具有唯一ID，包括用户（客户）画像（如性别、年龄等）、行为、爱好等，实现全面了解用户（客户）的目的。做好这件事有3个关键：1、企业需要确定唯一的ID才能打通数据。有的企业使用会员注册号，有的使用手机号或身份证号等。2、跨部门数据整合问题。拥有大数据的企业通常有很多部门，用户（客户）的各种行为和爱好分散在不同的部门，这就需要企业有意识地、有力地整合它们；3.通过技术手段和规范手段对数据进行管理，这里要解决的问题是存储在数据仓库中的数据的具体含义是什么，如何进行高效的存储和计算，涉及到数据访问系统、元数据管理系统、和计算任务调度系统。业务运行监控层。这一层最重要的是构建业务运营的关键数据系统。在此基础上，通过智能模型开发的数据产品，可以监控关键数据变化，快速定位数据变化原因，辅助运营决策。如果一个企业建立了实时计算的能力，那么企业运营中的很多问题都可以被及时发现。用户/客户体验优化层。这一层主要是通过数据来监控和优化用户/客户体验问题。它既使用结构化数据来监控，也使用非结构化数据（例如文本）来监控体验问题。前者更多是通过应用各种用户（客户）体验监测模型或工具来实现，后者更多是通过监测企业内部的微博、论坛、客户反馈系统等文本，发现负面口碑，并及时优化的产品或服务。业务运营监控层和用户/客户体验优化层最终希望实现企业运营的智能医生。这两个层次做的工具，像体温计、血压计、B超、CT等工具。通过这些工具，我们可以快速的看到业务运行中哪些模块出现了问题。精细化运营，精细化营销层。这个层面有四件事：1.构建基于用户的数据提取和运营工具。运营和营销人员可以通过简单的条件配置（如选择男性、18-24岁、特定爱好）提取数据（用户/客户），对数据背后的用户/客户进行营销或运营活动；2.通过数据挖掘提高客户对活动的响应（如点击率）。常用算法包括决策树、逻辑回归等；3.通过数据挖掘管理客户生命周期。不同于传统的客户生命周期管理，大数据可以对不同生命周期的客户进行实时标记和预警，将有效的活动作为商品及时推送给不同生命周期阶段的客户；4.客户个性化推荐。主要是利用个性化推荐算法，根据用户的不同兴趣和需求，推荐不同的商品或产品，使推广资源的效率和效果最大化。数据有助于市场沟通。在这个层面上，需要用“性感”的数据分析和挖掘来辅助产品传播。实现方式主要有两种：一种是好玩的数据信息图。我喜欢看有趣的内容。特别是在互联网上，10-29岁的网民占中国网民总数的一半以上（55%，CNNIC2013年数据），而且这些用户更年轻、更“屌”，因此这些受众更喜欢“性感”的内容。淘宝曾经统计过购买过C罩杯及以上文胸的用户地域分布，发现西安的网民比例最大，并发布了这个数据，称西安女生胸最大，引起不少“屌丝”网友纷纷传言。今年3月，腾讯首次披露了基于8亿多活跃用户的“逃离北上广”数据图，发现11%的用户在“逃离北上广”后逃离北上广。春节。数据辅助市场传播的另一种方式是直接做数据产品对外使用。比如百度指数或者百度过年做的迁移图。从百度东莞8小时迁移地图的数据可以看出，离开东莞后，前往香港的人数最多。那我们是不是可以简单的得到一条信息，最多的人从香港去东莞……商业分析和战略分析。这两个层次我这里就不说了，因为这两个层次和很多传统的战略分析、业务分析方法论比较相似。最大的区别是数据来自大数据。但有两个方面需要注意：1.很多公司错误地将业务分析或战略分析层放在“业务运营监控层”和“用户/客户体验优化层”。我觉得“业务运营监控层”和“用户/客户体验优化层”更多是通过机器、算法和数据产品来实现，“战略分析”和“业务分析”更多是通过人来实现。很多公司把机器能做的交给人，导致发现问题效率低下。我的建议是，机器能做的事情，尽量用机器做好“业务运营监控层”和“用户/客户体验优化层”。在此基础上，让人做人类更擅长的经验分析和战略判断。;2.在瞬息万变的互联网领域，在选择业务战略方向时，很难根据数据预测业务发展的大方向。笑了。从本质上讲，数据在精细化营销和运营中可以发挥比较好的作用，但在产品策划、广告创意等创意方面的作用就比较小了。但是产品创意一旦出来，就可以通过灰度测试，数据可以验证效果。我觉得如果能利用数据，通过机器、算法或者人工的手段，清楚地了解现状、问题、原因，这样决策者就可以根据这些情况做出更好的决策，那就太好了。总之，本文只是概述了大数据在企业中的实施。还有更多细节和方法无法展示。另外，大数据在不同行业的落地可能会有很大差异。因此，欢迎各界同仁与我交流探讨。
