1.用客觀分析代替感性判斷 

 數(shù)據(jù)正在深入我們工作的每一個細節(jié)，作為與用戶和產(chǎn)品接觸最頻繁的人，運營是接觸數(shù)據(jù)的第一個環(huán)節(jié)。同時運營通常是策略的制定者和實施者，但數(shù)據(jù)經(jīng)常被技術(shù)部門掌控，或者安靜地待著，不產(chǎn)生任何作用。

 對于運營來說，數(shù)據(jù)產(chǎn)生和決策制定中間，一定還有大量可以優(yōu)化的空間，這種空間來源于數(shù)據(jù)。從數(shù)據(jù)中發(fā)現(xiàn)知識，優(yōu)化決策，將會成為大大提升運營效率。

 另一方面，有了數(shù)據(jù)的支撐，你可以更好地說服boss，即便和技術(shù)、產(chǎn)品撕逼，也完全不虛。但前提是，你能夠利用好這些數(shù)據(jù)，分析出支撐決策的結(jié)論，并用一般人能夠看懂的可視化方式描述出來。

 2.培養(yǎng)對數(shù)據(jù)的敏感度 

現(xiàn)在，稍微有點規(guī)模的產(chǎn)品，數(shù)據(jù)量都特別大，有非常多的字段，你可能會懵逼，到底應(yīng)該從什么地方下手呢？

 但如果有一些經(jīng)驗就會好很多。比如，你要研究影響跑步運動員速度的身體因素，那么我們可能會去研究運動員的身高、腿長、體重、甚至心率、血壓、臂長，而不太會去研究運動員的腋毛長度，這是基于我們已有的知識。又比如你要分析影響產(chǎn)品質(zhì)量的幾個指標(biāo)，影響轉(zhuǎn)化的因素的優(yōu)先順序，那么如果你經(jīng)過前期的分析，就可以得出一些初步的結(jié)論。

 所以當(dāng)你分析的問題多了之后，你就會有一些自己對數(shù)據(jù)的敏感度，從而養(yǎng)成用數(shù)據(jù)分析、用數(shù)據(jù)說話的習(xí)慣。這個時候你甚至可以基于一些數(shù)據(jù)，根據(jù)自己的經(jīng)驗做出初步的判斷和預(yù)測（當(dāng)然是不能取代完整樣本的精準(zhǔn)預(yù)測），這個時候，你就基本擁有數(shù)據(jù)思維了。

 3.從精細化運營到自動化運營 

 數(shù)據(jù)驅(qū)動這個詞相信你已經(jīng)聽過很多了，粗獷式的運營策略帶來的低信噪比、資源浪費，通過精細化運營可以有效緩減。uv、pv 等指標(biāo)已經(jīng)無法精準(zhǔn)決策的時候，如何通過更精細的數(shù)據(jù)分析，將會是未來運營的驅(qū)動力量。

 更重要的是，最基礎(chǔ)的、重復(fù)的、價值含量低的運營工作，將逐漸被自動化的運營代替。比如基于數(shù)據(jù)分析的推薦系統(tǒng)，已經(jīng)很好地代替一部分內(nèi)容的篩選和推送。未來運營人的一個核心競爭力是，通過數(shù)據(jù)分析實現(xiàn)高效自動化運營。