一、数据化运营·基础

——会看数&看懂数

1. 互联网有哪些不得不会的指标

1）常见的指标定义及实际用途

2）为什么说指标的统计口径很重要

2. 如何解读数据指标

1）指标的分类：业务结果指标、业务过程指标、底层数据指标等

2）指标的波动：正常和异常

3）如何解读指标的变化：同比和环比，绝对值和比率，阈值的设定

案例：运营总监、运营主管和运营小白应该分别关注什么样的数据指标

二、数据化运营·尝试

——数据分析

1. 为什么要进行数据清洗

1）数据源存在的问题及应对方法

2）常见的数据清洗方法及工具

2. 底层数据和业务数据的关系是什么

1）互联网数据，一切都是数据表

2）如何构建底层数据和业务层数据的联结

3. 如何实现数据建模

1）数据模型与建模

2）多维数据模型

3）多维事件模型

案例：如何抽象业务概念，完成数据模型的搭建工作

三、数据化运营——数据分析

1. 为什么需要数据化运营、数据化运营在公司

中能发挥什么样的作用

案例：有无数据化运营的工作差异

2. 学习数据化运营不得不会的知识点及方法论

1）数据化运营的核心技能项：懂业务、重指

标、会拆解

懂业务：看透业务流程的四个步骤

重指标：通过业务指标回顾

会拆解：从 MECE 方法到数据指标拆解

案例：如何通过电商全年收入指标（KPI）的数

据化拆解来驱动业务发展

案例：如何通过数据化运营提升数据小白的日

常工作效率

2）数据化运营的具体方法及适用场景：

对比分析：同比和环比

漏斗分析：一切都是转化率

分层分析：用户运营不得不会的 RFM 模型

路径分析：找到 app 内的用户都去哪了

案例：如何通过漏斗分析来寻找京东 app 注册

人数减少的原因

四、数据化运营的具体流程

1. 数据化运营第一步：问题诊断 5 步方法论

案例：如何通过问题诊断方法，解决某阅读app用户流失问题

2. 数据化运营第二步：A/B 测试全流程详解

案例：如何通过 A/B 测试，完成某短视频 app

产品新功能上线的全流程操作

五、数据化运营解决异常问题

      &数据驱动业务增长

1. 数据分析解决问题的日常工作：

1）日常监控

2）效果评估

3）异常分析

案例：某外卖平台具体品类销量下滑问题分析

及解决方案提供

2. 数据驱动增长的流程及方法

数据驱动业务增长的组织架构及分工

案例：如何通过 AARRR 模型来实现初创产品

的用户增长