1 数据的定义
数据，其实就是一堆数值。
但这些数值，是从用户的行为统计而来。用来便于需要使用数据的同学进行研究和分析之用的基础素材。
2 有哪些数据
我们在入门篇的最后，列出了一些核心数据，我用一张脑图来简单的归纳一下，并进入我们这一节的内容：
这张脑图，仅仅简单的展示了可能是通用的部分运营数据，但如果我们仔细去看，会发现三个数据类型，是所有运营都需要具备的：
渠道、成本、收益。
如果要我简化上面这张脑图，我会告诉你，做运营，需要获取的数据，就是这三大类数据：
渠道数据、成本数据、收益数据。
渠道数据，是用来衡量渠道质量、渠道作用的，它由产品本身的定位的客群和产品的特性所决定。我们其实很容易可以推倒，一个理财产品如果投放游戏社区这种渠道，其运营效果可能并不会太好，可如果换成彩票、博彩，可能效果就很好；同理，传奇这一类的游戏的宣传与活动如果投放到女性社区平台，其效果几乎也可以无视，而如果换成一款Q版小游戏，或许效果就很好。
成本数据和收益数据，则会从不同层面反映出运营的效果。
在这里插一句，千万不要相信网上流传的各种《XX高管教你不花钱做运营》这种鸡汤文，运营一定有成本，必然有成本，如果认为运营高手可以不花钱办成事儿，那不如去相信男人可以怀孕生孩子。运营的效率可以通过经验、熟练度、创意等各种手段来提升，但运营的成本是必然存在的，并且和运营效果一般来说是成正比关系的。很简单的一个道理：
两个活动，一个活动送100台iPhone6，一个活动送1台iPhone6，哪个效果会好？
做运营的同学，请一定要认真的去评估每一个运营动作背后的成本。
而所谓“收益”，并不等价于“收入”，获得金钱是收益，获得用户也是
收益，获得口碑同样是收益。
如果我们了解了渠道、成本、收益这三类数据，是指导运营的核心数据，我们就可以根据自身的产品特性去设定需要获取哪些数据。
我们拿那个App——足记来举个例子吧。
“足记”因为一个非核心功能火了，但作为这样的应用，它会关注哪些数据呢？
从产品的层面，它会去关注：
1）App每日的打开数
2）各种功能的使用次数和使用频次
3）各种Tab的点击次数和对应页面的打开频次
从运营的层面，它可能会去关注：
1）App每日的活跃用户数
2）每日产生的UGC数量（区分新老用户）
3）每日分享到社会化媒体的UGC数量（同时考虑单位用户的产生内容数）
4）分享出去的UGC带来的回流新装机、新激活用户数
等等。
而我们需要注意的是，这些关注的数据点，并不是一成不变的，它会因为产品的不同阶段而调整，如果我们假设未来足记有盈利模式，那么它关注的核心数据，就会从内容转向收入，这时候，转化率相关数据就会变的重要了。
同样，我们曾经举过这样一个例子：
某个旅游网站，发起了老用户邀请新用户加入，老用户和新用户都可以获得100元的代金券，如果活动期间，新用户完成了一笔旅游订单，不论金额大小，作为邀请人的老用户还可以获得100元的代金券。
我们当时分析了活动流程，并针对活动流程做了关键点梳理，这些关键点就是需要获取的数据：
我们需要的数据，根据实际的需求来进行设计，并没有一个完全通用的标准，当然，如果你做的越多，你会发现，你的数据感觉在不知不觉中获得了提升，这一点，非常重要。
3 如何获取数据
获取数据的渠道有很多，而方式基本就是自己做和使用外部工具两种方式。
自己做的话，App可以选择“埋点”、log等方式，而Web可以通过log、日志与按钮埋点等方式去做记录。
外部工具，则有很多第三方会提供服务。
获取数据的方式其实各种各样，而关键在于，作为运营人员要了解什么样的数据是重要的，对于这些数据的前后关联，是怎样的，这是一个联动的过程，不是一个单一的行为。
4 如何分析数据
对于数据的解读，每个人都有不同的方式。如果我们要简单的总结，数据分析的方法，无非是：
1）确定数据的准确性
这里包含了选择数据维度的合理性、数据统计的准确性。如果数据维度选择不合理、数据统计结果不精确，我们可能是无法得出正确的分析结果的。这是基础。
2）明确影响数据的因素
一个数据，会收到多种因素的影响，这些因素有内部的，有外部的，运营人员应当尽可能多的了解所有层面的影响因素，以利于我们对于数据的解读是在一个相对正确的范围内。
3）重视长期的数据监测
在运营数据分析中，经常会使用环比和同比方式来对比数据。简单的说，环比是本日与前一日的对比、本月与上月的对比、本季度与上季度的对比；同比是今年当日与去年当日的对比、今年当月与去年当月的对比、今年当季度与去年当季度的对比。环比帮我们看短期的数据波动，而同比帮我们了解大环境下的数据波动。
4）保持客观的视角
数据分析的过程中，客观非常重要，不以物喜不以己悲，做了错误的操作，带来了不利的影响要承认，获得了超出意料的成果要心平气和，切忌挑选有利于自身的结论。这是职业道德的问题，也是职业发展中非常常见的问题。
5）注意剔除干扰项
实际的工作中，我们会碰到很多问题，这些问题是干扰项，例如，在一个相对平稳的曲线中，突然出现了一个点上的强烈波动，这时候我们需要全面的了解个波动产生的原因，如果无法确认原因，就剔除这个波动，否则我们很难去获得一个正确的结论。
关于数据的内容，我个人其实说不出更多有价值的东西，抱着负责任的态度，写到这里，希望对此感兴趣的同学通过专业渠道去认真学习，并在实操中提高水准。
本文节选于张亮的《从零开始做运营》，知乎首席回答官李楚文负责整理。
