大数据企业运营金字塔分为7个层面，包括数据基础平台层、业务运营监控层、用户洞察与体验优化层、精细化运营与营销层、业务市场传播层、业务经营分析层和战略分析层。
大数据企业运营金字塔分为7个层面，上期专栏已经介绍了数据基础平台层、业务运营监控层吗，本期将介绍用户洞察与体验优化层、精细化运营与营销层、业务市场传播层、业务经营分析层和战略分析层。
用户洞察/体验优化层。
这一层主要是通过大数据来洞察用户行为和偏好以及监控和优化用户的体验问题。这一层面既运用了结构化的数据来洞察和优化，也运用非结构化的数据（如文本）来洞察和优化。前者更多的是应用各种用户行为模型来实现，后者更多的是通过监测微博、论坛和企业内部客服系统的文本来洞察和优化。具体包括以下两大方面：
1.用户洞察。
利用大数据技术抓取微博、论坛和企业客服系统等文本数据来洞察用户对产品的关注点和走势，实时掌握用户需求及动向；基于大数据的用户行为数据分析，并结合用户调研，深度掌握用户潜在需求和预期；对企业内部数据进行系统化梳理后，为企业内部数据用户搭建自助分析工具，协助企业内部数据用户灵活提取和分析数据，帮助他们进行相关研究和决策；
2.体验优化。
我们可以通过大数据构建各种用户体验监测模型来进行用户体验优化。如电商用户购买行为的漏斗模型，监控用户进入首页、查看商品产品详情、把产品放到购物车、购买以及支付等各环节之间转化率来发现用户购物过程的体验问题；通过大数据技术监测用户使用产品的评价以及时发现产品体验问题，并提交给相关产品或服务部门进行调整和优化。
业务运营监控层和用户洞察/体验优化层这两个层面终极目标是实现企业运营健康度监控的智能化，这两层面做出的工具好比是人体的体温计、血压计、B超、CT等工具，我们用这些工具就能快速透视企业运营中那一模块或者环节发生问题，以辅助相关人员进行及时的改进。
精细化运营和营销层。
这一层主要的目的是通过大数据驱动企业进行精细化运营和营销。实现精细化运营和营销有六方面关键：
2.构建基于大数据的CRM系统。传统的CRM系统只关注企业内部数据，而大数据时代的CRM不仅仅是整合企业内部数据，还需要整合更多的外部数据，利用大数据技术获取更多实时和多元化的用户行为和偏好数据，为企业潜在用户、存留用户打标签，构建多维度及实时的用户视图，更有效掌握不同用户的价值，对不同用户实施不同的营销策略。
3.构建基于大数据的营销活动数据挖掘体系。通过数据挖掘提升用户对营销活动的响应（如点击率），常见的数据挖掘算法有决策树、逻辑回归等，通过这些算法有效的提前识别最有可能参与活动的用户，或者发现潜客。
4.推广渠道质量监控和防作弊。通过大数据手段建立营销推广渠道质量的监控模型，实时地监控推广渠道的效果和质量，防止渠道作弊，及时优化和挑战推广策略和预算。
5.通过数据挖掘的手段进行客户生命周期管理，做到实时对不同生命周期的客户进行实时标记和预警，并把有效的活动当成商品一样及时的推送给不同生命周期阶段的客户。
6.客户个性化推荐。主要是用个性化推荐算法实现根据用户不同的兴趣和需求推荐不同的商品或者产品，以实现推广资源效率和效果最大化。
业务市场传播层。
这一层面要做到通过“性感”的数据分析和挖掘来辅助产品进行传播，主要有两种实现方式：
1.制作有趣的数据信息图谱。
某电商平台曾经通过统计其购买胸罩C-Cup以上的用户地区分布，发现西安的网民相对比例最多，并发布了这个数据，暗示西安女生身材好，引起不少“潘俊蓖民传播。而某社交平台在则基于其8亿多活跃用户披露“逃离北上广”数据图，发现11%的用户在春节后逃离了北上广，并引起央视的深入报道.
2.提供数据可视化产品。如某搜索引擎厂商，提供关键词搜索指数，让关注此关键词的用户可以实时掌握该关键词被网民关注的走势，在提供此服务的同时，也形成了该搜索厂商的品牌传播效应。
另外一个案例是，某互联网地图服务上基于其位置定位数据，向网民展示了春节期间的全国春运出行热度图，以可视化的大数据产品形式来展现全国春运动态，网民可以在动态的出行热度图上查看某城市的人口迁入、迁出线路排行，并能进行飞机、汽车、火车等不同出行方式的热度对比。
对比，由此来知晓某地区春运的出行热度。全国春运出行热度图被央视报道，可见这样结合社会热点的数据可视化产品更被关注。
业务经营分析层和战略分析层。
这两个层面更多的是运营传统的战略分析、经营分析层面的方法论，拥有大数据的企业在这两个层面的优势在于其分析的数据可以来自大数据，并且数据更新速度快，快到可以按照小时来更新甚至是分钟级的速度更新，传统的战略分析、经营分析一般是按月来统计；另外一个优势在于大数据的数据来源更多，可以对非结构化的数据进行更多的深入挖掘和洞察。
但有两方面需要注意：
1.有很多企业错误的把“业务运营监控层”和“用户洞察/体验优化层”能做的事情放在经营分析层或者战略分析层来实施。
我们认为“业务运营监控层”和“用户/客户体验优化层”更多的是通过机器、算法和数据产品来实现的，“战略分析”、“经营分析”更多的是人来实现。很多企业把机器能做的事情交给了人来做，这样导致发现问题的效率较低。
我们的建议是：能用机器做的事情尽量用机器来做好，尤其是“业务运营监控层”和“用户/客户体验优化层”，在此基础上让人来做擅长的经营分析和战略判断；
2.在变化极快的互联网领域，在业务的战略方向选择上，数据很难预测业务的大发展方向，如果有人说微信这个大方向是通过数据挖掘和分析研究出来，估计产品经理们会笑了。
我们认为，如果能利用数据通过机器、算法、或者人工的手段，把经营的现状和问题及原因洞悉的特别清楚已经很不错了，这样决策层就可以基于这些情况进行更好的“拍脑袋”决策。
从本质上来说，数据在业务运营监控、用户洞察和体验优化、精细化营销和运营、辅助经营分析中能起到比较好的作用，但在产品策划、产品创意等创意性的事情上，起到的作用较小。但一旦产品创意出来，便可以通过大数据AB测试，数据验证效果了。
总之，本文只是提纲挈领的介绍了大数据在企业的落地方案。还有更多的细节和方法论未能展示出来，后面的文章将继续展开。另外，目前结合社会热点的数据可视化产品更被关注。无论你是否想要建立有关自己信息的完整数据设施，还是只想利用越来越多的现成的分析应用进入公共或共享数据集，最为重要的是，你需要以更为聪明的方式将数据分析融入到自己的业务中。
