本篇文章1592字，读完约4分钟
谈到数据化运营人员的岗位职责，首先要谈谈数据部门在互联网企业中处于什么位置。常见的企业职能架构包括分散型数据架构(各业务中心下单独设立数据部门])和集中型数据架构(企业数据工作集中在一个中心部门)。集中型数据架构可有效解决数据源和数据口径的一致性问题，保证数据质量和及时性，因此这种架构在企业中较为常见。
钟华曾在其著作《企业IT架构转型之道:阿里巴巴中台战略思想与架构实战》中提到:“在灵活的‘大中台，小前台’组织机制和业务机制中，作为前台的一线业务会更快速适应瞬息万变的市场。而中台将集合整个集团的运营数据能力、产品技术能力，对前台业务行为强力支撑。”由此可见，企业的业务架构更应是基于共享服务体系，通过将相关业务领域的业务功能和数据模型在业务层汇聚到一起，从而避免重复功能建设和维护带来的成本浪费的弊端。在这种“大中台、小前台”的组织架构下，处于中台的产品运营部需要为前台提供用户群和产品环境，支持前台业务群实现各自的业务及团队架构。而在中台的产品运营部门下面又可细分为流量运营、用户运营、商业运营、数据支持、产品设计等团队。数据支持团队作为产品运营部门中的一一员，除了要对前台各事业群提供数据支持，还需要为中台内的主线运营、动线运营、商业运营等团队提供数据分析、数据方案、用户画像、推荐算法等方面的支持。由于所有的数据需求都汇总到一个中心进行集中统筹和分配，因此集中型数据架构有效地解决了数据源不一致的问题和数据口径定义的问题。
随着精细化运营的理念不断深人人心，数据运营这一岗 位受到越来越多的人的关注。从工作岗位上看，数据团队作为各业务部门的支持方，团队内成员主要从事数据采集、清理、分析、策划、建模等工作，支撑整个运营体系朝精细化方向发展。常见的数据运营岗位包括:数据分析师、算法工程师、爬虫工程师、ETL(extra-transform-load,抽取一转换一加载) 工程师、数据挖掘工程师等。从工作内容来看，我们将数据运营归纳为数据治理、数据分析挖掘、数据产品三个层次。
数据治理。优质的数据是应用的前提。数据治理负责数据系统的架构规划、数据的标准化和规范化作业、数据的权限管理，保证数据的安全性和可用性，定义各业务口径的数据标准，构建数据集市和底层数据架构，输出支持到分析人员应用的数据字典。
第二，数据分析挖掘。数据分析是数据运营的重点工作，其核心是业务方向的数据分析支持。主要包括:①对业务活动进行效果评估及异常分析，如异常订单分析、异常流量分析，挖掘业务机会点，给子运营方建议及指导;②收集整理各业务部门的数据需求，搭建数据指标体系，定期向业务部门提交数据报表，包括日报、周报、月报等;③数据价值挖掘，如基于用户行为数据建立用户画像、建立RFM (R,recency,即最近一次消费;F,frequency,即消费频率;M，monelary,即消费金额)模型对客群进行聚类营销;④辅助管理层决策，对问题进行定位，输出可行性建议等，更好的把握用户思维，提高电商海外口碑，促进品牌出海，加强海外品宣。
第三，数据产品。负责梳理各部门对数据产品的需求，规划报表并优化报表，协调数据仓库的开发资源，保证项目按时上线。将数据分析部门建立的挖掘模型、用户画像等数据模型做成可视化产品输出。企业内部常见的数据产品包括数据管理平台和自助数据提取平台。其中数据管理平台支持运营日报在看、实时交易数据查看、业务细分数据查看:自助数据提取平台满足业务方对更细维度业务数据的需求，使数据提取人员从重复性工作中解放出来。
