電商在最近幾年的迅猛發展，導致圍繞電商的相關產業和服務迅速增加，數據化運營就是一例。相比傳統行業，電商對數據的依賴更強，而數據的獲取容易太多。進而數據處理的這項工作也有了很大需求和變化：先是純技術的數據統計，自己的IT，后來有了數據分析師、商業分析師、數據挖掘專家、甚至數據科學家。而在應用上也有了各種工具如量子統計、各種CRM軟件，再到咨詢公司、顧問公司等。

    之所以有那么多的崗位，那么多的公司出現，就是電商企業希望自己的數據能“數據變現"，提升銷售、 降低成本、加快周轉等等，從而達到開源銷售、節約成本的目的。

    數據化運營曾經在2011年非?；鸨?，但后來卻漸漸無人提及。為何如此？

    第一種原因是因為做數據的同事對商業理解不夠，對運作模式理解不夠。拿到一些數據推送給一線運營人員，如果經驗不夠，直接拿來應用，自然會產生很多問題。因為電商的整個鏈條非常長，從營銷流程看，從各種渠道的推廣到站內的導流引導（參考 《站外引流+站內引導：流量不是夢！》），到折扣策略、訂單的審核、采購的回貨、物流的選擇、包裹的跟蹤、客服的維護等等，每一步都需要很好的溝通和協調才能完成。這些工作并非僅僅數據層面上就能一次性解決，是需要每個步驟對數據的理解是一致的基礎上才能完成的。

    第二種原因就是那些運營人員是從零開始做起，各個部門的協作已經非常嫻熟，在常規的營銷、運營的層面對數據的依賴非常小，同時又熟悉市場、了解用戶，對供應鏈又比較熟悉，這樣的團隊基本可以秒殺數據的工作人員。

    那就意味著數據分析師們注定要失業了？這倒未必。

    想在這樣的團隊有立足，就只能在分工協作的條件下做他們無法靠業務經驗來完成的事情——數據挖掘、大數據應用。這樣的應用場景是：具有相同興趣偏好、相同消費習慣的用戶群、用戶的支付方面的風險控制、用戶流失預警、匹配各種用戶 群的商品組等等。對這些場景可以組合多種營銷策略，而達到銷售的目的。

    而對于銷售以后的事情，比如如何保證訂單不缺貨，選擇好的物流及時發貨，并能給用戶及時的反饋包裹情況等都需要內部的運營系統。當然，除了系統方面的支持外，還需要很多的人力執行層面的執行，倉庫的揀貨、打包，物流人員的取包、送貨等等。盡管這些都不能由機器或者系統代替，但數據中心完全可以提供相關的支持支持。

    數據化運營可以在整個公司的運營體系中發揮很大的作用，如果有數據中心的支持，除了可以監控運營的整個流程，還能提供相關的KPI數據、人力管理數據、財務數據等，使得公司能方面快捷的知道公司運營的各個關鍵節點的表現，以方便做出 各種決策，在執行層面能制定出更優化的、更高效的戰術。

    主題營銷是數據化運營中最常見的動作。因為各種節日的活動促銷非常頻繁，一到節假日就會發現各種促銷活動蜂擁而至，無論是商場還是超市都是如此。而線上的電商則更是瘋狂，不僅造出了光棍節，還有了諸如“94”備貨節之類的節日，更不用說各家自己搞的店慶什么的了。同時，這些主題營銷的影響一般比較大，主要表現為：站外流量、站內商品的熱銷和缺貨、團隊協作的不順暢、倉庫的發貨壓力、采購的回貨不及時。