正文
流量数据是行为数据的前辈，是Web1.0就兴起的概念。它一般用于网页端的记录，行为数据在产品端。
流量数据和行为数据最大的差异在于，流量数据能够知道用户从哪里来，是通过搜索引擎、外链还是直接访问。这也是SEO、SEM以及各渠道营销的基础。
虽然现在是移动时代，Web时代的流量数据并不过时。比如微信朋友圈的内容都是HTML页面，活动运营需要基于此统计效果，我们可以把它看作一类流量数据。另外，不少产品是原生+Web的复合框架，内置的活动页大多通过前端实现，此时即算行为，也算流量数据，当我们将活动页发送到朋友圈时，相应的统计只能依赖基于前端的流量数据来采集了。
流量数据是基于用户访问的网页端产生。主要字段为用户ID、用户浏览页面、页面参数、时间戳四类，简化模型如下。
url是我们访问的页面，以 ***.com/*** 形式记录，param是描述这个页面的参数，我们在页面上的搜索、属性信息会以参数的形式记录。和行为数据一样，如果流量数据需要更详细的统计，也是以半结构化为佳，囊括操作记录。
它是活动及内容运营的好基友，活动的转化率，文章被发到朋友圈的阅读量等，都是作为流量数据被记录。主要通过JS采集。
流量数据的统计已经比较成熟，Google Analytics和百度统计都是知名的第三方工具，最为常用。不过它们不支持私有化的部署，只能提供统计，我知道这个页面有100人访问，但这一百人是谁不能定位，数据也无法记录在数据库中，这对数据化运营是一种麻烦。一些新式的工具则能支持这种更精细的需求，不过要收费。
如果有可靠和先进的技术手段，我们是能做到将行为数据和流量数据统一到一起，这是未来的趋势。
业务数据在产品运营过程中伴随业务产生。比如电商产品，我进行了促销，多少用户领取了优惠券，多少优惠券被使用，优惠券用在哪个商品上，这些数据和运营息息相关又无法通过行为和流量解释，那么就归类到业务数据的范畴。
库存、用户快递地址、商品信息、商品评价、促销、好友关系链、运营活动、产品功能等都是业务数据，不同行业的业务数据是不一样的，业务数据没有固定结构。
业务数据需要后端研发进行配置，因为结构不能通用化，最好提前和研发们打声招呼提下需求。
行为数据、流量数据、业务数据构成了数据来源的三驾马车。统称为原始数据，指没有经过任何加工。
外部数据是一类特殊的数据，不在内部产生，而是通过第三方来源获取。比如微信公众号，用户关注后我们就能获取他们的地区、性别等数据。比如支付宝的芝麻信用，很多金融产品会调用。还有公开数据，像天气、人口、国民经济的相关指标。
另外一种外部数据的获取方式是爬虫，我们可以爬取豆瓣电影评分、微博内容、知乎回答、房地产信息为我们所用。第三方不可能支持你获取，很多时候会有防爬虫机制。它需要一定的技术支持，不属于稳定轻松的来源。
外部数据因为质量难以保证，更多是一种参考的作用，不像内部数据能产生巨大的作用。
这四类数据构成了数据化运营的基石。随着互联网公司数据化水平的提高，能够利用的数据越来越多。数据结构逐步从SQL到NoSQL；信息源更加丰富，图形和声音数据越来越多；技术由单服务器演变成分布式；响应从离线批处理到实时流式，都是数据收集的挑战。
当我们有了数据以后，进入下面一层，数据产品层。
02
数据产品层
数据产品是对数据的加工和利用，它属于技术和自动化的范畴，由计算机对原始数据进行处理。它不是传统意义上的数据产品（如广告系统），而是以发挥数据价值和生产力为目的，理解成进行数据加工的产品也可。
原始数据并不能直接为运营所用，通常脏乱差，我们需要按照一定的标准整合、加工。
比如行为数据和流量数据，用户在微信朋友圈看到一则活动觉得不错，于是下载APP，注册后参与了活动。这里的行为数据和流量数据是完全独立的。微信朋友圈的浏览，记录的是用户weixinOpenId和cookie，下载后则是产品内部使用的的userId，两者无法对应，这就需要数据整合，将cookie、手机号、userId等信息映射(mapping)到同一个人。
这是技术层面的数据清洗。整个过程叫做ETL。
数据发挥价值的方式有很多种。即能通过BI，将原始数据以维度和度量的方式聚合，进行各类可视化的决策分析，也能数据挖掘。根据业务和场景决定数据的不同使用。这里最重要的是先有指标。
