当谈到阿里巴巴的数据化营运时，我第一个想到的就是「人」，我们花太多时间讨论我们应该要做什么，却很少会反过来想，如果要落实数据化营运首先要从人做起，因此想跟大家分享的祕密是，数据化营运的内功是什么呢?简单来说，就是利用好「混、通、晒(呈现)」这叁大诀窍。
「混」出数据
现在很多数据分析师，在面对专业範围「怎么算回归」、「怎么画函数」的问题游刃有余，在实际工作中却缺乏商业意识。如果数据分析师缺乏商业意识，公司就成了「盲人」，分析师不知道该使用什么逻辑分析数据，而公司的决策层也得不到任何有价值的参考意见。现在绝大多数 CEO 都在抱怨，每天要看一大堆零零散散的数据。造成这种局面的塬因是，数据分析师只是单纯的把数据传递给管理者，却没有向管理者解释，这些呈现使用者行为的数据和能够在商业上产生价值的数据，两者间的内在关係。
CEO 没有多余精力解读页面浏览量(PV)和独立访客(UV)等数据。他们只需要知道数据是否有问题、反映了什么问题、最近有什么新的发现以及需要我们做出什么样的改变。简单来说，具有商业意识的数据分析师，在监测到网站上婴儿车销量增加的情况时，就可以预测到奶粉的销量也会随之上升。而且，也只有具备商业敏感的数据分析师，才懂得用什么数据驱动公司实现经营目标。
数据分析师如何才能拥有商业敏感?要靠「混」。例如：我要求数据分析师在给我的週报裡，一定要讲到业务方的动态。而且，我给他们的考评标準是，千万不要让我看见业务方发过来的週报裡有的内容，你的週报裡没有。我认为，要实现这一要求最基础的出发点是，数据分析师一定要跟业务方沟通，才有可能服务于他们。
打「通」混的数据
当你与业务人员混得够熟时，在看到某些数据后，你自然就会明白，「喔，这个数据跟商业决策绝对有莫大的关係。」当前，各电商公司在评估公司经营状况时，愈来愈依赖数据。但是，在今天，很少有电商敢完全肯定的说，自己掌握了呈现公司状况较完整的数据。对于公司主管而言，一是因为很多电商在开始收集数据时，会发现数据非常散乱，分布在不同的数据收集管道和营运人员——公司的核心员工手裡，这就使得数据流程非常「堵」;另一个问题是，绝大多数电商缺乏大数据营运的经验，只是收集了很「散」的数据，却不知道如何利用，也不知道该让哪些数据关联起来。
从客观角度来看，数据营运的各方面都可能存在影响数据精準度的「噪音」。数据本身是客观的，但它很容易受到产品和营运人员的影响——产品目的会影响营运人员的想法，营运人员的想法则会影响样本获取的精準度，造成数据在不同人眼中出现不同结果的情形。以转换率为例，市场部门和营运部门对转换率的想法并不相同，如果公司内部的数据标準没有打通、一致，公司决策时被数据迷惑和误导的可能性就会被放大。
因此你会发现，问题最后还是要归结到人和公司。如果不能「通」到商业环境裡，即使数据很多也没有任何价值。坚持带着业务问题观察数据或者带着数据观察业务，兼备二者的敏感，就是做到了「通」。有些人在很短的时间裡就能判断出数据是否有价值，就是因为「混通」了。
想做到数据的积累和沉淀，想要打通数据，建立合理的系统是不二之选。首先，做好数据安全工作，以保证公司内部不同职位的员工可以察看不同的数据;再者，统一不同部门的数据标準，使公司内部数据有统一的介面，避免混乱;最后，关联不同部门的数据，创造机会让数据的营运可以扩散至数据部门之外。「通」是「混、通、晒」裡最关键的连接点。以前，数据量没这么大的时候，公司「混」完就「晒」了，完全凭藉商业敏感营运数据。而现在海量数据成为主流，「通」也就成为了营运数据不可或缺的一部分。
「晒」出混和通的数据
「晒」(呈现)是一种在「混」和「通」基础上，产生出来的最终数据表现，是基于人、商业和数据结合后的一种看数据和用数据的方法论。在「晒」数据层面上，通常是透过数据回答这几个问题：业务好或不好，数据如何改变可以让业务更好，如何利用数据说明业务发现机会，甚至产生出新的商业价值。这些问题看起来是递进关係，其实不然，因为具体应该用数据解决什么问题，要根据业务的情境做决定。
