大数据在企业运营的不同层次有着不同的作用，也对应了不同的应用方法论。本文抽象出大数据应用于企业运营的不同层次以及相应的应用方法——大数据企业运营应用金字塔模型。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。企业在考虑大数据应用时，此模型可以作为基础的参考方向。
点击进入傅志华的专栏，查看过往文章>>>
[专栏]傅志华：2015年中国互联网发展十大趋势
大数据在电信行业的应用
从银行、保险到证券，揭开大数据在金融行业的应用
数据基础平台层。数据基础平台层是大数据企业运营应用金字塔的最底层也是整个金字塔的基础层，如果基础层搭建不好，上面的应用层也很难在企业运营中发挥效果。没有数据或者没有高质量的数据，所有的分析和数据挖掘都是误导。数据基础平台层的目标是把企业的所有用户(客户)数据用唯一的用户ID串起来，包括用户(客户)的画像(如性别、年龄等)和用户行为等，以达到全面的了解用户(客户)的目的。数据基础平台层的搭建有三大关键：
(1)确定用户唯一ID。企业需要确定打通用户(客户)数据的唯一ID，可以考虑用会员注册号，或手机号或者身份证号等。企业在构建会员注册体系时，最好是使用用户手机号作为会员账号，这样方便后期整合其他外部数据源;同时使用手机号的好处在于未来可以基于手机号向会员开展相关的营销活动;
(2)有效的解决数据孤岛问题。拥有大数据的企业常常有多个业务部门，而且不同业务部门的数据往往孤立，导致同一企业的用户各种行为和兴趣爱好数据散落在不同部门，出现不同的数据孤岛，导致企业的数据资产不能很好的整合使用。解决数据孤岛的问题，需要高层重视并授权给公司级的中立数据部门，企业从上往下，有意识强有力的去整合不同业务部门的数据，解决数据孤岛，打通数据;
(3)解决数据有效管理和计算的问题。我们可以通过技术手段和规范手段把数据管理起来。重点要解决的问题是存在数据仓库里面的数据具体的含义是什么，以及如何高效的存储和计算。通过数据接入系统和元数据管理系统，我们可以有效的管理数据的定义和相关计算逻辑;通过分布式文件系统、分布式数据库等方法解决高效存储的问题;通过大数据查询分析计算、批处理计算、流式计算和内存计算等计算模式以及大数据计算任务调度系统等方法解决高效计算的问题。
业务运营监控层。业务运营监控层主要目的是帮助企业监控业务运营情况的健康度，快速发现问题并定位问题原因。我们首先要做的是搭建业务运营的关键数据体系，在此基础上开发可视化的数据产品，监控关键数据的异动，并可以定位数据异动的原因，辅助运营决策。在业务运营监控层，如果企业构建了实时计算的能力，那么很多业务运营中问题就能更快的发现。因此，业务运营监控层的工作有两大关键：
(1)梳理数据体系。数据分析师和业务负责人一起梳理业务的数据体系，尤其是对关键数据如KPI数据进行系统化的拆解和梳理。KPI数据的梳理可以以假设该数据下跌开始进行梳理。以活跃用户为例，假设某产品的活跃用户数下跌，一方面可以通过物理拆解的方式层层下钻找出影响模块，即某产品的活跃用户下跌可能是因为该产品的子模块活跃用户下跌引起，我们可以对该子模块进一步拆解分析原因，拆解的过程也是数据体系搭建的过程;另一方面，可以对活跃用户的相关因素进行数据化梳理，如新老用户的构成、用户质量、推广渠道质量的变化等多种维度进行数据化梳理;
(2)打造数据异动监控产品。企业需要构建灵活和智能的数据异动监控产品，并把梳理好的数据体系封装在数据异动监控产品中。数据异动监控产品需要有三方面的能力：一方面，数据可视化程度高易读性好，通过该产品可以清晰的看到数据体系和数据间的脉络;第二方面，通过算法实现异动原因的定位;第三方面，智能的告警功能，一旦关键数据的关键节点出问题，并可以通过短信、邮件等方式周知相关人员。
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：