建模过程中，会遇到很多试验后，需要数次推翻再次找试验田的经历。而这里会涉及两个概念，刚开始自己也经常被混淆：数据运营、数据化运营。
数据化运营和数据运营其实是两种概念，数据运营是主要负责建模，从信息收集、采样、清洗、分析等实现数据的闭环内容，主要负责的是对数据来源、过程和结果的生态化负责，目的在于协助数据能给其他部门提升效率；数据化运营，更加偏向于通过数据去运营业务、用户或社群等，实现运营增长、变现的目的。简单来说，数据运营对数据闭环负责，数据化运营对结果负责。
例如，业务开展过程中，用户拉新、转化、复购不同环节，管理过程中需要通过数据去搭建过程转化率，这时候需要数据运营从开展的时候，在不同维度拆分关键环节，用量化的数据去监测过程和动态；而数据化运营则是通过这些数据，发现主要异常、管理漏洞、业务风险，并及时调整实现高效运转的目的。
一开始接触大量数据的时候，经常会把两者混在一起，固然可以，只是思路容易被分散，术业有专攻，具有数据化运营的数据运营，本身是进阶，想要快速实现的话，可以参考一些固定路径和思路：
1、数据运营：快速建模，优先找出数据关键点，重点关注波动性大的变量，尝试找到深层原因；拆分业务关键指标和流程，并关联已建模好的数据，提升数据建模的落地性，及时调整和优化。
2、阶段性目标：团队统一目标，确定优先等级的阶段性策略，并根据阶段性作出对应数据漏斗的留存、跟踪和进阶；结合实际管理动作，做好延续性和适当的割舍。
3、小步快跑，所有的动作都是需要持续追踪的，与管理团队一起，定期复盘沉淀；源数据沉淀下来后，分析动作要持续可追踪。
数据其实一直困扰，固然可以用理论善用工具，而数据搭建过程中需要灵活的技术和系统，否则停留于人工低效清洗和抓取，想做到数据化运营也只是纸上谈兵。
