数据思维的本质是要把一些业务现状数据化，有判断业务数据现状的逻辑，有基于判断结果反应的逻辑。
什么意思？
也就是从1）数据的搜集，到2）数据分析，再到3）分析后的反馈都可以尽可能被量化。
可具体应用到用户运营上我们应该怎么做呢？
回顾数据思维上，我们肯定已经能够明了，无非是分为三个步骤：
标准化用户数据的搜集，明确用户的标签
分析对比用户标签
基于不同用户标签的数据变化，形成运营反馈
举个例子，现在很多平台都在做社群运营，我们应该怎么在社群内的用户运营的时候使用数据思维呢？
首先我们来想想社群的价值，社群的价值其实是需要用户讨论社群主题范围内（或者是用户关注）的话题，进行高价值的讨论，避免低价值的内容在社群中出现，不然的话，社群被大部分用户屏蔽信息，想要在社群内做的转化也难以实现了。
所以围绕这社群的目的，要更精细化的运营用户，我们通常都需要用户在群内修改名字。
如果是基于某种社团特征的社群，通常会要求用户标注上地区，行业，姓名。
如果是基于某个区域的某个目的的群，通常会要求用户标注上公司，兴趣，姓名/或者是基于这个目的阶段，如果是读书群，那么就需要标注正在看的书，如果是英语演讲群，就需要标注英语演讲的段位等等～～
我们一定能够看到哪些用户没有标注的群，除非本来就是熟人，不然很难形成讨论。
但是一旦有了用户标注，用户进行陌生的沟通和运营就有了一个好的基础。
这样对于一个社群的基础设施来说有了很好的第一步，但是从社群运营者的角度来说，的这对进行社群运营的用户标签的搜集是不够的。
还应该搜集哪些信息呢？
关注用户发言的频次和质量，质量代表的是这个用户发言后可以在群内带来多少持续讨论
关注用户拉进群来的用户量，和用户和群内用户的链接情况
对群内讨论的内容进行标注，例如八卦，干货，某一个群成员，线下活动等等
关注社群的活跃时间段
通常一个群内都会有几个关键链接，这几个节点就链接了整个群的成员。
以上就完成了对于社群用户的数据搜集。
然后用户的发言频次质量，用户和用户之间的链接数据，对用户进行分级。
