編輯導(dǎo)語(yǔ)：當(dāng)今時(shí)代是數(shù)據(jù)時(shí)代，數(shù)據(jù)分析的重要性不言而喻，數(shù)據(jù)思維或者數(shù)據(jù)分析能力已經(jīng)成為這個(gè)時(shí)代的必須，本文作者通過(guò)萬(wàn)字長(zhǎng)文講解了完整數(shù)據(jù)分析過(guò)程，一起來(lái)看看吧。
筆者支付產(chǎn)品經(jīng)理，本篇文章內(nèi)容基于自己從事支付領(lǐng)域從0到1搭建支付業(yè)務(wù)數(shù)據(jù)分析實(shí)戰(zhàn)經(jīng)驗(yàn)。
從一個(gè)小白接觸支付業(yè)務(wù)，毫無(wú)章法胡亂看數(shù)據(jù)，到開始有點(diǎn)門道看表層數(shù)據(jù)，再到此篇文章輸出的成體系的數(shù)據(jù)分析系列篇章，前后經(jīng)歷了2年多時(shí)間。此篇文章內(nèi)容皆為當(dāng)前階段認(rèn)知，并不全面，后續(xù)肯定會(huì)持續(xù)做迭代更新。
數(shù)據(jù)分析的重要性不言而喻，沒(méi)有數(shù)據(jù)，就是感性呀。
你說(shuō)你做完這個(gè)功能可以獲得什么價(jià)值回報(bào)，沒(méi)有數(shù)據(jù)支撐，太過(guò)蒼白無(wú)力，沒(méi)人信服你。但是只要你說(shuō)，你做完這個(gè)項(xiàng)目，可以提升訂單轉(zhuǎn)化率多少個(gè)點(diǎn)，并且信誓旦旦講，那沒(méi)有人不會(huì)不理你。畢竟，這是赤裸裸的錢，誰(shuí)不愛(ài)錢呢。
數(shù)據(jù)不會(huì)被觀點(diǎn)打敗，數(shù)據(jù)只能被數(shù)據(jù)打敗。人家拿數(shù)據(jù)得出的結(jié)論，跟你的直覺(jué)再對(duì)不上，你心里再不服氣，想反駁，也必須拿數(shù)據(jù)說(shuō)話。
我們現(xiàn)在妥妥地已經(jīng)進(jìn)入了數(shù)據(jù)時(shí)代。
互聯(lián)網(wǎng)公司，無(wú)一例外地強(qiáng)調(diào)自己的數(shù)據(jù)驅(qū)動(dòng)決策；傳統(tǒng)企業(yè)，現(xiàn)在最重要的戰(zhàn)略就是數(shù)字化轉(zhuǎn)型。
相信今天你能感覺(jué)得到，數(shù)據(jù)在我們的工作和生活中，已經(jīng)成了空氣和水一樣的存在。
數(shù)據(jù)思維或者數(shù)據(jù)分析能力已經(jīng)成為這個(gè)時(shí)代的必須，不是可選。
那么數(shù)據(jù)分析為何如此重要呢，我從以下4點(diǎn)來(lái)闡述。這些場(chǎng)景也是日常發(fā)生在我實(shí)際工作中的，我們用數(shù)據(jù)每天來(lái)做各種分析、洞察或者決策。
無(wú)論哪家公司開發(fā)資源永遠(yuǎn)不夠，每個(gè)產(chǎn)品經(jīng)理都想爭(zhēng)取開發(fā)資源做自己的項(xiàng)目，說(shuō)自己項(xiàng)目更有價(jià)值。如何評(píng)估優(yōu)先級(jí)，數(shù)據(jù)來(lái)說(shuō)話。
站在公司或者決策者角度，數(shù)據(jù)最本質(zhì)的作用，是作為資源調(diào)配的裁判，幫我們用最客觀的方式將資源投到最有價(jià)值的事情上。
目前我所在公司運(yùn)轉(zhuǎn)方式為：年初制定年度KPI，如轉(zhuǎn)化率或者用戶滿意度，那么接下來(lái)一年內(nèi)所有產(chǎn)品經(jīng)理運(yùn)行的項(xiàng)目將按照這個(gè)指標(biāo)來(lái)。
產(chǎn)品經(jīng)理A和產(chǎn)品經(jīng)理B同時(shí)啟動(dòng)了自己的項(xiàng)目，那么IT資源投到誰(shuí)的項(xiàng)目上，A和B需要去做項(xiàng)目 ROI 的論述。誰(shuí)的ROI更高，業(yè)務(wù)總負(fù)責(zé)人就同意將資源調(diào)配到哪個(gè)項(xiàng)目上，這樣A和B都沒(méi)什么話說(shuō)，IT資源也將被用在刀刃上，減少資源浪費(fèi)。
產(chǎn)品經(jīng)理在論述項(xiàng)目?jī)r(jià)值時(shí)，采用自下而上的論證方式。比如說(shuō)這個(gè)項(xiàng)目要完成哪些功能，功能1、功能2、功能3……每個(gè)功能帶可以帶來(lái)多大的價(jià)值，如轉(zhuǎn)化率可以提升多少，這些都來(lái)自數(shù)據(jù)。
有時(shí)候我們以為的很大項(xiàng)目?jī)r(jià)值經(jīng)這種層層靈魂拷問(wèn)，最后驗(yàn)證預(yù)估價(jià)值不大，在早期就能減少資源浪費(fèi)，而不是真的要等到功能上線才發(fā)現(xiàn)對(duì)業(yè)務(wù)價(jià)值幫助不大，那時(shí)候開發(fā)資源已被浪費(fèi)。
如果你一直抱著項(xiàng)目上線后看真實(shí)數(shù)據(jù)反饋，除非你家開金礦的，可以容忍不斷做嘗試創(chuàng)新類實(shí)驗(yàn)。運(yùn)氣好成功了，大家都開心；運(yùn)氣不好，大家失敗了，不怕，反正家里開金礦，大不了重頭再來(lái)。但是，我想這應(yīng)該是個(gè)偽命題。
今日頭條系產(chǎn)品為何能快速發(fā)展？它們的產(chǎn)品方法論是什么？
今日頭條是一家流量運(yùn)作公司，對(duì)流量ROI的運(yùn)用純熟度與效率非常高。依賴強(qiáng)大的數(shù)據(jù)和算法系統(tǒng)，通過(guò)AB test 同時(shí)運(yùn)行幾千條功能測(cè)試，用最短的時(shí)間去找出最有價(jià)值的業(yè)務(wù)方向，得到結(jié)論后，快速推出市場(chǎng)，搶占先機(jī)。
中國(guó)互聯(lián)網(wǎng)已經(jīng)進(jìn)入到一個(gè)獲取流量成本很高的時(shí)代，企業(yè)并沒(méi)有那么多容錯(cuò)機(jī)會(huì)給到大家不斷嘗試試錯(cuò)。要提高決策準(zhǔn)確性，主要依賴數(shù)據(jù)論證。
你在面試時(shí)，你說(shuō)你牛逼。如何叫人信服你？你說(shuō)你牛逼，你就真牛逼？
相信大家已經(jīng)習(xí)慣了小套路，說(shuō)自己曾經(jīng)做的某個(gè)項(xiàng)目轉(zhuǎn)化率提高了多少個(gè)點(diǎn)之類的。
實(shí)際上，在我們做的每個(gè)項(xiàng)目或者功能中，都應(yīng)該用數(shù)據(jù)來(lái)驗(yàn)證產(chǎn)品成效。
電商網(wǎng)站的收銀臺(tái)大家耳熟能詳，比如以下：
參照國(guó)內(nèi)競(jìng)品調(diào)研和產(chǎn)品交互設(shè)計(jì)師自以為的產(chǎn)品目標(biāo)：給用戶傳遞安全感——通過(guò)增加底部“確認(rèn)支付”按鈕來(lái)實(shí)現(xiàn)。
實(shí)際上線效果卻不盡如意，新版本比老版本跌了3個(gè)點(diǎn)左右。
事后我們反思了整個(gè)過(guò)程，得到一些啟發(fā)：
支付需要用戶沖動(dòng)型消費(fèi)，不需要用戶那么理性思考。按鈕操作，讓用戶有種儀式感，反而增加了用戶猶豫心理。
比如淘寶換成了指紋支付，或者刷臉支付，轉(zhuǎn)化率會(huì)提高。我作為用戶，使用了淘寶指紋支付后，下單支付快了很多。我也有同事，一不小心刷臉支付后，就懶得再發(fā)起退款了~
支付產(chǎn)品的核心是：安全和快捷。如果品牌背書，用戶已經(jīng)覺(jué)得安全，那么接下來(lái)就是快 ！去掉按鈕才是讓用戶有快速支付的感覺(jué)。
于是，我們又花了一些時(shí)間，去掉底部“確認(rèn)支付”按鈕，用戶選擇支付方式就可以進(jìn)到支付環(huán)節(jié)，轉(zhuǎn)化率竟然又提升了！
去掉了底部“確認(rèn)支付”按鈕
整個(gè)團(tuán)隊(duì)從這個(gè)案例中都得到較大感觸，充分體現(xiàn)了我們自以為更好的方案對(duì)用戶或者從業(yè)務(wù)角度并不是最好的。如果沒(méi)有數(shù)據(jù)來(lái)驗(yàn)證，我們還會(huì)一直停留在自己覺(jué)得設(shè)計(jì)很好的功能中自嗨！
用AB test 測(cè)功能，用數(shù)據(jù)來(lái)驗(yàn)證功能成效是最有說(shuō)服力的手段。
用戶研究是產(chǎn)品經(jīng)理必須要去做的一件事，懂用戶，挖痛點(diǎn)，給方案。
用戶研究常用的方法除了用戶訪談、調(diào)查問(wèn)卷等定性研究外。從已存數(shù)據(jù)中發(fā)現(xiàn)用戶的行為偏好，建立數(shù)據(jù)與用戶畫像之間的關(guān)聯(lián)，針對(duì)不同人群需求或者痛點(diǎn)給出合理的產(chǎn)品解決方案也是數(shù)據(jù)驅(qū)動(dòng)決策的手段。
比如從歷史訂單數(shù)據(jù)中，挖掘新老用戶購(gòu)買商品的偏好，可以針對(duì)新老用戶群體做個(gè)性化的商品推薦，這也是大家能夠感知到的電商產(chǎn)品推薦。你去逛淘寶首頁(yè)，是不是會(huì)覺(jué)得淘寶比自己還懂自己？給自己推薦的大部分商品是自己喜歡的。
通常對(duì)用戶歷史行為數(shù)據(jù)收集越詳細(xì)，越是能夠了解用戶，為用戶做出合理的產(chǎn)品設(shè)計(jì)。
為什么人們總說(shuō)作為電商平臺(tái)和支付平臺(tái)的阿里有最完整的行為數(shù)據(jù)乃至最完整的人群畫像，那是因?yàn)楦鶕?jù)生活消費(fèi)的商品和服務(wù)，幾乎能夠推斷一個(gè)人全部的特征，而越是習(xí)慣網(wǎng)上購(gòu)物的用戶，衣食住行都用同一個(gè)支付手段的用戶，就越能夠被電商和支付平臺(tái)完整描述。
產(chǎn)品在做產(chǎn)品功能設(shè)計(jì)時(shí)，并不只是單純?yōu)橛脩籼峁┕δ芎头?wù)就可以，理所當(dāng)然以為用戶會(huì)來(lái)使用。定要對(duì)用戶需求或者痛點(diǎn)挖掘地足夠深，才能精準(zhǔn)提供服務(wù)。從過(guò)去已存數(shù)據(jù)中挖掘用戶行為偏好或者痛點(diǎn)，是產(chǎn)品設(shè)計(jì)的第一步。
這里借用《產(chǎn)品思維》一書中提到的例子。
我們是一個(gè)創(chuàng)業(yè)小團(tuán)隊(duì)，正在做一個(gè)P2P（個(gè)人對(duì)個(gè)人）金融產(chǎn)品。平臺(tái)上已經(jīng)有了一定量的用戶，他們購(gòu)買了我們的理財(cái)產(chǎn)品。我們正在考慮要不要增加VIP（貴賓）套餐服務(wù)，定位高價(jià)值用戶，定向提供理財(cái)顧問(wèn)服務(wù)。
我們會(huì)請(qǐng)?jiān)S多專家，提供很多額外的分析工具，讓這些用戶享受高端服務(wù)，贏利方式就是VIP年費(fèi)。單拿這個(gè)服務(wù)來(lái)看，肯定是沒(méi)有什么問(wèn)題的。
“許多類似的產(chǎn)品都有這樣的服務(wù)。”也許老板就會(huì)這么跟你說(shuō)。但這不能成為我們就一定要提供VIP套餐服務(wù)的理由，我們還是要看看我們的用戶是什么樣的。
可以先統(tǒng)計(jì)下當(dāng)前用戶購(gòu)買理財(cái)產(chǎn)品的行為數(shù)據(jù)，看看大部分買的額度有多大。其實(shí)，額度背后代表的是這些用戶的收入水平和對(duì)理財(cái)?shù)膽B(tài)度。
比如粗暴一點(diǎn)假設(shè)，我們看用戶的行為，過(guò)去99%的用戶都是奔著投資5萬(wàn)元，鎖定期6個(gè)月，年化收益率5%的產(chǎn)品去的。
這些行為代表什么呢？從生活經(jīng)驗(yàn)判斷，對(duì)年化收益率要求不高，對(duì)流動(dòng)性也要求不高，對(duì)安全性要求比較高的人，應(yīng)該都是普通的上班族。這些人在理財(cái)方面非常保守，而且還比較年輕，理財(cái)額度并不高。
具體的驗(yàn)證可以通過(guò)訪談和調(diào)研來(lái)完成。假如結(jié)果顯示，這些用戶群體基本都是畢業(yè)三年內(nèi)的職場(chǎng)新人，理財(cái)行為非常保守，而且還比較年輕，理財(cái)額度并不高。
這時(shí)回過(guò)頭來(lái)看，這個(gè)VIP套餐服務(wù)的吸引力就特別有限了。僅從用戶特征來(lái)看，幾乎就可以給這個(gè)創(chuàng)意判死刑了。
從已存數(shù)據(jù)中分析用戶需求或者痛點(diǎn)，找到用戶行為偏好，精細(xì)化用戶群體，了解用戶，才能判斷業(yè)務(wù)模式的可行性。而不是理所當(dāng)然覺(jué)得用戶會(huì)使用這個(gè)功能。
在剛做支付業(yè)務(wù)時(shí)，首先就對(duì)Top10、各端做了支付成功率分析，很快就發(fā)現(xiàn)某些國(guó)家的轉(zhuǎn)化率是低于其他國(guó)家的，自此這些國(guó)家被列為重點(diǎn)和困難國(guó)家。我們的機(jī)會(huì)點(diǎn)也是優(yōu)先提高這些國(guó)家的支付轉(zhuǎn)化率。
再比如做商城購(gòu)物流程優(yōu)化項(xiàng)目時(shí)，首先拉取了商詳頁(yè)-購(gòu)物車-結(jié)算頁(yè)-收銀臺(tái)-支付成功 發(fā)現(xiàn)商詳頁(yè)和結(jié)算頁(yè)轉(zhuǎn)化率兩個(gè)環(huán)節(jié)在整個(gè)路徑中轉(zhuǎn)化率最低，因此馬上定出了事項(xiàng)優(yōu)先級(jí)，優(yōu)先解決這兩個(gè)頁(yè)面的轉(zhuǎn)化問(wèn)題。
職場(chǎng)中如何價(jià)值最大化？可不就是發(fā)現(xiàn)最嚴(yán)重的問(wèn)題，找到最大的機(jī)會(huì)點(diǎn)，把資源用在刀刃上。
管理大師德魯克說(shuō)：“不能衡量，就無(wú)法管理?！?/p>
產(chǎn)品經(jīng)理完拍腦袋、憑感覺(jué)、憑經(jīng)驗(yàn)做決策的時(shí)代已經(jīng)過(guò)去了。如果你還沒(méi)有數(shù)據(jù)思維或者數(shù)據(jù)分析相關(guān)的能力，被時(shí)代淘汰真的是，早晚的事！
產(chǎn)品經(jīng)理不需要成為數(shù)據(jù)分析方面的專家，但什么時(shí)候分析數(shù)據(jù)、分析哪些數(shù)據(jù)、如何分析數(shù)據(jù)、如何用數(shù)據(jù)輔助決策、如何用數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)，這些問(wèn)題是產(chǎn)品經(jīng)理必須要回答的。
我以支付業(yè)務(wù)為例來(lái)講解。
用戶來(lái)到支付收銀臺(tái)后，在頁(yè)面上有很多點(diǎn)擊行為，比如選擇各種支付方式，微信支付、ApplePay 支付等最后完成支付，也有可能點(diǎn)擊左上角返回鍵或者右上角訂單中心離開當(dāng)前頁(yè)面。
這個(gè)過(guò)程會(huì)產(chǎn)生很多數(shù)據(jù)，從數(shù)據(jù)大類上分成：用戶數(shù)據(jù)、行為數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)。
誰(shuí)（用戶數(shù)據(jù)）做了什么（行為數(shù)據(jù)）結(jié)果如何（業(yè)務(wù)數(shù)據(jù)）？
用戶數(shù)據(jù)指用戶本身的特性，如用戶畫像，使用你產(chǎn)品的用戶男性多還是女性多，年齡多大等。
行為數(shù)據(jù)指用戶使用產(chǎn)品在頁(yè)面上的各種點(diǎn)擊行為，在頁(yè)面上停留時(shí)長(zhǎng)等。
業(yè)務(wù)數(shù)據(jù)指用戶行為之后，實(shí)際產(chǎn)生的結(jié)果，業(yè)務(wù)數(shù)據(jù)會(huì)落庫(kù)業(yè)務(wù)數(shù)據(jù)表。分析業(yè)務(wù)數(shù)據(jù)的意義，可以衡量商業(yè)價(jià)值，是業(yè)務(wù)最終呈現(xiàn)結(jié)果，用以推動(dòng)公司業(yè)務(wù)的發(fā)展。
用戶數(shù)據(jù)和行為數(shù)據(jù)通?？梢詮牡谌綌?shù)據(jù)工具，如友盟、Google Analytics 直接獲取，業(yè)務(wù)數(shù)據(jù)一般要內(nèi)部建設(shè)。
今天重點(diǎn)講業(yè)務(wù)數(shù)據(jù)搭建完整過(guò)程，以阿里云的Quick BI為例。
在整個(gè)數(shù)據(jù)分析的框架中，分為五大層次，依次是：數(shù)據(jù)生成、獲取數(shù)據(jù)、數(shù)據(jù)建模、數(shù)據(jù)分析和數(shù)據(jù)應(yīng)用。
還是以支付業(yè)務(wù)為例，用戶選擇支付方式完成支付后，落庫(kù)核心的兩張業(yè)務(wù)表：訂單表和交易表。一個(gè)訂單會(huì)對(duì)應(yīng)多筆交易（每選擇一種支付方式生成一筆交易，一筆訂單可以使用多個(gè)支付方式嘗試支付），其實(shí)還會(huì)產(chǎn)生其他表，比如收貨地址表等。
通常使用第三方工具如ETL將業(yè)務(wù)系統(tǒng)的數(shù)據(jù)經(jīng)過(guò)抽?。‥xtract）、清洗轉(zhuǎn)換（Transform）之后加載（Load）到數(shù)據(jù)倉(cāng)庫(kù)的過(guò)程，數(shù)據(jù)呈現(xiàn)在BI的數(shù)據(jù)源。
所有數(shù)據(jù)進(jìn)到數(shù)倉(cāng)以后，需要根據(jù)實(shí)際想要看的業(yè)務(wù)數(shù)據(jù)進(jìn)行數(shù)據(jù)建模，建模后的數(shù)據(jù)呈現(xiàn)在數(shù)據(jù)集。數(shù)據(jù)集作為數(shù)據(jù)源和可視化展示的中間環(huán)節(jié)，承接數(shù)據(jù)源的輸入，并為可視化展示輸出數(shù)據(jù)表。
數(shù)據(jù)建模是什么含義呢？
底層的業(yè)務(wù)數(shù)據(jù)表其實(shí)很多，幾十張上百?gòu)埗加校搅藰I(yè)務(wù)數(shù)據(jù)分析階段，當(dāng)需要分析的數(shù)據(jù)存儲(chǔ)在不同的表，可以通過(guò)數(shù)據(jù)關(guān)聯(lián)，把多個(gè)表連接起來(lái)，形成模型進(jìn)行數(shù)據(jù)分析。
比如上述的業(yè)務(wù)底層訂單表到了數(shù)據(jù)分析階段衍生的訂單表字段發(fā)生變化，name 和 city 是從業(yè)務(wù)地址表取來(lái)的數(shù)據(jù)。
總的來(lái)說(shuō)，數(shù)據(jù)模型是完全面向數(shù)據(jù)分析的業(yè)務(wù)場(chǎng)景形成的新表。以支付業(yè)務(wù)為例，我構(gòu)建的數(shù)據(jù)模型有：用戶表、訂單表和交易表。
對(duì)數(shù)據(jù)字段可以進(jìn)行下一步分類：
在統(tǒng)計(jì)學(xué)中，單一數(shù)據(jù)字段可以被分為離散和連續(xù)。離散通常是維度，比如城市名稱、用戶名字，特征是有限數(shù)量的值；連續(xù)通常是度量，比如銷量、利潤(rùn)或成功率，特征是不可羅列，可能為任一數(shù)值。維度和度量中有許多灰色區(qū)域，比如金額，可以做維度，也可以做度量。
在上述訂單表中，device、city 等是維度，對(duì)order_id 計(jì)數(shù)的總訂單數(shù)、對(duì)status = success 計(jì)數(shù)的成功訂單數(shù)是度量。
度量可以再分原子度量和派生度量。
原子度量指從維度里直接獲取到，上表中的總訂單數(shù)和成功訂單數(shù)。
派生度量并不能直接從數(shù)據(jù)表中獲取，而需要基于已有數(shù)據(jù)進(jìn)行加工處理得到，上表中的訂單成功率是成功訂單數(shù)/總訂單數(shù)得到。
有了維度和度量的概念后，接著引入聚合概念。對(duì)于數(shù)據(jù)分析來(lái)說(shuō)，往往關(guān)心的并不是最底層一行一行的的明細(xì)數(shù)據(jù)，更注重分析數(shù)據(jù)的角度，關(guān)心的是數(shù)據(jù)的總體特征。
聚合，簡(jiǎn)單講就是數(shù)據(jù)源里的多行數(shù)據(jù)按照一定的標(biāo)準(zhǔn)計(jì)算成一個(gè)數(shù)據(jù)，不管數(shù)據(jù)集里有1行還是多行，視圖里的數(shù)據(jù)都是聚合后的結(jié)果，一行數(shù)據(jù)也是要聚合的，當(dāng)然一行數(shù)據(jù)聚合的結(jié)果是一樣的。實(shí)際上，維度為數(shù)據(jù)聚合提供依據(jù)，而度量是依據(jù)維度聚合得到的結(jié)果。
配置了聚合計(jì)算的計(jì)算字段，將根據(jù)配置的維度自動(dòng)進(jìn)行聚合運(yùn)算。
如：
表述的業(yè)務(wù)含義為時(shí)間周圍為2021.3.1 ~ 2021.3.15 范圍內(nèi)pc端的訂單成功率為0.5。
計(jì)算過(guò)程：根據(jù)created_at=2021.3.1 ~ 2021.3.15 和device =pc ，SUM([總訂單數(shù)])= 2，SUM([成功訂單數(shù)])=1，SUM([成功訂單數(shù)])/SUM([總訂單數(shù)])=1/2=0.5。
Quick BI 提供電子表格和儀表盤兩種可視化工具做以上分析。
電子表格：
儀表盤：
通過(guò)可視化的圖標(biāo)去分析數(shù)據(jù)，找出機(jī)會(huì)點(diǎn)或者異常。
通過(guò)可視化的圖表去分析數(shù)據(jù)，找出機(jī)會(huì)點(diǎn)或者異常。可以說(shuō)，前面1、2、3、4 所有的工作都在為了第5部分?jǐn)?shù)據(jù)應(yīng)用上。
數(shù)據(jù)從用戶中來(lái)，通過(guò)一系列的數(shù)據(jù)沉淀、處理和分析找出機(jī)會(huì)點(diǎn)做決策再回到用戶中去，提升用戶體驗(yàn)，帶動(dòng)業(yè)務(wù)增長(zhǎng)，此即數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)。
本篇文章介紹了分析數(shù)據(jù)的數(shù)據(jù)框架拆解、數(shù)據(jù)處理加工過(guò)程。
但是海量數(shù)據(jù)怎么看，看哪些？度量指標(biāo)應(yīng)該怎么設(shè)計(jì)，度量指標(biāo)中什么是業(yè)務(wù)的北極星指標(biāo)等此文還沒(méi)提到，在第三部分?jǐn)?shù)據(jù)指標(biāo)體系設(shè)計(jì)中講解。
接著來(lái)講數(shù)據(jù)分析的第三篇文章數(shù)據(jù)指標(biāo)體系設(shè)計(jì)，是整個(gè)數(shù)據(jù)分析篇章中最核心的內(nèi)容。
在第二篇文章中講到，我把數(shù)據(jù)分為：用戶數(shù)據(jù)、行為數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)，再往下又分了維度和度量兩個(gè)概念。
盡管如此，維度也好，度量也罷，都會(huì)產(chǎn)生很多散落的數(shù)據(jù)，你并不知道數(shù)據(jù)與數(shù)據(jù)之間的關(guān)聯(lián)性，也不知道眾多數(shù)據(jù)中什么是最核心的，什么最能表示業(yè)務(wù)最終呈現(xiàn)效果或者哪個(gè)數(shù)據(jù)指標(biāo)表示目標(biāo)達(dá)到。
數(shù)據(jù)與數(shù)據(jù)之間的關(guān)聯(lián)性或者相關(guān)邏輯性稱作數(shù)據(jù)指標(biāo)體系。指標(biāo)體系指將零散單點(diǎn)的具有相互聯(lián)系的指標(biāo)，系統(tǒng)化的組織起來(lái)，通過(guò)單點(diǎn)看全局，通過(guò)全局解決單點(diǎn)的問(wèn)題。
說(shuō)白了就是找個(gè)框架把所有的數(shù)據(jù)以一定的邏輯性組裝起來(lái)，框架也即數(shù)據(jù)模型。此篇文章針對(duì)用戶數(shù)據(jù)、行為數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)分別給出代表性模型，用以各自領(lǐng)域的數(shù)據(jù)分析。
提到用戶本身，馬上會(huì)想到經(jīng)典的AARRR 模型，即獲取用戶（Acquisition）、提高活躍（Activation）、提高留存率（Retention）、獲取營(yíng)收（Revenue）和自傳播（Referral）。
每個(gè)環(huán)節(jié)都有這個(gè)環(huán)節(jié)應(yīng)該關(guān)注的指標(biāo)，這些環(huán)節(jié)并不一定遵循嚴(yán)格的先后順序。
AARRR模型是非常經(jīng)典的用戶分析模型，且需要結(jié)合具體業(yè)務(wù)展開來(lái)講，這里不做過(guò)多描述。
UJM即User-Journey-Map，用戶旅程地圖模型；OSM分別指目標(biāo)、策略和衡量，Objective-Strategy- Measurement。
UJM+OSM，通過(guò)拆分用戶使用產(chǎn)品的階段性行為，從中挖掘用戶的需求，在每個(gè)階段確定能夠提升的指標(biāo)，將用戶旅程和業(yè)務(wù)目標(biāo)結(jié)合起來(lái)。
目標(biāo)（ Objective）指業(yè)務(wù)目標(biāo)。業(yè)務(wù)或者產(chǎn)品，存在的目的是什么、能夠解決用戶什么問(wèn)題、滿足用戶什么需求？如上述業(yè)務(wù)目標(biāo)為購(gòu)買轉(zhuǎn)化率，購(gòu)買轉(zhuǎn)化率越高，說(shuō)明用戶體驗(yàn)越佳，商業(yè)價(jià)值越高。
策略（Strategy）指為了達(dá)到業(yè)務(wù)目標(biāo)，應(yīng)當(dāng)采取什么策略。如上述為了提升用戶首頁(yè)-商詳轉(zhuǎn)化，策略1可以為視覺(jué)提升、策略3可以為交互流程改善等。策略1的視覺(jué)提升可以進(jìn)一步拆解為頁(yè)面整體顏色、卡片樣式等。
衡量（Measurement）：用來(lái)衡量策略的有效性，反映策略執(zhí)行是否能達(dá)成業(yè)務(wù)目標(biāo)的度量指標(biāo)。如上述首頁(yè)轉(zhuǎn)化率可以為進(jìn)到首頁(yè)用戶數(shù)轉(zhuǎn)化到商品詳情頁(yè)的用戶數(shù)，轉(zhuǎn)化率越高，說(shuō)明用戶對(duì)首頁(yè)青睞度越高，首頁(yè)的產(chǎn)品呈現(xiàn)內(nèi)容越有效。
基于用戶的行為路徑來(lái)拆解目標(biāo)，對(duì)于每個(gè)子目標(biāo)找到最終可落地的方案，啟動(dòng)項(xiàng)目\需求，通過(guò)用戶功能滿足達(dá)到最終的業(yè)務(wù)目標(biāo)。
如購(gòu)買轉(zhuǎn)化率目標(biāo)為提升15%，那么估算首頁(yè)改版項(xiàng)目提升的目標(biāo)為8%，商詳改版項(xiàng)目提升的目標(biāo)為5%，下單結(jié)算改版項(xiàng)目提升的目標(biāo)為3%，收銀支付改版項(xiàng)目提升的目標(biāo)為2%。
按照價(jià)值從高到低依次投入開發(fā)資源去實(shí)現(xiàn)目標(biāo)，項(xiàng)目上線后再?gòu)?fù)核業(yè)務(wù)目標(biāo)是否達(dá)成，若未達(dá)成，進(jìn)行差距分析。
談到業(yè)務(wù)數(shù)據(jù)時(shí)開始涉及角色的問(wèn)題，業(yè)務(wù)和產(chǎn)品的角色分工，不同的角色在不同的場(chǎng)景下關(guān)注的指標(biāo)并不相同。
基于此，一開始就把指標(biāo)進(jìn)行分層級(jí)，分為業(yè)務(wù)、產(chǎn)品和流程三個(gè)層級(jí)，業(yè)務(wù)關(guān)注業(yè)務(wù)的，產(chǎn)品關(guān)注產(chǎn)品的。不同層級(jí)的指標(biāo)有不同的思考維度和分析方法。
以支付業(yè)務(wù)為例，先明確指標(biāo)層級(jí)后，根據(jù)指標(biāo)設(shè)計(jì)原則，去做關(guān)鍵指標(biāo)的拆解，一級(jí)指標(biāo)可以拆解到二級(jí)指標(biāo)，二級(jí)指標(biāo)還可以繼續(xù)拆解到三級(jí)指標(biāo)等等。
業(yè)務(wù)層級(jí)的指標(biāo)用來(lái)衡量商業(yè)層面的客戶發(fā)展、增長(zhǎng)與獲利、競(jìng)爭(zhēng)力與盈利能力等。
業(yè)務(wù)從用戶那里掙錢，需要通過(guò)產(chǎn)品作為載體或媒介，互聯(lián)網(wǎng)產(chǎn)品的使命是利用技術(shù)賦能業(yè)務(wù)，幫助企業(yè)降本增效。所以談到產(chǎn)品，需要去思考產(chǎn)品定位、產(chǎn)品能提供的核心價(jià)值、產(chǎn)品帶給用戶的產(chǎn)品使用體驗(yàn)、產(chǎn)品如何實(shí)現(xiàn)業(yè)務(wù)目標(biāo)。
進(jìn)一步細(xì)化，一個(gè)產(chǎn)品往往有著很多功能，承載著不同的用戶交互步驟或操作流程。梳理并整理出整個(gè)轉(zhuǎn)化流程中各個(gè)關(guān)鍵節(jié)點(diǎn)，去實(shí)現(xiàn)產(chǎn)品的核心指標(biāo)。
從業(yè)務(wù)模式，到根據(jù)產(chǎn)品的價(jià)值與體驗(yàn)，再分解到具體流程的步驟效率。這提供了一種縱向的，自上而下、由粗到細(xì)的分析模型，在每一個(gè)層級(jí)上，又會(huì)有不同關(guān)注點(diǎn)和類別的指標(biāo)。以數(shù)據(jù)為基礎(chǔ)，主導(dǎo)產(chǎn)品布局，拆解流程步驟，賦能業(yè)務(wù)增長(zhǎng)。
本篇文章從用戶數(shù)據(jù)、行為數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)三方面介紹了3個(gè)數(shù)據(jù)指標(biāo)體系模型。特別說(shuō)明的是，文中提到的AARRR模型、UJM+OSM模型、指標(biāo)分層3個(gè)數(shù)據(jù)模型僅舉例說(shuō)明，實(shí)際還有更多模型，如PLC、HEART、GSM、PTECH模型等等，需在不同場(chǎng)景下評(píng)估綜合使用。
但不管什么數(shù)據(jù)模型，核心都在于找到數(shù)據(jù)與數(shù)據(jù)之間的關(guān)聯(lián)性，從海量數(shù)據(jù)中找出最核心的數(shù)據(jù)指標(biāo)用以衡量目標(biāo)是否達(dá)到，以系統(tǒng)和結(jié)構(gòu)化視角思維來(lái)看數(shù)據(jù)分析。
今天來(lái)講數(shù)據(jù)分析的第四篇文章數(shù)據(jù)呈現(xiàn)之?dāng)?shù)據(jù)分析方法，是整個(gè)數(shù)據(jù)分析篇章中最后一部分內(nèi)容。
在前面第二部分、第三部分文章中，我們講了數(shù)據(jù)生成-獲取數(shù)據(jù)-數(shù)據(jù)建模-數(shù)據(jù)指標(biāo)搭建這樣漫長(zhǎng)的數(shù)據(jù)加工處理過(guò)程，到最后一步便是數(shù)據(jù)呈現(xiàn)和從數(shù)據(jù)中挖掘出來(lái)的問(wèn)題或者機(jī)會(huì)點(diǎn)的數(shù)據(jù)應(yīng)用。
有句話調(diào)侃講，辛苦干活兒一年還比不過(guò)一個(gè)做PPT的，同樣適用數(shù)據(jù)分析。如果前面做了大量數(shù)據(jù)加工處理工作，但是最后不會(huì)做數(shù)據(jù)分析和數(shù)據(jù)呈現(xiàn)，挖掘不到問(wèn)題和機(jī)會(huì)點(diǎn)，那么前面的工作將白費(fèi)。
（或者說(shuō)前面的工作皆屬于打地基，最后一步也就是本篇文章講述的內(nèi)容是收獲果實(shí)。）
通過(guò)數(shù)據(jù)呈現(xiàn)，把分析的結(jié)果完整呈現(xiàn)出來(lái)，為決策者提供科學(xué)、嚴(yán)謹(jǐn)?shù)臎Q策依據(jù)，供決策者參考以做出決策。
好的數(shù)據(jù)呈現(xiàn)，需要有一個(gè)好的方式展現(xiàn)數(shù)據(jù)間的關(guān)系和規(guī)律，讓人一目了然，這是接下來(lái)要說(shuō)的數(shù)據(jù)分析方法。常見(jiàn)的漏斗分析、多維拆解、趨勢(shì)分析、對(duì)比分析、帕累托分析和交叉分析等。
上篇講的數(shù)據(jù)指標(biāo)體系設(shè)計(jì)是從宏觀層面指導(dǎo)如何進(jìn)行數(shù)據(jù)分析，本章講的數(shù)據(jù)分析方法主要從微觀角度指導(dǎo)如何進(jìn)行數(shù)據(jù)分析。從宏觀到微觀是不斷細(xì)化的過(guò)程。
漏斗分析能夠科學(xué)反映用戶行為狀態(tài)，以及從起點(diǎn)到終點(diǎn)各業(yè)務(wù)流程的用戶轉(zhuǎn)化率情況，是一種重要的流程式數(shù)據(jù)分析方法。
比如：對(duì)于電商產(chǎn)品來(lái)說(shuō)，最終目的是讓用戶購(gòu)買商品，但整個(gè)流程的轉(zhuǎn)化率由每一步的轉(zhuǎn)化率綜合而定。這時(shí)，我們就可以通過(guò)漏斗分析模型進(jìn)行監(jiān)測(cè)。
如下圖所示，我們可以觀察用戶在每一個(gè)環(huán)節(jié)上的轉(zhuǎn)化率，尋找轉(zhuǎn)化路徑的薄弱點(diǎn)，優(yōu)化產(chǎn)品，提升用戶體驗(yàn)，最終提升整體的轉(zhuǎn)化率。
所有互聯(lián)網(wǎng)產(chǎn)品、數(shù)據(jù)分析都離不開漏斗，無(wú)論是注冊(cè)轉(zhuǎn)化漏斗，還是電商下單漏斗。需要關(guān)注兩點(diǎn)，第一是關(guān)注哪一步流失最多；第二是關(guān)注流失的人都有哪些行為。轉(zhuǎn)化率最低的環(huán)節(jié)，往往是ROI 價(jià)值最大的地方。
我自己本身是做支付業(yè)務(wù)的，日常呈現(xiàn)數(shù)據(jù)最多的形式便是多維拆解。（多維的意思是從多個(gè)維度拆解度量指標(biāo)，如果對(duì)維度和度量不太了解的可以去看第三部分的內(nèi)容。
至此，拆到最小顆粒度。
在分析數(shù)據(jù)時(shí)，若整體支付成功率發(fā)生異常，按照此路徑拆解到最小顆粒度的支付方式，基本可以鎖定發(fā)生問(wèn)題的原因。
建立趨勢(shì)圖表可以迅速了解市場(chǎng)、用戶或者產(chǎn)品特征的基本表現(xiàn)，便于進(jìn)行迅速迭代。趨勢(shì)分析通常按時(shí)間維度的小時(shí)\天\周\月看度量指標(biāo)的變化情況（像我每天早上來(lái)第一件事是看昨天的支付成功率有無(wú)異常）。
趨勢(shì)分析有兩大作用：趨勢(shì)預(yù)測(cè)和數(shù)據(jù)監(jiān)測(cè)。比如我現(xiàn)在正在做的項(xiàng)目業(yè)務(wù)數(shù)據(jù)監(jiān)控，就是基于支付成功率在過(guò)去一段時(shí)間內(nèi)的數(shù)據(jù)表現(xiàn)來(lái)預(yù)判當(dāng)前支付成功率是否異常。如下圖中的7月和8月明顯低于其他月份，可判定這兩個(gè)月數(shù)據(jù)發(fā)生了異常，需要去尋找原因。
同一維度還常常做度量指標(biāo)的對(duì)比分析，主要用于對(duì)比同維度間的差異性。比如我做支付業(yè)務(wù)，會(huì)去對(duì)比Top 國(guó)家的支付成功率，看哪個(gè)國(guó)家是我重點(diǎn)要關(guān)注的國(guó)家。
同漏斗分析類似，對(duì)比分析也可以快速找出最需要關(guān)注的維度指標(biāo)，把資源用在刀刃上。
（比如我印象很深，我的leader第一次做數(shù)據(jù)分析報(bào)告時(shí)，按Top國(guó)家做了國(guó)家維度的對(duì)比分析，大家很快知道哪些國(guó)家需要花資源重點(diǎn)解決，從此改變大家對(duì)支付業(yè)務(wù)的認(rèn)知。以前大家可能以為支付需要持續(xù)接入新支付服務(wù)商，但是大家現(xiàn)在知道可以分重點(diǎn)國(guó)家差異性改善，不僅僅是無(wú)腦接入新支付服務(wù)商）
另外，在對(duì)比應(yīng)用中，現(xiàn)在流行A/B test，A/B test的關(guān)鍵就是保證兩組中只有一個(gè)單一變量，其他條件保持一致，實(shí)驗(yàn)組和對(duì)照組也是對(duì)比分析。
除了跟別人比，也可以自己跟自己比，統(tǒng)計(jì)學(xué)中的環(huán)比和同比便是自己跟自己比的經(jīng)典應(yīng)用。（比如到年底，我會(huì)做支付業(yè)務(wù)的復(fù)盤，會(huì)把連續(xù)幾年的訂單量和支付成功率做對(duì)比，看今年的整體情況）
帕累托分析，平常也稱之為二八定律。在任何一組東西中，最重要的只占其中一小部分，其余盡管是多數(shù)，卻是次要的。
帕累托模型即是以二八定律為基礎(chǔ)原理構(gòu)建出的商品分析模型，這個(gè)模型最大的好處是可以對(duì)商品或者產(chǎn)品進(jìn)行分類，按照投入產(chǎn)出比的優(yōu)先次序原則，將自己的資源盡量投入到頭部產(chǎn)品當(dāng)中，以期產(chǎn)生最大的效益。
其核心思想就是少數(shù)項(xiàng)目貢獻(xiàn)了大部分價(jià)值。以款式和銷售量為例：男士服飾、運(yùn)動(dòng)服裝及用品、兒童服裝、女士皮鞋占總體銷售額的70%以上。
交叉分析法就是將對(duì)比分析從多個(gè)維度進(jìn)行交叉展現(xiàn)，進(jìn)行多角度的結(jié)合分析，從中發(fā)現(xiàn)最為相關(guān)的維度來(lái)探索數(shù)據(jù)變化的原因。
如下圖，從APP\PC 端的維度結(jié)合漏斗做對(duì)比分析，可以發(fā)現(xiàn)APP在每一步轉(zhuǎn)化率更好。
以上掌握了基本的數(shù)據(jù)分析方法，如何撰寫一份分析報(bào)告增加它的可讀性呢？
邏輯清晰。數(shù)據(jù)是怎么來(lái)的；發(fā)現(xiàn)了什么問(wèn)題；總結(jié)問(wèn)題發(fā)生的原因；如何解決這種問(wèn)題；給出結(jié)論和解決方案。這樣一個(gè)簡(jiǎn)單明了強(qiáng)邏輯關(guān)系的分析報(bào)告就能讓絕大多數(shù)人接受；
報(bào)告圖表化。用圖表代替大量堆砌的數(shù)字會(huì)有助于人們更形象更直觀地看清楚問(wèn)題和結(jié)論，更容易做到有理有據(jù)；
規(guī)范化。整篇文檔的圖表風(fēng)格統(tǒng)一、名詞統(tǒng)一。數(shù)據(jù)有來(lái)源，口徑有說(shuō)明。（特別是第一次引入數(shù)據(jù)統(tǒng)計(jì)口徑時(shí)，要額外說(shuō)明）
至此，數(shù)據(jù)分析文章系列全文完。
在最后，我想說(shuō)的點(diǎn)是：數(shù)據(jù)分析重在思路，更多在實(shí)踐中訓(xùn)練自己數(shù)據(jù)思維，要有數(shù)據(jù)意識(shí)。
盡管寫了此篇文章10000多字，也只是數(shù)據(jù)分析的一點(diǎn)點(diǎn)方法論，是工具層面的皮毛。到目前為止，我仍然有業(yè)務(wù)上的數(shù)據(jù)問(wèn)題無(wú)法解開，可見(jiàn)，就算是成體系的所謂方法論也無(wú)法解決所有的實(shí)踐問(wèn)題。
想加以強(qiáng)調(diào)的是，無(wú)論是看了我的文章還是別處學(xué)習(xí)了其他知識(shí)&技能，都需要在自己實(shí)際業(yè)務(wù)場(chǎng)景下去應(yīng)用，否則信息就只是信息，永遠(yuǎn)無(wú)法內(nèi)化為自己的知識(shí)。
就我自身而言，從20年寫第一篇數(shù)據(jù)分析的文章，到現(xiàn)在21年寫四篇數(shù)據(jù)分析的文章。我相信在未來(lái)我還會(huì)持續(xù)迭代甚至推翻當(dāng)前這套也是有可能，任何東西都不會(huì)學(xué)到即停止，它會(huì)被一直迭代和更新。
聯(lián)系客服
