精华内容
下载资源
问答
  • :博主是正在学习数据分析的一员,博客记录的是在学习过程中一些总结,也希望和大家一起进步,在记录之时,未免存在很多疏漏和不全,如有问题,还请私聊博主指正。 博客地址:天阑之蓝的博客,学习过程中不免有困难...

    阅读之前看这里👉:博主是正在学习数据分析的一员,博客记录的是在学习过程中一些总结,也希望和大家一起进步,在记录之时,未免存在很多疏漏和不全,如有问题,还请私聊博主指正。
    博客地址:天阑之蓝的博客,学习过程中不免有困难和迷茫,希望大家都能在这学习的过程中肯定自己,超越自己,最终创造自己。

    博主之前关于产品和数据的的文章:

    数据分析师之所需要了解的产品系列知识(一)——产品的演化周期
    数据分析师之所需要了解的产品系列知识(二)——如何测试产品健康
    数据分析师之所需要了解的产品系列知识(三)——定义产品成功:指标和目标
    数据分析师之所需要了解的产品系列知识(四)——如何提高用户留存率

    我们在数据分析师之所需要了解的产品系列知识(三)——定义产品成功:指标和目标一文中,讲了如何去定义成功的指标。
    接下来我们将真正的进行去实践分析,学以致用,去了解和学习互联网数据指标体系的搭建,并应用在一些具体案例分析上面。

    一、为什么要搭建指标体系

    对于互联网产品数据分析师来说,搭建指标体系可以很好的梳理业务关系,提高问题分析效率。
    我认为指标体系的主要目的有:

    • 确立关键指标(北极星指标),统一各团队的努力方向;
    • 搭建产品数据监控指标看板,方便综合分析各项指标,及时发现业务问题;
    • 成熟的指标体系可以高效地为各部门各团队提供数据支持。

    只有明确好指标和目标后,我们才能够对产品规划可执行的策略和路线图。也就是搭建好指标体系是在团队工作和产品开展的一个前提,当然一开始可能指标并不多,需要随着产品的迭代不断去改变指标。

    二、如何搭建指标体系

    1.选择关键指标(OMTM)

    关键指标是衡量商业价值,哪一个或者几个指标最能反映产品创造的价值。
    在这里插入图片描述

    《精益数据分析》对第一关键指标这样阐述:

    在任何指定的时间里,都有那么一个指标,值得你惯性它胜过一切。
    在数据分析的世界里,专注意味着挑选一个唯一的指标,该指标对你当前所处的创业阶段无比重要,称之为OMTM(One Metric That Matters,第一关键指标)。

    第一关键指标,就是一个在当前阶段高于一切,需要你集中全部注意力的数字。在问题验证阶段关心客户终生价值并没有什么意义,但当你接近产品与市场契合的时候,它可能就是你的专注点。

    一个“重要的指标”是统一的,并将使你能够为整个组织设置优先级。尽管跟踪所有内容并选择多个指标可能很诱人,但这并不明智。许多指标相互关联。它们可能有助于提高收入指标,但如果单独衡量,可能会变得无关紧要和分散注意力。你拥有的指标越多,权衡所有目标并权衡这些目标就越复杂。把事情简单化。

    使用第一关键指标的四大理由:

    1. 它回答了现阶段最重要的问题。
    2. 它促使你得出初始基线并建立清晰的目标。
    3. 它关注的是整个产品(公司)层面的健康。
    4. 它鼓励一种实验文化

    对于社交类产品来说,DAU很关键,因为产品核心是人们通过这款产品沟通交流;
    但对于求职类产品,关键指标应该是活跃有效简历数和发布职位公司数,只有求职者和机会数量可观的情况下,才更加有可能在平台解决大家的职业发展问题;
    对于电商类产品GMV很重要,意味着在平台成交的金额大小;
    对于视频类产品,目的是为了帮助用户杀时间,那么关键指标是观看时长

    2.从AARRR模型出发搭建产品基本指标体系

    AARRR是Acquisition、Activation、Retention、Revenue、Refer这个五个单词的缩写,分别对应用户生命周期中的5个重要环节。

    A拉新:通过各种推广渠道,以各种方式获取目标用户,并对各种营销渠道的效果评估,不断优化投入策略,降低获客成本。利用这个模块可以很好帮助市场推广部门比较各个渠道的拉新效果,评估新用户的用户质量。
    A活跃:活跃用户指真正开始使用了产品提供的价值,我们需要掌握用户的行为数据,监控产品健康程度。这个模块主要反映用户进入产品的行为表现,是产品体验的核心所在。
    R留存:衡量用户粘性和质量的指标。
    R转化(营收):主要用来衡量产品商业价值。
    R传播:衡量用户自传播程度和口碑情况。

    这五个指标并不一定遵循严格的先后顺序,不过这五个指标确实是一个不错的框架。

    要素功用相关指标
    获取用户通过各种各样的手段博取眼球,无论是免费还是付费的方式流量、提及量、每次点击费用(CPC) 、搜索结果、用户获取成本、点开率
    提高活跃度将获取的“过客”转化为产品的真正参与者注册人数、注册量、新手教程完成量、至少用过一次产品的人数、订阅量
    提高留存率说服用户再次光临、反复使用、表现出黏性行为用户参与度、距上次登录的时间、日/月活跃使用量、流失率
    获取营收商业活动的产出(不同的商业模式看重不同的产出,如购买量、广告点击量、内容产生量、订阅量)客户终生价值、(免费到付费)转化率、平均购物车大小、广告点击收入
    自传播已有用户对潜在用户的病毒式传播及口碑传播邀请发送量、病毒式传播、病毒传播周期

    在这里插入图片描述
    以上图片基于AARRR模型梳理了相关重要指标,当然,对于不同产品,还会有更多基于个性化功能的指标,这里就不做延展。

    整合各模块指标可以得出用户每个步骤的健康程度,再通过时间维度(环比同比)、空间维度(各个渠道对比、各个地域)交叉对比,可以初步发现数据异常点所在,然后就需要分析师针对异常指标深入分析原因,找出解决办法。

    3.基于业务流方法的指标体系搭建(可结合AARRR模型)

    我们不仅要会从AARRR这个经典模型去搭建指标体系,我们更需要会基于业务流方法的指标体系搭建,俗话说,不懂业务的数据分析师不是一个好的分析师。
    业务流指标体系主要包括两个方面:维度和指标
    在这里插入图片描述

    在分析的时候,进行多个维度的拆解,在不同的维度对应不同的指标。
    如下图,我们可以从整体、内容、渠道、产品、用户等多个业务流维度对进行不同指标的搭建。
    在这里插入图片描述

    4.产品的功能模块指标监控体系

    对于一个产品,首先需要梳理出各功能模块有哪些,可以建立产品功能矩阵,对各功能的定位和表现有个大概认知。
    在这里插入图片描述
    上图即产品功能矩阵,横轴是功能留存率,表示当前功能的用户粘性;纵轴是活跃用户占比,表示某周期使用当前功能的用户量/该周期的产品活跃用户量。做出这个矩阵后,我们就可以看到不同的功能在矩阵中的位置分布(注:原点可以选择:各产品留存率、活跃用户占比均值)。

    • 大众功能(曝光量大,使用率高)需要了解用户的使用流程,对可优化的点进行优化,不断简化升级。
    • 核心功能(用户使用率低,功能留存率比大众功能要高)我们在核心功能中应该寻找是否存在高价值需求,我们可以推广这个需求的使用率来提升用户留存,探索增长突破口,不断完善扩充。
    • 小众功能(功能留存适中但用户使用率低)可以寻找可能有潜力的模块优化,不断筛选优化。
    • 其他功能(使用率低,留存率也低)对于不常用的功能模块适当摒弃,对于有必要保留的功能模块分析问题所在,或者简化操作流程,不断迭代更新。

    建立完功能矩阵后,针对核心功能和大众小众功能,都需要分别搭建监控体系,步骤如下:

    1. 确认产品功能核心目标,可以和产品经理确认功能目的。
    2. 梳理功能使用路径,可以通过看产品的RPD文档,或者自己体验得到。
    3. 监测指标确认,根据使用路径,整理出每一步骤的表现指标,目的是希望用户可以完成我们设想的任务,如果产品功能有做出调整,也可以用来评估前后效果。

    三、实例—抖音的数据指标体系搭建

    1.关键指标

    抖音作为头部短视频APP之一,产品核心在于:

    • 对于内容互动者,满足了日常打发零碎时间,寻求新鲜潮流事物的需求;
    • 对于内容生成者,满足了较强的表现和模仿欲,记录美好生活的需求,给明星/KOL提供了一个塑造个人品牌、积累粉丝的平台;
    • 对于公司,则依靠流量变现,包括信息流广告、贴片广告、用户付费(购买、打赏)。

    基于抖音产品核心,我选取了以下几个指标作为关键指标:新增用户数、DAU、日均时长、留存率、收入(较为敏感,需要额外考虑)

    • 新增用户数:因为老用户必然会随时间不同程度地流失,想要产品流量维持在一定水平甚至有上升,那么新用户流入是必然需要的;
    • DAU我认为是首要指标,是最能体现当下抖音产品商业价值-流量的指标
    • 日均时长:时长较长意味着用户更加依赖产品,粘性也会越来越强,是一个很好的过程监控指标。下降的话,就要思考是内容数量不足导致?内容质量吸引不了用户?产品交互体验较差?抑或是KOL平台转移;
    • 留存率:用户存留的时间越长,产生的价值也就越大。提高用户的存留时间,也是提高公司收入,为公司创造更多价值的重要一环;
    • 收入:对于抖音这样一个相对成熟,有稳定盈利收入的产品,收入可以衡量产品后链路的健康程度,若某一收入来源下降了,则需要找出问题所在,从产品或者策略上做出调整(注:因此项数据较为敏感,需要考虑是否展示)。

    依照以上关键指标,我利用tableau制作了一个简单的仪表盘(注:以下数据均为虚构)。
    在这里插入图片描述

    2. 基于AARRR模型的抖音基本指标体系

    抖音APP实质上还是属于一个免费的移动短视频应用,针对抖音获取新用户这方面,我们需要关注的指标主要还是从下载量(分渠道),客户获取成本,新用户注册等
    在这里插入图片描述

    如果监控用户活跃,我们需要监控DAU等常用指标,也需要关注用户观看视频时长,app使用时长和频率。
    在这里插入图片描述
    在用户留存方面,我们最需要关注的是留存率和流失率。

    关于用户留存指标的详细内容可以参考我的另一篇博文:
    数据分析师之所需要了解的产品系列知识(二)——如何测试产品健康“健康的产品需要满足哪些指标”
    在这里插入图片描述
    关于用户自传播,作为视频软件,用户分享是非常关键的,能够提高用户数和广告价值。
    在这里插入图片描述
    用户营收是很重要的,最终一个产品的成功不仅仅是看用户使用,要把这些转化为营收才是目的。
    在这里插入图片描述

    3.基于业务流的抖音基本指标体系

    由于主要的指标我们已经确定:新增用户数、DAU、日均时长、留存率、收入
    所以结合各个业务流对这些指标进行细分和拆解组合等。

    由于新增用户、DAU、使用时长等,我们均可把它们划分到用户维度。

    • 下面是基于用户维度的指标搭建

    在这里插入图片描述
    渠道维度的数据,我们在进行运营和推广的时候,渠道是其关键,掌握好各个渠道的数据,方便我们更好的决策。

    • 下面是基于渠道维度的指标搭建

    在这里插入图片描述

    • 产品维度:分析产品核心功能,以便做出调整。

    在这里插入图片描述

    当然我们还可以从其它业务的维度去思考构建各个指标,每种指标体系都有其优点和局限,有时候并不能一一考虑到,我们最重要的是关注几个核心指标,无论是从哪个模式去分析,核心指标的监控必不可少。

    4.抖音功能指标监控体系

    梳理了抖音功能结构图如下:
    在这里插入图片描述
    抖音的功能很多,在这里拿“搜索”功能举例,搭建功能指标体系。

    首先,确认搜索功能的核心目标:用户能够通过搜索找到感兴趣的短视频,并成功观看。

    然后,梳理功能使用路径:
    在这里插入图片描述
    最后,梳理指标:
    在这里插入图片描述

    四、总结

    综上,产品的指标体系搭建主要包括三个步骤:

    • 关键指标的选取;
    • 基于AARRR模型搭建产品基本指标体系;
    • 基于业务流的指标体系搭建,可与AARRR模型相互结合;
    • 完善产品各功能的指标体系。

    随着产品业务的发展和各功能板块的调整更新,衡量指标会发生变化,所以需要针对产品变化及时对指标做出调整。

    另外,不同的业务部门的关注方向不同,同样产品同样功能的指标体系侧重点,也需要根据数据看板的使用方的角色不同而不同。

    参考:
    [1] 人人都是产品经理:以「抖音」为例,分析互联网数据指标体系的搭建
    [2] 《精益数据分析》

    博主码字不易,请大家关注点个赞再走呗 ^ - ^
    在这里插入图片描述

    展开全文
  • 【数据标准】数据指标体系建立

    万次阅读 多人点赞 2019-10-15 22:03:22
    数据分析常遇到挑战 问题出在哪里? 当一个决策分析类项目(如商务智能、数据仓库、大数据分析等)开始筹划的时候,往往面临着如何选择分析场景的问题。有一些业务人员非常有想法,目标明确,直接请实施厂商来做就...

    前沿

    数据分析常遇到挑战
    问题出在哪里?
    当一个决策分析类项目(如商务智能、数据仓库、大数据分析等)开始筹划的时候,往往面临着如何选择分析场景的问题。有一些业务人员非常有想法,目标明确,直接请实施厂商来做就行;然而还有些业务人员对分析系统能做什么、如何做没有太多经验,于是他们也找来了实施厂商,但结果却是……
    
    
    客户尽管知道大数据分析对于经营管理的意义所在,但事实上国内绝大多数企业的大数据能力成熟度仍停留在使用统计报表的层面。他们寄期望于实施厂商,希望他们能帮助自己提升业务分析能力。
    
    然而,决策分析类系统不同于业务系统的特点之一就是其不确定性,正如莎翁所说的“一千个人眼中有一千个哈姆雷特”:同样一个分析场景,有的人习惯看表格、有的喜欢看图表;有的喜欢用同比环比,有的喜欢做预警分析。总之,一千个客户心中期望得到的分析报表就有一千张。
    如何知道该分析什么?
    既然每个人的想法不同,那么实施项目的时候是不是要把所有用户全部访谈一遍,针对每个用户做专门的分析报表吗?当然不是。一是没有必要;二是时间和经费上也不允许。
    那么有什么好的办法解决这一问题呢?
    
    先来看一段数据分析的需求——
    甲:我想了解这个月那种产品卖的数量最多?
    乙:我想了解这个月那个客户买的数量最多?
    丙:我想了解这个月的收入、成本和利润分别是多少?
    丁:我想了解这个月的收入和利润比去年同期多多少?成本比去年同期降低了多少?
    我们很容易发现,甲和乙、丙和丁虽然关心的问题不同,但是他们的分析对象基本是一致的:甲和乙需要分析数量、丙和丁需要分析金额。所以,当我们在梳理用户分析需求,重点应该放在分析对象上,而不是展现形式上。
    这里所谓的分析对象,就是决策分析类系统中常常提到的指标。我们接下来的主题就是探讨如何在需求调研过程中获取指标,以及如何管理指标,为后续进行详细的分析场景设计规划提供依据。
    
    指标怎么找?
    数据指标一般来说比较分散,例如信息系统里面有指标、电子表格里有指标、总结报告还有指标……那么如何将企业内的指标一网打尽呢?
    

    **

    指标体系建立和应用步骤

    **
    经过多年实践经验,总结的指标体系建立和应用步骤包括“找指标”、“理指标”、“管指标”、“用指标”四个阶段。

    1找目标
    指标的工作主要采用“自上而下”和“自下而上”相结合的梳理方式。其中指标分类应从业务管理需求出发,自上而下逐层展开;而具体指标以业务系统为导向,则自下而上逐层筛选。
    在这里插入图片描述
    图1 数据指标梳理方法

    下面是一个梳理过程的示例——
    “自上而下”:从业务域我们一般可以分为财务、人力资源、销售等等,然后在进行二级业务域划分,如销售可以分为市场营销、客户管理、订单管理等等(是否需要三级分类视业务复杂程度决定),这样我们就得到了一个指标分类的初步框架。

    “自下而上”:我们从业务系统出发,从系统中识别其功能模块,例如ERP、CRM、SRM等,CRM系统中又有客户管理、订单管理等功能模块,我们从这些模块中包含的业务单据中就可以找到相应的数值字段,然后挑选出可以作为指标展示的。如果这些系统中有单独的统计报表功能,那么我们的工作相对简单,只需要从报表中找到相应的指标即可。

    在这里插入图片描述
    图2 找指标方法
    找到了指标,其实只有指标名称而已,我们还需要找到指标的各项属性定义。指标的属性分为“业务属性”和“技术属性”两类,业务属性包含业务人员通常认识的指标分类、名称、计算公式、展现方式和查询权限等;技术属性包含技术运维人员所关心的系统来源、取数字段、取数频率、加工规则等。

    在这里插入图片描述
    图3 指标的定义
    将找到的指标及其属性,形成一张总表,即指标字典。具体字段的选取工作最好能让业务人员和技术人员共同参与制定。

    在这里插入图片描述
    图4 指标字段表
    2理指标
    通过找指标,我们获得了企业中的指标列表,但是这些指标并不能称之为体系,因为没有进行分类,指标没有业务含义,指标和指标之间也没有任何逻辑。我们需要结合企业战略和岗位职责,设定全面的衡量指标,并分解到具体业务过程。

    在这里插入图片描述
    图5 指标常见分类
    我们将企业中的各业务职能域进行划分(如果是集团企业,还应该进行行业板块的划分)。
    在这里插入图片描述
    图6 企业业务域划分
    上面只是对业务域进行了大的划分,接下来需要对业务域的业务流程中的管控目标进行细化,和指标一起形成功能矩阵,标注出指标的产生、引用关系,从而我们会发现指标字典中有重复、不同口径统计等各种情况,进行处理后,将形成含有分类和业务目标的指标字典。

    在这里插入图片描述
    图7 指标字典
    指标字典可能会非常庞大,有时可以通过指标树的方式进行表示,每棵树表示一个业务域的指标关系,通过链接跳转到相应的详细指标定义信息。以下是财务域的局部指标举例:

    在这里插入图片描述
    图8 指标树示意图

    3管指标
    管指标数据的工作和其它数据管理工作并无太大差别,即通过推动数据治理体系建设,制定主数据、业务数据、统计数据的标准和规范,提升数据质量。

    在这里插入图片描述
    图9 指标管控体系
    通过指标管控制度和流程,我们将明确指标认责人、指标用户、指标管控团队在各项管控活动中应遵循的管理要求和工作流程。在今后信息系统(尤其是数据中心、统计报表等分析类应用)的建设中需要遵从公司在指标管控领域提出细化要求。

    在这里插入图片描述
    图10 指标管控制度

    4用指标
    企业仅仅制定指标体系,并不能起到规范数据的作用,只有将指标体系落实在信息系统中,才能发挥其管理作用,因此构建指标体系往往和应用系统建设同步进行。指标体系包含但不限于以下使用场景:

    在这里插入图片描述
    图11 指标成果主要应用场景
    通过指标数据体系的应用,我们将规范企业内指标使用的规范性,提高数据的准确性、一致性和可追溯性。

    在这里插入图片描述
    图12 指标体系
    以上,我们简要介绍了一下如何通过企业内的数据资源找到业务分析需要的指标,如何一步一步建立起指标标准、规范和管理体系。仅供参考。
    希望对各位同学有所帮助。
    今天就讲到这里,下课!

    三某能源化工企业数据治理案例分析
    石油化工高绩效运营指标模型是由企业集团的核心功能与行业板块依据石油化行业的价值链组合而成,涵盖了中国石化总部业务分析应用需求。篇幅有限,无法详细展开,有类似需求的企业欢迎来人、来函、电话、微信、QQ……
    一级业务域

    在这里插入图片描述
    图13 指标一级主题框架图
    二级主题

    在这里插入图片描述
    图14 指标二级主题框架图
    在数据治理平台内管控指标

    在这里插入图片描述
    在这里插入图片描述
    图15 指标在数据治理平台示意图

    指标体系在数据分析应用落地
    在这里插入图片描述
    图16 指标体系在数据分析落地示意

    展开全文
  • 手把手教你建立数据指标体系

    千次阅读 2020-09-30 16:17:40
    数据分析工作中,咱们对于数据指标一定不陌生,而几乎所有数据分析工作都会提“建立数据指标体系”。但是同学们或许有一些现实的困惑:你说报表我就见过,我天天都在更新。可这玩意怎么就体系了呢?做了体系又怎么样...

    数据分析工作中,咱们对于数据指标一定不陌生,而几乎所有数据分析工作都会提“建立数据指标体系”。但是同学们或许有一些现实的困惑:你说报表我就见过,我天天都在更新。可这玩意怎么就体系了呢?做了体系又怎么样呢?为啥我不觉得我做的是体系?今天系统地来分析一下。要讲,就从数据指标讲起。

                                                                              01为啥需要数据指标

      

                                                                               以下话是不是经常听到:

                                                                              “大概有1万多人吧”

                                                                               “有很多顾客都不满意”

                                                                              “感觉我们门店都没人了”

     

                                                                              不确定、不具体、不准确

    我们平时过日子都是这么说话的。没毛病,因为具体的消息是有很大成本的,大部分时候我们就是随口说说而已。但是企业经营要是都靠这个那就死翘翘了,花多少钱赚多少钱都不清楚,老板非气的翘辫子。

     

    数据指标就是对抗不确定的

      

    如果我们把上边的表述改成:

    • 2月4日新注册用户9800人,超目标1000人

    • 2月4日当日A产品退货100件,累计30天退货率2.5%

    • 2月4日全国到店用户30万人,到店率30%,低于32%的期望值

     

    是不是爽快多了。这就是数据指标的直观用途。

      

                                                                                         02为啥需要数据指标体系

     

    实际工作中,想要准确说清楚一件事是挺麻烦的,比如我们想说:“2月份A产品卖的非常棒!”如果对方想较真的话,可以挑一堆刺出来(如下图)

    一个问题,往往有很多方面,只用一个指标不能充分说明问题。这就需要一组有逻辑的数据指标来描述,这就是数据指标体系。

     

                                                                              03数据指标体系五大件

    第一要素:主指标(一级指标)

     

    用来评价这个事到底咋样的最核心的指标。比如说:“产品卖的好”。直观的想到是“销售金额”这个指标,因为这是我们卖货直接收到手里的钱,钱多了当然好。

     

    每个指标得有以下要素: 

    1、业务含义:在业务上它的意义是……

    2、数据来源:哪个系统采集原始数据

    3、统计时间:在XX时间内产生的该数据 

    4、计算公式:如果有比例、比率,得说清楚谁除谁;如果是汇总,得说清楚谁加谁。

     

    注意:有可能需要多个主指标,来做综合评价。比如产品卖的好,光看金额还不够,可能还要关注毛利,这才是真正赚到的钱。可能还得看销售数量,因为销售数量和库存直接挂钩,得防止积压太多。这样就至少有了三个主指标:销售金额、销售件数、销售毛利。

      

    第二要素:子指标(二级/三级指标)

      

    主指标可能由几个子部分构成。比如: 

    销售金额=用户数 * 付费率* 客单价

     

    如果销售金额没达标,我们会很好奇:到底是购买的客户少了,还是卖的人不够多,还是买的太便宜了,了解细节有利于我们找到真正的问题,这时候就得拆解子指标。

    第三要素:过程指标

     

    主指标往往是最终的结果,比如B2B行业的销售金额,是销售线索-售前跟进-需求确认-产品体验-价格谈判-竞标-签约这一系列过程最后的一个结果。光看一个最后结果是无法监督、改进过程的。如果想更进一步管理,就得看得更细一些,从而添加子指标(如下图)

    第四要素:分类维度

      

    有可能一件事是很多人、在很长时间内完成的。想知道总销售金额是怎么构成的,每个地区、每个团队分别完成多少,可以增加分类维度。通过分类维度,把主指标切成若干块,这样能避免平均数陷阱,把整体和局部一起看清楚(如下图)

    第五要素:判断标准

     

    即使有了以上四个点,我们还是不能说:A产品卖的好。因为好是个形容词,是和差相对的。因此就需要一个对比的参照物。参照物的选择,本身是个复杂的分析过程,需要做深入的分析。

     

    在构造指标体系的时候,往往这些判断标准是和当前数据一起呈现的。这样在看数据的时候,可以直观的做出判断,使用起来就很方便了。

     

                                                                                         04数据指标体系如何发挥作用

      

    小结一下,构成指标体系五部分是:

    1、主指标

    2、子指标 

    3、过程指标 

    4、分类维度

    5、判断标准

     

    有了这五部分,诊断起问题来非常轻松。

      

    • 先看主指标+判断标准,比如主指标是:销售金额,先看本月是否达标了,没达标差多少达标。再看年累计达标没有,有多少亏空/盈余。这样很容易看清楚:知道问题是什么,有多大。

    • 再看分类维度。哪些区域没有做好,是不是一贯做不好;哪些区域做的好,是勉强完成还是持续上涨。这样谁有能力兜底,谁是拖后腿的一目了然。

    • 子指标/过程指标。哪个环节没做好,是线索太少了,得加大推广力度;还是跟进成功率低,得提升销售能力;还是报价总miss,得增加一些折扣。怎么处理问题一目了然。

     

    可以说,做好了数据指标体系,基本上能干60%数据分析师的活。好的数据指标体系,就能让业务人员看一眼就知道该在哪里干,该往什么方向干,非常好用。

     

    注意:基于指标体系的诊断,只解决战术问题,不解决战斗层面的细节问题。比如问:

     

    • 我没有思路,该怎么设计方法? 

    • 我有三种方法,哪种更适合当前问题?

    • 我想用方法一,成功几率有多大?

     

    这些用专题分析的方法更容易解决。毕竟报表报表,只是报告状况的表,至于未来怎么干,得有更针对性的分析才行。

     

                                                                                         05如何构造数据指标体系

      

    第一步:明确工作目标,清晰主指标

      

    这是最重要的第一步,先整明白:我做这一堆指标为的是什么。把主指标树清楚,后边判断标准才知道围绕谁做,子指标才知道对应哪些流程。只要是在企业上班的部门,都有各自KPI,因此主指标是肯定能找到的。

     

    第二步:清晰判断标准

      

    这一步也非常重要,涉及到这是“一个有用的报表”还是“一堆花花绿绿的数字”。什么算“好”是一个非常关键的问题。既然已经找到了主指标,就得为它建立配套的判断标准。这样才能解读数据含义,才知道怎么看分类维度。常见的有四类标准(如下图)当然,立标准本身是个很复杂的分析,也可以做的很复杂。但最后,哪些算好,哪些算不好,得区分的很清晰。

    第三步:了解业务管理方式,找合适的子指标

     

    有了主指标和主指标的判断标准以后,可以进一步梳理子指标。子指标和业务管理方式有直接关系。比如销售金额,既能以分公司为单位进行指标拆解,也能以用户为单位进行。具体怎么看,要看业务能怎么管这件事。比如销售一般按区域管理,那就按分公司拆。市场一般按用户管,就按用户拆。总之,业务方便最重要。

      

    第四步:梳理业务流程,设定过程指标

     

    过程指标理论上越多越好,越多过程指标,可以越细的追踪流程,发现问题。但在业务上,不见得每个动作都做了数据采集,因此要结合具体业务流程来,在关键节点加以控制。

    第五步:添加分类维度

     

    有很多维度都能当分类维度,选用哪些,完全看业务上能从什么角度管理问题。把对管理有意义的维度加进来。(如下图)

    这样就搞掂了一个数据指标体系,过程一点不复杂。大部分时候,实际问题是:没做过数据采集,没有数据记录可以做指标。这才是最头疼的。然而问题是:为啥看起来简单的过程,做出来却没那个体系化的感觉呢?

      

                                                                                         06为什么我做的不是指标体系

     

    常见问题一:没有主指标,不知道在干啥

     

    这是最常见的问题。很多同学的报表是从离职同事那里交接来的。为什么做?做了给谁看?看了又怎样?一问三不知。反正每天照猫花虎,定时更新就好了。

     

    有些同学试图搞清楚,但是业务方自己是糊涂蛋。你问他:你们目标是什么啊?他答:提升GMV啊~~亲,GMV这么宏观的东西,他到底管哪一块?提升的话从多少提升到多少?提升到多少算满意?丫自己做方案也是照猫画虎,稀里糊涂,更不要说和数据分析师讲清楚了。

     

    常见问题二:没有判断标准,不知道说了啥

     

    这个是另一个常见,且致命的问题。很多同学都是盲目更新报表,数据列了一大堆,到底什么算“好”什么算“不好”,不知道。或者只是天真的认为:涨就是好,跌就是不好。

    常见问题三:没有拆解子指标,对着主指标发呆

     

    这个问题往往是部门分工问题的后遗症。

     

    常见问题四:没有按业务流程构造子指标,单纯堆砌数据

      

    很多同学构建数据指标体系,喜欢堆砌数据。放一堆指标以显得丰富。可实际上如果不按业务流程找子指标,指标之间逻辑性就很差,看起来经常莫名其妙。更不要说,很容易弄出来类似“你幸福吗”这种稀奇古怪的玩意。

      

    常见问题五:没有根据业务选分类维度,胡乱拆解

     

    把用户性别、年龄、地域、VIP等级、来源渠道、终端型号等等维度一通丢,显得报表很丰富,实际上业务意义不清楚。你问他为什么拿男女分类,他答:分出来差异大……至于差异大了还能咋样,业务上有没有能力针对性别做事情,又不知道了。

     

    以上种种问题,本质上都是没有站在对业务有用的角度进行思考。单纯的为了搞指标而搞指标。这和工作习惯有直接关系。很多同学不是试图自己去理解业务流程,了解业务目标,而是去找一个“权威”“正式”“完美”“通用”版的指标体系。结果就是只会到处抄抄抄,看似做了很多,结果连看数据的人都没几个。

     

    想改变,当然得从基础抓起,不要觉得我有个“数据XX的头衔”,就得看各种高深的算法理论才算有用。搞理论是科学家的事,在企业上班就得干点实际有用的东西。想助力业务,当然得从一线业务认真研究起。

     

     

     

     

     

     

     

     

     

     

     

     

     

    展开全文
  • 小进阶:数据指标体系和数据治理的管理关于作者:小姬,某知名互联网公司产品专家,对数据采集、生产、加工有所了解,期望多和大家交流数据知识,以数据作为提出好问题的基础,发掘商...

    小进阶:数据指标体系和数据治理的管理

    关于作者:小姬,某知名互联网公司产品专家,对数据采集、生产、加工有所了解,期望多和大家交流数据知识,以数据作为提出好问题的基础,发掘商业价值。

    0x00 前言

    我将整理文章分享数据工作中的经验,因为业务内容上的差异,可能导致大家的理解不一致,无法体会到场景中的诸多特殊性,不过相信不断的沟通和交流,可以解决很多问题。上次我们分析了一下职场基本功,为什么要重视需求质量,常见的数据需求文档改怎么写。今天我们来就聊一聊上次文章中的一个重点关键字“数据指标体系”的周边

    历史导读:小诀窍:不妨尝试从交付质量上打败对手

    以下,Enjoy:

    0x01 为什么要搭建指标体系

    在《小诀窍:不妨尝试从交付质量上打败对手》我们提到过为什么要搭建指标体系,相信大家在看数据相关招聘岗位简介的时候,也经常看到有关搭建指标体系的要求,因此这里简单的给出两点做指标体系的重要性。

    • 搭建稳定的数据观测体系(维度指标体系),让数据从生产到使用的整个流程更加标准、可靠;

    • 稳定的数据观测体系,不仅能够让数据加工、使用的效率提升,还有利于统一认知,规范数据建设者的工作方法,解决数据维度/指标膨胀,数据不一致的问题,从而拉升内部的相关人员整体的数据专业水平。

    如果大家仍然对搭建指标体系的作用和意义存在不同的看法和见解,希望继续深入的沟通了解,欢迎评论留言或者加入我们的微信群聊共同交流。

    0x02 怎么搭建指标体系

    我们先思考简单的数据问题,这是我作为校招面试官经常会同大家沟通的一个案例。

    • 如果你现在成为一个产品项目的负责人,你想看到哪些数据指标,为什么要分析这些数据指标?

    • 我们现在聚焦一下,从刚才列出的数据指标序列中选出x个指标,怎么选,为什么?

    第1题考察点

    • 互联网行业是否熟悉,能够对行业的数据指标有多深的了解;

    • 基本的度量和效果评估意识,构建数据和商业业务的关系抽象能力。

    备注:相信我,很多候选人连像样的指标都回答不上几个,更无法洞察数据和商业之间的关系。

    第2题考察点

    • 有限的选择下,是否有判断主次的逻辑能力,针对自身的观点和知识能否自我革新升华;

    • 更深层次的思考,为什么要以更少的数据指标去判断商业行为。

    这个题目对于处于职场实际工作中的同行来说同样具有考察需要,我们评估一个产品项目所需要的指标是越多越好,还是会存在其中一个适度的分界点(投入产出比的最大化)。

    话题回到正题,怎么搭建指标体系?

    首先任何没有管理或是数据指标系统的组织中,数据指标的需求形式都类似于第1题的样式存在,团队中不同的人拥有不同的度量单位和评估体系(即使这个人认识到第2题问题的存在,他自身的指标体系依然处于第1题)。

    数据指标体系必须是搭建于组织或者一个团体的共识,让整个组织和团体内的度量单位和评估体系,第1题是缺乏管理,肆意生产的野蛮方式。让整个组织和团队提升到第2题的水平达成一致才是数据指标体系。

    • 数据指标体系不是收集指标汇总起来,也不是将所有数据需求全覆盖;

    • 数据指标体系是以最小的投入搭建科学的效果评估指标,让组织和团队达到统一认知的事情;

    在《小诀窍:不妨尝试从交付质量上打败对手》我们提到过为什么要搭建指标体系,我们将(“平台:枚举值:全部、iOS、android、其他,例如web、TV归为“其他”)重点看一下,在搭建指标体系过程中,我们将数据量较小的平台(web、TV)聚合,不在允许对类似数据的过度效果分析(不允许什么都想要的态度)。

    思考:人民币中为什么存在的是1元、5元、10元,2元钱的纸币为什么退出了历史舞台。国际货币为什么不能所有国家发行,美元的作用是什么?

    0x03 指标体系的评估标准

    指标体系除了有科学的方法搭建,还会存在很多主观的判断。我们在搭建指标体系的时候,经常遇到的问题是为什么大家要遵循这套指标体系,它的权威性怎么得到保障。

    • 指标体系的搭建非常依赖领导的背书和强势认可

    • 指标体系的搭建相对于提升团队的全员水平,所以这不是简单事

    • 指标体系也有生命周期,不断的产品项目阶段需要的指标体系不同

    基于以上的几点,指标体系的搭建方法论就很明确了,首先做到领导的认可(指标体系相当于和领导之间的一种协议),其次指标体系的宣贯传播工作不可或缺,其次指标体系的内容需要长期的维护。从这三点我们可以梳理出一个目标的观测值:

    • 基于领导的认可,指标体系是否解决领导提出的问题,问题的量化目标就是指标体系的目标

    • 提高全员的水平怎么证明,问卷、考试、需求文档的质量或引用、指标体系内容的访问数据

    • 指标体系内容的更新频次、更新数量,内容汇报

    注释:我认为最佳的期望是指标体系内容作为知识,沉淀于知识库工具中。通过知识的访问量,以及定义的测试来判断指标体系价值。

    0x03 指标体系的管理内容

    数据指标的概念我们很多同学听过,并且也经常看到招聘职位上的要求。但究竟指标体系的怎么落地,包含什么内容相信很少有人真实有过经历。

    我对指标体系的理解总体有这个几个观点:

    • 不同组织或者团体期望指标体系解决的问题一致,但落地的指标体系内容不同

    • 指标体系落地产物强依赖于业务,不同的业务存在不同的玩法

    • 指标体系多数情况下连同管理工具一起落地

    • 我认为当前的指标体系,均不能很高效的解决期望问题,我自己目前较为理想的方案也未实际执行

    指标体系中的业务指标内容(简版)

    • 指标名称:意向UV   // 名称要保持唯一

    • 指标类型:基础指标  // 指标的计算方式,直接计算生成,还是多个指标计算生成

    • 主题分类:流量主题  // 根据业务需要,对指标进行分类管理

    • 业务定义/指标口径:意向页面的访问用户数  // 对指标的定义描述,目前看这块问题很多,歧义很多

    • 统计维度:平台,城市,版本,业务类型……  // 实际工作中会发现,统计的维度很多

    指标体系中的指标技术内容(简版)

    • 指标代码:flow_intention_uv   // 代码要保持唯一,如果指标名称业务内唯一,指标代码要全系统唯一

    • 数据类型:bigint  // 指标的存储数据类型,数据仓库中指标类型重要的不是很大

    • 数据计算模型:略 // 指标计算的SQL逻辑,实际工作中感觉问题很大

    • 字段名称:intention_uv  // 对应数据表或是取数逻辑中的字段名称

    • 计算公式:count(intention_uv) // 实际工作中,阅读理解还行,意义不大

    以上为我们管理指标体系中的简版内容,实际情况根据不同的业务需求,以及工具的搭配使用需要的内容会更多一点,基本上都是为了维护运营指标体系,更好的管理指标名称和口径定义。

    我认为当前的指标体系,均不能很高效的解决期望问题,我自己目前较为理想的方案也未实际执行。以上述的指标内容为例存在很多问题,比如:

    意向UV:意向页面的访问用户数,在理解这个指标的时候需要存在一个前提条件,什么是意向页面。那么就会涉及到一个意向页面的概念,但是意向 页面本身不作为指标内容被管理。意向页面的定义“意向页面为详细介绍商品内容的页面。又或者理解为:在当前页面只需“1步”即可进入交易流程的页面,为意向页面。)”。

    另外,数据计算模型:略 // 指标计算的SQL逻辑,实际工作中感觉问题很大。我们也会发现实际的工作当中,数据指标不会单独出现,更多的时候是日期+维度1+维度2+……维度N+指标1+指标2+指标N的方式出现,数据的模型计算也是根据需求表头设计搭建的。

    除去以上两个问题,指标体系的内容运营维护还会存在很多问题,这直接影响指标体系的搭建是否成功且实用。目前我所接触的范畴内,以上的管理方式适合传统企业的指标体系管理,在数据迭代速度快,多维分析强的互联网领域并不能接受业务的调整。

    我比较理想的管理方式(当前处于尝试当中):

    • 搭建百科形式的知识库,以知识库管理指标体系,将指标的内容管理做成百科形式,不断的积累内容,才有可能进行知识的普及实用价值,才有可能标准化。(指标百科是什么东西,大家看一下“北京市”的百度百科即可,从不同的角度介绍北京,数据指标也应该有这样的补充,介绍指标的业务背景,概念定义,相干关系,所需要的数据源等等)

    • 分类方式的改变,不能单纯的以指标作为分类。应该以业务分组合,比如我们看PUSH消息的数据效果,应该逐渐的是建立PUSH消息应该看那些维度和指标,解决不同的同学对同样业务存在不同的考量数据指标体系的问题。在搭建指标百科的同时建立数据效果监控整体的目标对齐,PUSH效果怎么评估,是否可以标准的稳定下来同样的一套数据,页面怎么效果评估,是否可以标准的稳定下来同样的一套数据。

    以理想的方式搭建指标管理内容,在我前面的文章《小诀窍:不妨尝试从交付质量上打败对手》中有提到,我们可以根据需求的类型做分类进行固化。

    0x04 指标体系的管理工具

    管理指标体系内容搭建的管理工具,我们通常将其和元数据管理放在一起。也可以看出元数据管理和指标体系管理很类似(元数据的管也存在指标体系同样的问题),在管理指标体系内容的时候,基本涉及以下下几块内容:

    • 数据仓库表管理 // 一般只涉及应用层数据

    • 数据指标管理  // 管理上面提到的指标内容,新增,编辑,删除,状态等

    • 数据维度管理  // 类似指标内容,新增,编辑,删除,状态等

    • 数据模型管理  // 管理指标或者数据表头计算的模型,新增,编辑,删除,状态等

    • 数据应用服务管理  // 支持数据可视化,或者数据服务的方式,接口等

    • 数据权限管理  // 管理工具的权限运营维护

    备注:指标体系的管理工具,须建立相关的运营维护流程。

    当然,正如我几次提到当前的指标体系内容的管理不理想的问题,这是很多人遇到的问题,我也在探索新的管理方式,后期我会单独开篇文章总结以知识库工具怎么配合指标体系的大家。

    更多小姬的文章:

    小诀窍:不妨尝试从交付质量上打败对手

    640?wx_fmt=jpeg

    展开全文
  • 如何定义数据指标

    千次阅读 2019-01-02 22:20:30
    数据指标的定义,是培养数据思维要闯的第一道关。比如常见的以下指标定义: 1、激活,如何定义一个激活? 下载、安装并打开APP的用户数?我们暂且这么定义。根据定义,下载没安装或者安装没打开的用户,都不计入激活...
  • 有了指标也就知道应该从哪些角度入手开始数据分析,数据驱动已经是我们在做用户增长和产品优化的核心指导方向,我们会把数据驱动从定制数据到使用数据分成三步: 1、根据核心目标制定数据分析指标 2、指标还原到埋点...
  • 鱼子酱 | 作者人人都是产品经理 | 来源麦肯锡称:“数据,已经渗透到当今每一个行业和业务职能领域,成为重要的生产因素;人们对于海量数据的挖掘和运用,预示着新一波生产率增长和消费者盈余浪...
  • 数据指标体系搭建实践

    千次阅读 2020-03-25 11:55:00
    为什么要构建数据指标体系?因为我们希望时间能花在解决问题而不是寻找问题上。前言我们所需要的并不是数据,而是数据背后映射的洞察。在业务发展过程中,会产生大...
  • 数据分析思维|数据指标异动分析

    千次阅读 2020-12-30 23:13:53
    在日常生活工作中,我们经常会遇到“产品XX数据指标出现异常波动,或上升或下跌”的问题,XX指标包括但不限于日活、次日留存率、注册转化率、GMV、客单价等等。我们该如何着手处理分析呢? 文章主要内容 ...
  • 超详细的APP数据指标体系分析

    万次阅读 多人点赞 2019-07-16 23:20:38
    在移动互联网公司,任何一个APP都应该事先规划好数据体系,才允许上线运营,有了数据才可以更科学、更省力地运营。今天我们来说说如何做APP的数据分析。 一、为什么要做APP数据分析 1.搭建数据运营分析框架 一个APP...
  • 要分析哪些关键的数据指标,如何拆解分析思路呢? 老李给大家整了各行业的数据指标体系框架,帮助大家理清分析思路,上次分享了关于线下零售指标体系的文章,不少朋友觉得不过瘾,今天继续给大家带来电商行业的全...
  • 如何搭建数据指标体系

    千次阅读 2020-07-01 22:52:05
    文章目录指标体系的作用1.建立业务量化衡量标准2.减少重复工作,提高分析效率3...指标体系可以建立业务量化衡量的标准,数据分析的目的就是说明、衡量、预测业务的发展。 比方说衡量一个门店经营的状况,一个门店月净利
  • 数据指标种类

    千次阅读 2018-10-11 22:23:15
    (2)定量指标涉及很多数值和统计数据,提供可靠的量化结果,但缺乏直观的观察。 定量数据排斥主观因素。   2、虚荣指标与可付诸实施的指标 (1)虚荣指标看上去很美,让你感觉良好,却不能为你的公司带来丝毫...
  • 产品运营都必须知道的数据指标

    千次阅读 2019-09-06 23:54:58
    近期经常碰到有些同事来问关于数据指标类的问题,因此本期期刊首先向大家介绍一下一些基础的数据指标的知识点。 我们基本可以把用户行为指标分解成以下几种类型: 点击浏览类指标 用户活跃类指标 最终转化类指.....
  • 从0到1,聊聊如何搭建数据指标体系

    千次阅读 2019-04-17 09:24:33
    从0到1,聊聊如何搭建数据指标体系 很多人都用数据指标来统计项目效果,但是做出来的数据往往零散,看不出关键信息。那么如何才能将指标体系化,通过单点数据看全局问题呢。让我们来看看笔者是怎么说的? 一、...
  • 如何构建合理的数据指标体系

    千次阅读 2021-01-19 07:07:00
    “没有一套合理的数据指标体系,纵然你有再多的数据,分析起来根本无从下手。”做数据分析时的你是否深有同感?因此今天我会先讲解如何构建数据指标体系,接着再谈谈数据分析方法,从这两方面分享我所...
  • python统计数据指标的常见方法

    千次阅读 2019-04-15 20:34:39
    文章目录实验环境读取csv文件删除数据中我们不需要的列(假设我不需要...在对数据进行挖掘之前,我们得到的数据往往是不太理想的,数据缺失值太严重导致统计数据指标不太容易,这篇文章记录下如何在含有缺失值的情况...
  • 选取数据指标的方法论

    千次阅读 2020-08-18 16:09:41
    数据分析实战(闲鱼、土巴兔数据分析,如何拉新转化,优化功能,输出埋点文档) 数据分析实战(闲鱼、土巴兔数据分析,如何拉新转化,优化功能,输出埋点文档) 数据分析实战(闲鱼、土巴兔数据分...
  • 大家好,我是 GrowingIO 的商业分析经理史晓璐, 今天将围绕“数据指标体系的规划”为大家展开主题分享。 通过今天的分享你将习得一套「搭建业务、数据一体化指标体系」的系统思维,并运用于实践。 来源:GrowingIO...
  • 淘宝运营数据指标

    千次阅读 2018-09-29 15:19:44
    一、基础指标 1、浏览量(PV):店铺各页面被查看的次数。用户多次打开或刷新同一个页面,该指标值累加。 2、访客数(UV):全店各页面的访问人数。所选时间段内,同一访客多次访问会进行去重计算。  3、投资回报...
  • 最全的运营数据指标解读

    万次阅读 多人点赞 2017-06-16 16:03:32
    最全的运营数据指标解读  数据分析 2017-05-23 1,178 0 摘要:业务的洞悉决定了数据分析师发展的上限,数据技巧只是逼近它。好的分析师都懂业务,也必须懂业务。 数据分析涉及不同的业务领域,很多...
  • 产品运营的数据指标体系

    千次阅读 2019-11-21 20:29:52
  • 【数据分析】数据指标

    千次阅读 2018-10-30 18:12:36
    什么是好的数据指标? 找出正确的数据指标的五点方法 1、定性指标与量化指标 2、虚荣指标与可付诸行动的指标 3、探索性指标与报告性指标 4、先见性指标与后见性指标 5、相关性指标与因果性指标 市场细分、...
  • 网站流量分析数据指标

    千次阅读 2018-05-11 15:04:04
    类似地,在网站分析中我们也要了解这些数据,并作为后续业务调整的依据:比如,多少人进入了网站、浏览了多少页面、多少人办理会员等,网站分析指标数据化地呈现网站运营的状况,帮助站长从各维度了解...
  • 用户画像:数据指标与表结构设计

    万次阅读 2018-09-07 11:09:43
    本篇博客介绍一下画像中需要开发的数据指标与开发过程中表结构的设计。 首先介绍画像开发的数据指标,画像开发过程中通用类的指标体系包括用户属性类、用户行为标签类、用户活跃时间段类、用户消费能力类、用户偏好...
  • 活动策划(准备阶段)需要思考哪些数据指标 策划一个活动,肯定要明确自己做活动的一个目的是什么?更偏重的是品牌传播、拉新?还是更多为了活跃用户,提高用户留存?通过活动想达到什么样的具体效果?因此在活动...
  • 产品经理需要关注APP什么数据指标

    千次阅读 2016-02-16 09:59:56
    产品经理需要关注什么数据指标,估计接触过产品一点的人都能够说出来几个数据指标,比如说UV、PV,活跃用户数、新增用户数、留存率等等,诚然这些都是产品经理需要关注的数据,但却并不是说所有的数据都应该去关注。...
  • 首先介绍画像开发的数据指标,画像开发过程中通用类的指标体系包括用户属性类、用户行为标签类、用户活跃时间段类、用户消费能力类、用户偏好类等   数据指标体系 用户属性指标 用户属性指标根据业务...
  • 聊聊数据指标体系搭建流程

    千次阅读 2020-02-19 09:11:00
    此篇文章阅读适用人群为还未经历从0-1搭建过指标体系的数据分析师/数据产品,要开始搭建指标体系但是缺乏思路,或者想转行、对数据有浓烈兴趣的伙伴。 数据指标体系是...
  • 揭秘微信运营数据指标

    千次阅读 2015-05-22 16:32:38
    微信运营也需要数据分析,就如App、网站运营一样,但多数运营者并不知道这点。他们只是简单的关注...微信运营的数据分析,与接下来要介绍的几个重要指标密切相关。 在微信统计模块里有四个分析指标,诸葛着重介绍

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 462,782
精华内容 185,112
关键字:

数据指标