本篇文章梳理和探讨了数据分析中一重要环节“数据体系”，明确数据体系的重要性以及怎么搭建来展开梳理交流。 所谓的“数据”，即采集+呈现，也就是将用户全链行为数据以及业务数据采集过来，用可视化的图、表来呈现出来。再通过“数据指标”来进行监督和控制。但当产品线业务变得丰富和复杂，单一数据无法满足产品业务线丰富的需求，我们就需要搭建更加完善的“数据体系”了。 现在我们了解了“数据体系”的由来，其实单一数据指标对监督与控制的作用很小的。我们做数据的最清楚，发出去的日、周报表很少有人看的，所以数据体系就是将这些单一的数据指标体系与管理流程结合起来，来满足复杂的产品业务线的需求。 要认清和明确目标。量化以及拆分目标，是数据分析的灵魂。判断业务走势正常还是异常，探索解决问题的办法，都是从计算目标和现状的差距开始的，这一点非常重要。而不同的产品阶段是有不同的产品目标业务的。(产品生命周期后面我们还会详细说明) 数据指标有很多：日活DAU、月活（MAU）、下载量、激活量、新增注册量、活跃度（DAU/MAU）、次日留存率、次人均时长、首页访问率、停留率、人均充值金额ARPU、GMV，客单价等等，我们会针对不同的指标，分不同的层级。不一定要拆得太细，否则层级会过深，基本上 3 个层级就能够指导我们去做一些动作。（后期数据指标我们还会详细说明） 一级指标（主要为北极星指标）必须是全公司都认可的、衡量业绩的核心指标。它可以直接公司的战略目标，衡量公司的业务达成情况，本质上需要管理层和下级员工的双向理解、认同，且要易于沟通传达，比 如公司的销售额，或者社交产品的活跃度。以Facebook早期北极星指标是“注册用户数”，拼多多的北极星指标是“GMV”。北极星指标并非绝对唯一，很多指标都具有相关性，在公司的一定阶段都可以作为北极星指标。 二级指标是北极星指标的径指标。北极星指标发生变化的时候，我们通过查看二级指标，能够快速定位问题的原因所在。 如我们的北极星指标是 GMV 和订单数量上升，那怎样去定二级指标呢？我们就要去拆解北极星指标，而能够影响到 G眼跳测吉凶MV 和订单数量上升的，就是我们的核心二级指标。比如说货品的单价上升，或者最近做的一些活动。 指标是对二级指标的径的分析。通过指标，可以高效定位二级指标波动的原因，这一步也会基于历史经验和拆解。 其实指标能够直接执行一线运营的角色和作用。以一级指标 GMV 提升为例，我们拆解后发现是率提升，那么率就是二级指标。接着分平台去拆解各个率的时候，我们发现是 IOS 的客户端率有所提升。那为什么没有提升，是不是 IOS 最近做了一些迭代？是不是它的一个转换径比其他端好？这些思考就能指导业务人员展开行动。 每日、过去一周，上周， 上月同周， 上上月同周的数据报表，已图表展示，来反映产品的变化趋势，通过过去的一周数据反映产品现状，通过每日、周、过去的三个月的产品业务线数据变化趋势预估未来的变化趋势。 比如：“如客单价不能在3天内得到改善提高，本月KPI将不达标，需立即优化商品组合，提升客单价”。 总之搭建数据体系的时候，我们需要不断的总结并结合过往经验，了解未来产品业务计划，甚至收集一些竞争情况，把整体现阶段的目标，具体到某个人，有明确指向，才能发挥出“数据体系”重要性。 虽然梳理的数据搭建的方可能比较朴素，没有特别高大上的模型和理论依托，但却有赖于对业务充分的理解。实际数据运营工作中不用拘泥，只要能达到反映业务现状，方便各业务及时定位异常点就好。随着不同阶段的产品业务方向和目标需要不断进行更新和调整，也需要不断在全面和精炼中寻找平衡，避免过高的复杂度带来的冗余。 作者：木兮，数据运营小白；号：木木，一个运营小白的自留地，帮助对运营，产品，数据，分析感兴趣的伙伴们明确学习方向、开拓视野、相互交流。衡水发电机出租http://2812.shop.m.liebiao.com/。
|