編輯導(dǎo)語(yǔ)：數(shù)據(jù)可視化在一定程度上可以更好地傳遞信息、監(jiān)測(cè)數(shù)據(jù)，進(jìn)而推動(dòng)問(wèn)題更快地被發(fā)現(xiàn)和解決。而合適的數(shù)據(jù)指標(biāo)選擇有助于更好地構(gòu)建數(shù)據(jù)可視化體系，規(guī)避潛在風(fēng)險(xiǎn)。本篇文章里，作者對(duì)數(shù)據(jù)可視化如何選擇正確數(shù)據(jù)指標(biāo)做了相應(yīng)分析，讓我們來(lái)看一下。

一、故事引出的問(wèn)題

橙歪瓜是電商公司負(fù)責(zé)某條業(yè)務(wù)線的產(chǎn)品負(fù)責(zé)人，每天都會(huì)通過(guò)數(shù)據(jù)可視化屏幕觀察業(yè)務(wù)線的數(shù)據(jù)變化，近期發(fā)現(xiàn)訂單量有較高的上升趨勢(shì)，好像有些異常，詢問(wèn)后運(yùn)營(yíng)后，得知這些天有運(yùn)營(yíng)活動(dòng)。想來(lái)是運(yùn)營(yíng)活動(dòng)導(dǎo)致的訂單量和GMV激增，橙歪瓜也沒有太在意，沒想到幾天后，出事了！

公司新來(lái)的一個(gè)運(yùn)營(yíng)同事在新的活動(dòng)中進(jìn)行100元無(wú)門檻優(yōu)惠券的配置，由于錯(cuò)誤配置，所有用戶可以無(wú)限制領(lǐng)取，且優(yōu)惠券全場(chǎng)通用。黑灰產(chǎn)及羊毛黨利用該“漏洞”領(lǐng)取大量?jī)?yōu)惠券，完成了千萬(wàn)的套利，導(dǎo)致公司在2天之內(nèi)損失慘重。

可憐的橙歪瓜，誰(shuí)能想到看似一個(gè)運(yùn)營(yíng)活動(dòng)導(dǎo)致的訂單量增加，卻是一個(gè)重大的問(wèn)題呢？

1. 訂單量的激增為什么無(wú)法被感知是一個(gè)問(wèn)題

橙歪瓜每天都通過(guò)可視化屏幕，進(jìn)行日常的業(yè)務(wù)監(jiān)測(cè)。

通過(guò)GMV（交易總額）、日訂單量，我們可以明顯地感覺到業(yè)務(wù)處于一個(gè)飛速的增長(zhǎng)。

這是一個(gè)好的信號(hào)，通常來(lái)說(shuō)，運(yùn)營(yíng)活動(dòng)導(dǎo)致訂單量激增，很多時(shí)候依然處于大家印象的“正常”范疇。

一方面因?yàn)樾碌倪\(yùn)營(yíng)活動(dòng)必然做出了一些有利的促銷活動(dòng)，好像也能為訂單量的激增做出解釋；另一方面單從可視化屏幕進(jìn)行觀察，訂單量、GMV的突兀增長(zhǎng)變化也不能直接反映出優(yōu)惠券被無(wú)限領(lǐng)取和大量使用的問(wèn)題，所以每天通過(guò)可視化屏幕觀察數(shù)據(jù)的小小橙也沒能察覺到這是個(gè)問(wèn)題。

事實(shí)上，數(shù)據(jù)可視化沒能為用戶做好預(yù)警，是因?yàn)?strong>訂單量和GMV這2個(gè)數(shù)據(jù)指標(biāo)無(wú)法明確傳達(dá)業(yè)務(wù)異常的含義，如果在可視化屏幕中，新增一項(xiàng)圖表，用來(lái)展示優(yōu)惠券業(yè)務(wù)的數(shù)據(jù)情況：假設(shè)某電商平臺(tái)使用優(yōu)惠券的訂單在全部訂單中的正常占比是2%~10%，優(yōu)惠金額在總訂單金額的正常占比是在2%-6%，這是一個(gè)正常的區(qū)間。

當(dāng)單日訂單中，使用優(yōu)惠券的訂單超過(guò)10%，且訂單優(yōu)惠金額占比超過(guò)6%，這就已經(jīng)很明確地反映出優(yōu)惠券的業(yè)務(wù)出現(xiàn)異常了，橙歪瓜也能很清晰地就能感知到這個(gè)問(wèn)題。

然而這些“關(guān)鍵信息”的缺失，導(dǎo)致用戶未能及時(shí)發(fā)現(xiàn)風(fēng)險(xiǎn)；如果我們希望數(shù)據(jù)可視化能夠更好地為用戶提供分析決策的依據(jù)，第一步則是找到這些“關(guān)鍵信息”。

2. 什么樣的信息是關(guān)鍵的

傳遞的信息真正是用戶最初想要的，能夠依據(jù)此信息分析出他想要的結(jié)論，那么這個(gè)信息就是關(guān)鍵的。所以可以看出，信息是否關(guān)鍵，取決于與用戶目的的契合程度。

因此，要想確定關(guān)鍵信息，找到關(guān)鍵的數(shù)據(jù)指標(biāo)，第一步，是確認(rèn)用戶的目的。

二、確認(rèn)用戶目的——擇取關(guān)鍵指標(biāo)

1. 結(jié)合應(yīng)用場(chǎng)景感知用戶目的

回到數(shù)據(jù)可視化的應(yīng)用場(chǎng)景，數(shù)據(jù)可視化常被應(yīng)用在2種場(chǎng)景。

1. 數(shù)據(jù)可視化屏幕常見于展廳或公司前臺(tái)，當(dāng)投資人或合作客戶來(lái)訪時(shí)，首要看到的就是公司當(dāng)前階段全局的業(yè)務(wù)發(fā)展數(shù)據(jù)，各條業(yè)務(wù)線的關(guān)鍵數(shù)據(jù)指標(biāo)展示可以讓他們對(duì)公司當(dāng)前的發(fā)展情況一目了然，體現(xiàn)企業(yè)實(shí)力的同時(shí)也為接下來(lái)的交流隱性的增加雙方的合作機(jī)會(huì)。
2. 數(shù)據(jù)可視化屏幕常見于實(shí)時(shí)監(jiān)控中心/內(nèi)部數(shù)據(jù)平臺(tái)，不同于展廳那種向外界呈現(xiàn)全局?jǐn)?shù)據(jù)的應(yīng)用場(chǎng)景，監(jiān)控中心/數(shù)據(jù)平臺(tái)的面向?qū)ο笸ǔＪ歉鱾€(gè)業(yè)務(wù)線的負(fù)責(zé)人，他們更關(guān)注自己業(yè)務(wù)線的細(xì)節(jié)信息。

如今一些互聯(lián)網(wǎng)公司，產(chǎn)研團(tuán)隊(duì)和運(yùn)營(yíng)團(tuán)隊(duì)是分離的，產(chǎn)研不在公司產(chǎn)品運(yùn)營(yíng)城市的當(dāng)?shù)?，因?yàn)椴辉谝痪€，業(yè)務(wù)負(fù)責(zé)人/產(chǎn)品人員很多時(shí)候難以了解到線上運(yùn)營(yíng)的一些實(shí)際情況，往往只能通過(guò)用戶主動(dòng)反饋，有時(shí)候才能發(fā)現(xiàn)業(yè)務(wù)當(dāng)中存在的一些問(wèn)題。

然而被動(dòng)地等待用戶去主動(dòng)的反饋是有極大的風(fēng)險(xiǎn)的，問(wèn)題發(fā)現(xiàn)得越晚，給業(yè)務(wù)層面帶來(lái)的損失可能就越大。

而數(shù)據(jù)進(jìn)行可視化表達(dá)后，管理人員可以直接通過(guò)相關(guān)數(shù)據(jù)觀測(cè)，實(shí)時(shí)了解到業(yè)務(wù)的發(fā)展情況或異常問(wèn)題，進(jìn)而及時(shí)做出策略調(diào)整來(lái)抓住業(yè)務(wù)增量的機(jī)會(huì)或降低異常造成的損失。

假設(shè)某網(wǎng)約車平臺(tái)中隱藏著這么一個(gè)問(wèn)題：高峰期大量叫車的訂單在3分鐘內(nèi)會(huì)被乘客主動(dòng)取消，造成司機(jī)空駛一段距離后被突然取消，浪費(fèi)司機(jī)運(yùn)力。司機(jī)自己即使知道被取消訂單的緣由，但不主動(dòng)向平臺(tái)反饋，業(yè)務(wù)負(fù)責(zé)人/產(chǎn)品經(jīng)理也是很難發(fā)現(xiàn)這個(gè)問(wèn)題的。

但借助數(shù)據(jù)可視化，業(yè)務(wù)負(fù)責(zé)人無(wú)需外界反饋，觀測(cè)訂單轉(zhuǎn)化漏斗圖（下單——訂單被取消轉(zhuǎn)化率）、乘客取消原因占比，即可發(fā)現(xiàn)到大量叫到車的訂單被乘客主動(dòng)取消的這個(gè)問(wèn)題。

而越早發(fā)現(xiàn)問(wèn)題，業(yè)務(wù)負(fù)責(zé)人也就可以更早地定位問(wèn)題點(diǎn)，實(shí)際經(jīng)過(guò)分析后發(fā)現(xiàn)很多乘客取消訂單，是因?yàn)榕蓡蔚乃緳C(jī)距離自己較遠(yuǎn)（接駕距離超過(guò)5公里），此時(shí)業(yè)務(wù)負(fù)責(zé)人則可以及時(shí)地調(diào)整派單策略中的派單距離上限，來(lái)緩解這個(gè)問(wèn)題。

結(jié)合可視化的應(yīng)用場(chǎng)景了解用戶對(duì)目的后，之后我們選擇關(guān)鍵的數(shù)據(jù)指標(biāo)，就有了選擇的依據(jù)。

2. 基于業(yè)務(wù)目標(biāo)思考可用數(shù)據(jù)

選擇關(guān)鍵的數(shù)據(jù)指標(biāo)的前提是，我們清晰地了解當(dāng)前有哪些數(shù)據(jù)可供我們選擇，所以此前我們需要整理出現(xiàn)有可用的相關(guān)數(shù)據(jù)指標(biāo)。

業(yè)務(wù)目標(biāo)是我們自始而終的驅(qū)動(dòng)力，基于業(yè)務(wù)目標(biāo)出發(fā)，我們將業(yè)務(wù)策略、業(yè)務(wù)度量貫穿，自上而下地思考現(xiàn)有可用的數(shù)據(jù)指標(biāo)。

1. 業(yè)務(wù)策略：我們?yōu)榱诉_(dá)成業(yè)務(wù)目標(biāo)采用了哪些方案；
2. 業(yè)務(wù)度量：在實(shí)施這些方案的過(guò)程中，有哪些指標(biāo)可以直接或間接衡量方案實(shí)施的效果。

以網(wǎng)約車為例，它相關(guān)的數(shù)據(jù)指標(biāo)如何自上而下思考呢？

1）首先明確平臺(tái)的業(yè)務(wù)目標(biāo)：網(wǎng)頁(yè)車平臺(tái)希望滿足用戶能夠便捷、快速打到車，安全到達(dá)目的地的訴求。

2）基于業(yè)務(wù)目標(biāo)，思考平臺(tái)采用了哪些業(yè)務(wù)策略，拿東風(fēng)出行舉例。

• 便捷方面，東風(fēng)出行提供了獨(dú)立APP版本（包括針對(duì)老年人使用的敬老版APP）、H5打車、在滴滴上也能叫到東風(fēng)出行的車；起始點(diǎn)自動(dòng)定位，最優(yōu)行駛路線選擇等；
• 快速方面，針對(duì)不同人群不同訴求提供了多品類產(chǎn)品選擇，例如快車、專車、出租車、順風(fēng)車等業(yè)務(wù)，根據(jù)早晚高峰提高熱點(diǎn)區(qū)域運(yùn)力（司機(jī)端熱力圖驅(qū)動(dòng)司機(jī)主動(dòng)前往高峰區(qū)域），減少用戶排隊(duì)時(shí)間；
• 安全方面，運(yùn)營(yíng)側(cè)建立司機(jī)合規(guī)準(zhǔn)入機(jī)制，APP端建立安全中心，為司乘提供實(shí)時(shí)位置保護(hù)，緊急聯(lián)系人，行程錄音，一鍵報(bào)警等措施。

3）業(yè)務(wù)度量：針對(duì)這些方案去思考有哪些指標(biāo)可以衡量方案實(shí)施的效果。

• 便捷方面：渠道訂單完成轉(zhuǎn)化率（APP/H5/第三方，例如從滴滴上叫東風(fēng)出行的車），渠道發(fā)單數(shù)；
• 快速方面：完單率、司乘供需比、高峰期排隊(duì)乘客數(shù)、乘客排隊(duì)時(shí)長(zhǎng)、乘客取消率、司機(jī)取消數(shù)等；
• 安全方面：…..

當(dāng)然，在窮舉出相關(guān)數(shù)據(jù)后，我們可能會(huì)發(fā)現(xiàn)大量的數(shù)據(jù)指標(biāo)，例如滴滴出行2020年官方技術(shù)團(tuán)隊(duì)披露當(dāng)下已有5000+數(shù)據(jù)指標(biāo)進(jìn)入到數(shù)據(jù)倉(cāng)庫(kù)，單憑用戶目的，選擇數(shù)據(jù)指標(biāo)并不容易，因此我們還需要對(duì)數(shù)據(jù)指標(biāo)分層級(jí)之后，在進(jìn)行指標(biāo)選取。

3. 指標(biāo)分級(jí)輔助數(shù)據(jù)選取

指標(biāo)分級(jí)主要是對(duì)指標(biāo)內(nèi)容的縱向思考，根據(jù)企業(yè)戰(zhàn)略目標(biāo)、業(yè)務(wù)線或事業(yè)群目標(biāo)進(jìn)行自上而下的指標(biāo)分級(jí)，核心就是對(duì)頂層指標(biāo)進(jìn)行層層拆解，在拆解的過(guò)程中，指標(biāo)逐步分為三層T1、T2、T3，子級(jí)指標(biāo)通常能夠體現(xiàn)出父級(jí)指標(biāo)變化的原因。

1）T1指標(biāo)——公司戰(zhàn)略層面指標(biāo)

用于衡量公司整體目標(biāo)達(dá)成情況的指標(biāo)，主要是決策類指標(biāo)。T1指標(biāo)使用通常服務(wù)于公司戰(zhàn)略決策層（最高層領(lǐng)導(dǎo)），通俗點(diǎn)說(shuō)T1指標(biāo)可能就是公司最高層每年決定要達(dá)成的那幾個(gè)目標(biāo)點(diǎn)。

2）T2指標(biāo)——業(yè)務(wù)策略層面指標(biāo)

為達(dá)成T1指標(biāo)的目標(biāo)，公司會(huì)對(duì)目標(biāo)拆解到業(yè)務(wù)線或事業(yè)群，并有針對(duì)性做出一系列運(yùn)營(yíng)策略，T2指標(biāo)通常反映的是策略結(jié)果，同時(shí)也是業(yè)務(wù)線或事業(yè)群的核心指標(biāo)。T2指標(biāo)是T1指標(biāo)的縱向的路徑拆解，便于T1指標(biāo)的問(wèn)題定位，T2指標(biāo)使用通常服務(wù)業(yè)務(wù)線或事業(yè)群。

3）T3指標(biāo)——業(yè)務(wù)執(zhí)行層面指標(biāo)

T3指標(biāo)是對(duì)T2指標(biāo)的路徑拆解，用于定位T2指標(biāo)的問(wèn)題。T3指標(biāo)通常也是業(yè)務(wù)過(guò)程中最多的指標(biāo)。T3指標(biāo)的使用通?？梢灾笇?dǎo)一線運(yùn)營(yíng)或分析人員開展工作，可以快速引導(dǎo)一線人員做出相應(yīng)的動(dòng)作。

以網(wǎng)約車風(fēng)控領(lǐng)域的“逃單率”進(jìn)行指標(biāo)分級(jí)舉例：

在網(wǎng)約車風(fēng)控領(lǐng)域的初期階段，“逃單率”作為領(lǐng)導(dǎo)層非常關(guān)注的戰(zhàn)略指標(biāo)，它與完單數(shù)一樣直接影響著公司的營(yíng)收，大量乘客坐車不付款逃單的行為可以致使公司每個(gè)月?lián)p失超過(guò)50萬(wàn)元（平臺(tái)會(huì)給未支付的訂單進(jìn)行金額墊付給司機(jī)）。

雖然正常乘客為了后續(xù)能繼續(xù)打車會(huì)進(jìn)行訂單支付，但黑產(chǎn)則可以通過(guò)批量注冊(cè)虛擬號(hào)碼產(chǎn)生大量的逃單行為，這對(duì)平臺(tái)的正常運(yùn)營(yíng)造成了極大的干擾。作為高層領(lǐng)導(dǎo)，“逃單率”是其首要關(guān)注的幾個(gè)指標(biāo)之一，它完全歸屬于T1級(jí)指標(biāo)。

而“逃單率”經(jīng)過(guò)公式拆解：逃單率 = 未支付訂單數(shù) ÷ 完單數(shù)，我們可以發(fā)現(xiàn)“未支付訂單數(shù)”直接影響了逃單率的升降。我們此時(shí)將其抽離出來(lái)作為網(wǎng)約車風(fēng)控業(yè)務(wù)線的核心指標(biāo)，也就是T2級(jí)指標(biāo)，它引領(lǐng)整個(gè)網(wǎng)約車風(fēng)控部門轉(zhuǎn)動(dòng)。

經(jīng)過(guò)第一輪的指標(biāo)拆解后，此時(shí)戰(zhàn)略層面如何降低逃單率的問(wèn)題到風(fēng)控部門就細(xì)化成了如何降低未支付訂單數(shù)。

而基于車型的維度分析，發(fā)現(xiàn)快車車型的未支付訂單數(shù)在整個(gè)未支付訂單數(shù)中幾乎占據(jù)99.9%；而專車車型則幾乎不存在未支付訂單，此時(shí)“快車車型未支付訂單數(shù)”成為了更加具體的T2級(jí)指標(biāo)。雖然問(wèn)題好像更加明確了，但此時(shí)風(fēng)控部門依然無(wú)法確定降低“快車車型未支付訂單數(shù)”的具體方案，因?yàn)榕砍霈F(xiàn)未支付訂單的原因還不明確，而解決問(wèn)題的前提是，找到問(wèn)題原因。

T3指標(biāo)是基于各個(gè)業(yè)務(wù)場(chǎng)景提煉出來(lái)的驗(yàn)證性指標(biāo)，它是我們對(duì)T2指標(biāo)在各個(gè)業(yè)務(wù)環(huán)節(jié)的原因假設(shè)。通過(guò)T3指標(biāo)，我們可以驗(yàn)證自身對(duì)于問(wèn)題的原因猜想是否正確，以及問(wèn)題最終的解決情況如何。

假設(shè)影響“快車未支付訂單數(shù)”過(guò)高的問(wèn)題點(diǎn)是注冊(cè)登錄階段存在批量虛假號(hào)碼注冊(cè)、單個(gè)終端頻繁切換賬號(hào)下單的風(fēng)險(xiǎn)行為，那么我們從用戶維度，人維度設(shè)立T3級(jí)指標(biāo)進(jìn)行假設(shè)驗(yàn)證。

用戶維度

• 未支付訂單中的用戶人均注冊(cè)時(shí)長(zhǎng)——區(qū)分未支付用戶群是近7天內(nèi)注冊(cè)的新用戶還是注冊(cè)時(shí)間較長(zhǎng)的老用戶；
• 未支付訂單中的用戶（高/中/低/正常）風(fēng)險(xiǎn)手機(jī)號(hào)個(gè)數(shù)——統(tǒng)計(jì)各風(fēng)險(xiǎn)號(hào)碼（虛假號(hào)碼）在整個(gè)平臺(tái)中的占比情況，甚至進(jìn)一步分析每個(gè)風(fēng)險(xiǎn)級(jí)別（高/中/低）用戶在未支付訂單用戶中的占比情況；
• ……

人維度(基于設(shè)備/IP等方向)

• 每日下單設(shè)備數(shù)/每日下單用戶賬號(hào)數(shù)——分析是否多賬號(hào)頻繁切換設(shè)備，對(duì)應(yīng)集中性下單的欺詐性特征；
• 同設(shè)備關(guān)聯(lián)用戶數(shù)——分析未支付訂單用戶是否存在同設(shè)備關(guān)聯(lián)的欺詐性特征；
• ……

這些可視化的數(shù)據(jù)指標(biāo)，可以直接明了地幫助我們驗(yàn)證自己對(duì)T2指標(biāo)過(guò)高的原因猜想，一旦數(shù)據(jù)的反饋符合自有假設(shè)，業(yè)務(wù)部門可以迅速針對(duì)問(wèn)題點(diǎn)提出詳細(xì)明確的方案去執(zhí)行。

這樣最頂層模糊的問(wèn)題“如何降低逃單率”就變細(xì)化成了可執(zhí)行的方案“如何降低虛假號(hào)碼，預(yù)防單個(gè)終端多賬號(hào)下單等等”，隨后通過(guò)觀測(cè)各層級(jí)指標(biāo)我們也可以明確的驗(yàn)證自己提出方案的效果 。

指標(biāo)分級(jí)的核心是對(duì)于問(wèn)題的層層拆解，拆解出來(lái)的指標(biāo)可以明確對(duì)應(yīng)到各個(gè)層級(jí)，有效地指引團(tuán)隊(duì)進(jìn)行決策，當(dāng)我們對(duì)指標(biāo)進(jìn)行分級(jí)歸類之后，我們對(duì)于數(shù)據(jù)指標(biāo)的擇取就更加清晰明了。

最后再結(jié)合用戶目的，我們就可以很輕松地完成關(guān)鍵指標(biāo)的選取。

三、行文總結(jié)

數(shù)據(jù)可視化的本質(zhì)是基于數(shù)據(jù)向用戶傳達(dá)有效信息，幫助用戶做出有效的決策，所以確定關(guān)鍵的數(shù)據(jù)信息永遠(yuǎn)是第一步。

拋開個(gè)人經(jīng)驗(yàn)，這個(gè)世界上，大部分人能想到的，取決于他獲取到的信息。

參考文章：滴滴大數(shù)據(jù)倉(cāng)庫(kù)指標(biāo)體系建設(shè)。

作者：橙言，前出行領(lǐng)域產(chǎn)品經(jīng)理，現(xiàn)互聯(lián)網(wǎng)金融風(fēng)控策略產(chǎn)品；公眾號(hào)：橙言

本文由 @橙言 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載

題圖來(lái)自Unsplash，基于CC0協(xié)議