在日常業(yè)務(wù)中，你知道數(shù)據(jù)從哪里來(lái)、怎么處理數(shù)據(jù)嗎？在這篇文章里，作者便針對(duì)數(shù)據(jù)處理這件事進(jìn)行了分析總結(jié)，并從指標(biāo)體系、數(shù)據(jù)來(lái)源、數(shù)據(jù)處理、數(shù)據(jù)展示等維度做了拆解，一起來(lái)看看吧。

在前一篇文章中，我們梳理數(shù)據(jù)的建模方法，最終能夠順利的搭建一個(gè)業(yè)務(wù)的數(shù)據(jù)模型。

數(shù)據(jù)模型相當(dāng)于是一個(gè)框架圖，一個(gè)設(shè)計(jì)藍(lán)圖。

但到目前為止，還沒(méi)有數(shù)據(jù)，數(shù)據(jù)怎么來(lái)，需要怎么處理數(shù)據(jù)，如何展示給需要的人，怎么樣使用數(shù)據(jù)呢？

所以本文就對(duì)以上內(nèi)容做一個(gè)概要性的梳理。

一、指標(biāo)體系

在之前的文章中《企業(yè)架構(gòu)6——業(yè)務(wù)數(shù)據(jù)體系》中，我們已經(jīng)梳理了如何去搭建整個(gè)業(yè)務(wù)的數(shù)據(jù)指標(biāo)體系，大家有興趣的可以點(diǎn)擊鏈接查看。

1. 整體的指標(biāo)體系搭建

OSM模型——通過(guò)將宏大的運(yùn)營(yíng)目標(biāo)逐一拆解，對(duì)應(yīng)到可落地的運(yùn)營(yíng)策略和可度量的運(yùn)營(yíng)動(dòng)作上，從而確保我們梳理指標(biāo)時(shí)不會(huì)偏離“主航道”。

UJM模型——用戶在使用產(chǎn)品過(guò)程中的生命旅程，指用戶從首次接觸直至下單以及享受產(chǎn)品或服務(wù)期間，用戶與企業(yè)產(chǎn)品或者平臺(tái)互動(dòng)的全過(guò)程。

2. 布局具體指標(biāo)

有了大框架之后，我們?cè)趯?shí)踐中會(huì)發(fā)現(xiàn)，想要快速切入，快速落地，往往可能找不到明確的切入點(diǎn)。

這個(gè)時(shí)候我們采用場(chǎng)景化的方法來(lái)分析，比如我們的業(yè)務(wù)需要獲客，獲客場(chǎng)景中，我們要看我們的獲客轉(zhuǎn)化率，那我們可以使用海盜模型，AARRR。

這種則根據(jù)具體指標(biāo)→業(yè)務(wù)場(chǎng)景→對(duì)應(yīng)指標(biāo)體系這樣來(lái)拆分，這樣能夠結(jié)構(gòu)化，模塊化的逐步梳理。

二、數(shù)據(jù)來(lái)源

當(dāng)我們?cè)O(shè)置了指標(biāo)體系，根據(jù)指標(biāo)體系或系統(tǒng)需要什么樣的數(shù)據(jù)（業(yè)務(wù)數(shù)據(jù)、用戶行為數(shù)據(jù)、用戶數(shù)據(jù)），也就是我們要決定數(shù)據(jù)類型。

這些數(shù)據(jù)的格式有什么限制（是文本、音頻、視頻、圖片還是什么）？

當(dāng)我們梳理清楚需要那些數(shù)據(jù)，我們?cè)倏丛趺床杉@些數(shù)據(jù)，也就是數(shù)據(jù)的源頭是通過(guò)傳感器，還是客戶端，還是業(yè)務(wù)系統(tǒng)；是通過(guò)線上采集，還是把線下的數(shù)據(jù)手動(dòng)導(dǎo)入進(jìn)來(lái)，還是通過(guò)api接口？

這些數(shù)據(jù)可能是自己的系統(tǒng)能夠產(chǎn)生，也許自己沒(méi)有要向第三方拿，這就是數(shù)據(jù)的歸屬權(quán)。

業(yè)務(wù)數(shù)據(jù)的收集直接在業(yè)務(wù)運(yùn)作就能拿到，用戶數(shù)據(jù)是用戶基本數(shù)據(jù)信息這個(gè)在系統(tǒng)設(shè)計(jì)的時(shí)候就可以收集，用戶行為數(shù)據(jù)需要進(jìn)行一些埋點(diǎn)采集。

1. 用戶行為數(shù)據(jù)采集方案

比如說(shuō)，我們想要了解用戶進(jìn)入某個(gè)頁(yè)面之后的行為。我們梳理用戶進(jìn)入app之后可能的各種行為，如下。

針對(duì)每個(gè)操作事件，我們按4W1H的方式來(lái)記錄相關(guān)數(shù)據(jù)。

如下圖，我們梳理首頁(yè)的埋點(diǎn)事件。

埋點(diǎn)的方法有代碼埋點(diǎn)、全埋點(diǎn)、可視化埋點(diǎn)，原理是一致的，各自的方法略有不同。

以下為我們梳理一個(gè)瀏覽頁(yè)面的埋點(diǎn)文檔。

三、數(shù)據(jù)處理

1. 數(shù)據(jù)清洗和轉(zhuǎn)化

在數(shù)據(jù)采集之后，需要對(duì)數(shù)據(jù)進(jìn)行清洗和轉(zhuǎn)換。數(shù)據(jù)清洗是指去除重復(fù)、缺失、錯(cuò)誤的數(shù)據(jù)，以保證數(shù)據(jù)的準(zhǔn)確性和可靠性。數(shù)據(jù)轉(zhuǎn)換是指將數(shù)據(jù)轉(zhuǎn)換成符合數(shù)據(jù)倉(cāng)庫(kù)要求的格式和規(guī)范，以便后續(xù)的數(shù)據(jù)處理和分析。

2. 數(shù)據(jù)集成

在數(shù)據(jù)清洗和轉(zhuǎn)換之后，需要對(duì)數(shù)據(jù)進(jìn)行集成。數(shù)據(jù)集成是指將不同的數(shù)據(jù)源中的數(shù)據(jù)進(jìn)行整合，形成一個(gè)統(tǒng)一的數(shù)據(jù)集。這個(gè)數(shù)據(jù)集需要包含企業(yè)的歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)，以便后續(xù)的數(shù)據(jù)分析和決策支持。這個(gè)階段通常需要使用一些數(shù)據(jù)集成工具，例如ETL工具等等。

3. 數(shù)據(jù)存儲(chǔ)

在數(shù)據(jù)集成之后，需要對(duì)數(shù)據(jù)進(jìn)行存儲(chǔ)。數(shù)據(jù)存儲(chǔ)是指將數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)倉(cāng)庫(kù)中，以便后續(xù)的數(shù)據(jù)查詢和分析。這個(gè)階段通常需要使用一些數(shù)據(jù)存儲(chǔ)工具，例如關(guān)系型數(shù)據(jù)庫(kù)、非關(guān)系型數(shù)據(jù)庫(kù)等等。

四、數(shù)據(jù)展示

數(shù)據(jù)可視化是指將數(shù)據(jù)分析結(jié)果以圖表、圖像等形式展示出來(lái)，以便更好地理解和利用數(shù)據(jù)分析結(jié)果。

通俗來(lái)說(shuō)，就是要把你分析好的數(shù)據(jù)結(jié)果用正確的圖表展現(xiàn)出來(lái),讓人一眼可以看出關(guān)鍵信息的一種展示形式。

因此，要做好數(shù)據(jù)展現(xiàn)的前提，就是要先確定好用哪種圖表來(lái)表現(xiàn)數(shù)據(jù)，讓圖表結(jié)果最為直觀。

1. 明確目標(biāo)和需求

在進(jìn)行數(shù)據(jù)可視化設(shè)計(jì)步驟之前，需要先明確設(shè)計(jì)的目標(biāo)和需求。這包括了解用戶群體、了解他們的需求和期望、確定所要展示的數(shù)據(jù)類型和數(shù)據(jù)來(lái)源等。只有明確了設(shè)計(jì)的目標(biāo)和需求，才能更好地進(jìn)行下一步的設(shè)計(jì)工作。

在明確目標(biāo)和需求時(shí)，需要考慮以下幾個(gè)因素：

1. 用戶群體：需要了解所設(shè)計(jì)的大屏將會(huì)被哪些人使用，不同的用戶群體可能對(duì)數(shù)據(jù)的需求和展現(xiàn)方式存在差異；
2. 數(shù)據(jù)類型和來(lái)源：需要明確所要展示的數(shù)據(jù)的類型和來(lái)源，以便選擇合適的數(shù)據(jù)可視化工具和呈現(xiàn)方式；
3. 需求和期望：需要了解用戶對(duì)數(shù)據(jù)可視化大屏的期望和需求，以便在設(shè)計(jì)時(shí)進(jìn)行考慮。

2. 選擇合適的數(shù)據(jù)可視化工具

選擇合適的數(shù)據(jù)可視化工具是設(shè)計(jì)數(shù)據(jù)可視化的關(guān)鍵。根據(jù)所要展示的數(shù)據(jù)類型和數(shù)據(jù)來(lái)源，選擇合適的數(shù)據(jù)可視化工具可以使得數(shù)據(jù)更加直觀地展示出來(lái)，并且讓用戶更容易理解數(shù)據(jù)所包含的信息。

在選擇數(shù)據(jù)可視化工具時(shí)，需要考慮以下幾個(gè)因素：

1. 數(shù)據(jù)類型和來(lái)源：需要選擇針對(duì)所要展示的數(shù)據(jù)類型和來(lái)源的數(shù)據(jù)可視化工具；
2. 可視化效果：需要選擇能夠呈現(xiàn)出所要展示數(shù)據(jù)的效果的數(shù)據(jù)可視化工具；
3. 易用性：需要選擇易于使用的數(shù)據(jù)可視化工具，以便在設(shè)計(jì)時(shí)更加方便和高效。

3. 選擇合適的數(shù)據(jù)呈現(xiàn)方式

數(shù)據(jù)可視化大屏有多種數(shù)據(jù)呈現(xiàn)方式，包括柱狀圖、折線圖、餅圖、雷達(dá)圖等等。在選擇數(shù)據(jù)呈現(xiàn)方式時(shí)，需要根據(jù)數(shù)據(jù)類型和數(shù)據(jù)來(lái)源，選擇最合適的數(shù)據(jù)呈現(xiàn)方式，以便更好地展示數(shù)據(jù)。

在選擇數(shù)據(jù)呈現(xiàn)方式時(shí)，需要考慮以下幾個(gè)因素：

1. 數(shù)據(jù)類型和來(lái)源：需要選擇針對(duì)所要展示的數(shù)據(jù)類型和來(lái)源的數(shù)據(jù)呈現(xiàn)方式；
2. 信息層次：需要根據(jù)數(shù)據(jù)的信息層次，選擇合適的數(shù)據(jù)呈現(xiàn)方式；
3. 可視化效果：需要選擇能夠呈現(xiàn)出所要展示數(shù)據(jù)的效果的數(shù)據(jù)呈現(xiàn)方式。

比如：Power BI、finebi、Tableau、Sugar BI、神策數(shù)據(jù)、growingio、QlikView。

分類1——基本分類

數(shù)據(jù)可視化分為四種情況：比較、聯(lián)系、構(gòu)成、分布。具體使用指南如下圖所示：

1）比較

比較數(shù)據(jù)間各類別的關(guān)系，或者是它們隨著時(shí)間的變化趨勢(shì)。

2）聯(lián)系

查看兩個(gè)或兩個(gè)以上變量之間的關(guān)系。

3）分布

關(guān)注單個(gè)變量，或者多個(gè)變量的分布情況。

4）構(gòu)成

每個(gè)部分占整體的百分比，或者是隨著時(shí)間的百分比變化。

每種圖形的詳細(xì)使用說(shuō)明見(jiàn)文章《數(shù)據(jù)可視化常用圖形分類，用途及使用建議》，點(diǎn)擊可以查看。

分類法2——圖標(biāo)字典Visual Vocabulary

該圖表字典將數(shù)據(jù)可視化分為了九種類型，分別是Deviation、Correlation、Ranking、Distribution、Change overt Time、Magnitude、Part-to-whole、Spatial、Flow，共計(jì)76個(gè)圖表。

1）Deviation——差異

可理解為“差異”。強(qiáng)調(diào)固定參考點(diǎn)的變化（+/-）。通常，參考點(diǎn)為零，但也可以是目標(biāo)或長(zhǎng)期平均值。也可以用來(lái)表示情緒（正面/中立/負(fù)面）。

FT使用示例：貿(mào)易順差/赤字，氣候變化。

2）Correlation——相關(guān)性

可理解為“相關(guān)性”。顯示兩個(gè)或多個(gè)變量之間的關(guān)系。請(qǐng)注意，除非你告知讀者，否則他們很可能認(rèn)為你展示的是因果關(guān)系（例如一個(gè)變量導(dǎo)致另一個(gè)變量變化）。

FT使用示例：通貨膨脹和失業(yè)，收入和預(yù)期壽命……

3）Ranking——排名

可理解為“排名”。當(dāng)項(xiàng)目的排序或位置比其絕對(duì)值或相對(duì)值更重要時(shí)，可使用排名類圖表，在結(jié)果中進(jìn)一步突出感興趣的點(diǎn)可以吸引使用者的注意。

FT使用示例：財(cái)富、排位名次表、選區(qū)選舉結(jié)果……

4）Distribution——分布

可理解為“分布”。顯示數(shù)據(jù)集的值及其出現(xiàn)頻率。通過(guò)分布的形狀（或偏離程度）突出數(shù)據(jù)的不一致或不平均性。是一種便于記憶的方式。

FT使用示例：收入分布、人口分布(年齡/性別)……

5）Change over Time——趨勢(shì)

可理解為“趨勢(shì)”。強(qiáng)調(diào)趨勢(shì)的變化，有可能是短期（一日內(nèi)）波動(dòng)，或者是長(zhǎng)到數(shù)十年或數(shù)百年的變化。選擇正確的時(shí)間段有助于向讀者提供準(zhǔn)確的背景信息。

FT使用示例：股價(jià)走勢(shì)、經(jīng)濟(jì)時(shí)間序列……

6）Part-to-Whole——部分與整體

可理解為“部分與整體”。能顯示出一個(gè)整體如何被拆分為不同的部分。如果讀者只是想了解個(gè)別組成部分的大小，不妨改用對(duì)比類的圖表。

FT使用示例：財(cái)政預(yù)算、公司結(jié)構(gòu)、全國(guó)選舉結(jié)果……

7）Magnitude——對(duì)比

可理解為“對(duì)比”。用于比較數(shù)據(jù)大小。可以比較相對(duì)值（哪一個(gè)比較大），或比較絕對(duì)值（需要顯示出精確的差異）。通常用來(lái)比較數(shù)量，而不是計(jì)算后的比率或百分比。

FT使用示例：商品產(chǎn)量、市值……

8）Spatial——地理空間

可理解為“地理空間”。當(dāng)數(shù)據(jù)中的精確位置和地理分布規(guī)律比其他信息對(duì)讀者來(lái)說(shuō)更重要時(shí)，可使用這類圖表。

FT使用示例：人口密度、自然資源位置、自然災(zāi)害風(fēng)險(xiǎn)/影響、流域、選舉結(jié)果的變化……

9）Flow——流向

可理解為“流向 ”。展示兩個(gè)或兩個(gè)以上的狀態(tài)、情境之間的流動(dòng)量或流動(dòng)強(qiáng)度。這里的狀態(tài)、情境可能是邏輯關(guān)系或地理位置。

FT使用示例：資金轉(zhuǎn)移、貿(mào)易、移民、訴訟、信息、關(guān)系圖……

以上兩種數(shù)據(jù)圖表的分類方法各有不同，但本質(zhì)都是將各類圖表進(jìn)行分類，并且說(shuō)明了每個(gè)圖表匹配哪種數(shù)據(jù)。方便大家在選擇要可視化的數(shù)據(jù)之后，挑選更適配數(shù)據(jù)的表達(dá)方式。比如：

雷達(dá)圖：

① 用途

用來(lái)展示某一類型事物在幾個(gè)屬性的優(yōu)良情況，或該類事物互相對(duì)比?？梢栽谕蛔鴺?biāo)系內(nèi)展示多指標(biāo)的分析比較情況。它是由一組坐標(biāo)和多個(gè)同心圓組成的圖表。

即將一個(gè)樣本的各項(xiàng)指標(biāo)所得的數(shù)字或比率，就其比較重要的指標(biāo)集中劃在一個(gè)圓形的圖表上，來(lái)表現(xiàn)一個(gè)樣本各項(xiàng)指標(biāo)重要比率的情況，使用者能一目了然的了解樣本各項(xiàng)數(shù)據(jù)的變動(dòng)情形及其好壞趨向。

② 使用建議

數(shù)據(jù)點(diǎn)不能太多，一般不超過(guò)6個(gè)，否則無(wú)法辨別，因此適用場(chǎng)合有限。

4. 布局

布局是數(shù)據(jù)可視化設(shè)計(jì)步驟的重要環(huán)節(jié)。在設(shè)計(jì)圖表布局時(shí)，需要考慮多個(gè)因素，如可視化效果、用戶體驗(yàn)、信息層次等等。一個(gè)好的布局應(yīng)該能夠使得數(shù)據(jù)更加清晰明了，同時(shí)也要體現(xiàn)出設(shè)計(jì)的美感。

在設(shè)計(jì)布局時(shí)，需要考慮以下幾個(gè)因素：

• 信息層次：需要根據(jù)數(shù)據(jù)的信息層次，設(shè)計(jì)出合理的布局，使得用戶能夠更加清晰地理解數(shù)據(jù)；
• 用戶體驗(yàn)：需要設(shè)計(jì)出易于使用和操作的大屏布局，以便用戶更加方便地使用；
• 美感設(shè)計(jì)：需要考慮設(shè)計(jì)的美感，使得大屏布局更加吸引人。

不會(huì)布局，那么可以去哪里快速尋找儀表盤(pán)來(lái)進(jìn)行模仿呢？這里給大家推薦 4 個(gè)網(wǎng)站：

1. 花瓣網(wǎng)，以配色+布局為主體，搜索可以直接使用；
2. 站酷網(wǎng)，以配色+布局為主體，跟花瓣網(wǎng)一樣；
3. Collect UI，以UI設(shè)計(jì)為主，模仿網(wǎng)站后臺(tái)；
4. 優(yōu)設(shè)網(wǎng)，以設(shè)計(jì)思路+教程為主，提升細(xì)節(jié)體驗(yàn)。

在這些網(wǎng)站搜索關(guān)鍵詞：大屏、Dashboard、看板、數(shù)據(jù)報(bào)告，就可以找到非常多值得參考的大屏數(shù)據(jù)匯報(bào)，吸取他們的配色方案即可。

當(dāng)我們最終經(jīng)過(guò)布局之后、美化之后得到如下的一個(gè)可視化大屏，對(duì)不同的人給予不同的權(quán)限，則不同部門(mén)、不同層級(jí)的人所看到的的可視化大屏呈現(xiàn)的數(shù)據(jù)不同。

5. 測(cè)試和優(yōu)化

在完成數(shù)據(jù)可視化設(shè)計(jì)步驟之后，需要進(jìn)行測(cè)試和優(yōu)化。

需要注意數(shù)據(jù)的準(zhǔn)確性和完整性，如果發(fā)現(xiàn)了問(wèn)題，需要及時(shí)進(jìn)行優(yōu)化，以便讓數(shù)據(jù)可視化更加完美。

在測(cè)試和優(yōu)化時(shí)，需要考慮以下幾個(gè)因素：

1. 數(shù)據(jù)準(zhǔn)確性和完整性：需要測(cè)試數(shù)據(jù)的準(zhǔn)確性和完整性，以便發(fā)現(xiàn)問(wèn)題并進(jìn)行優(yōu)化；
2. 用戶反饋：需要收集用戶的反饋和建議，以便在優(yōu)化時(shí)進(jìn)行考慮；
3. 優(yōu)化效果：需要測(cè)試優(yōu)化后的效果，以便驗(yàn)證優(yōu)化是否有效。

五、數(shù)據(jù)分析

根據(jù)我們之前搭建的指標(biāo)體系進(jìn)行分析。

1. 分析的類型

1）描述性分析——發(fā)生了什么

描述性分析是任何數(shù)據(jù)分析過(guò)程的起點(diǎn)，旨在回答發(fā)生了什么問(wèn)題，是我們通過(guò)對(duì)各種來(lái)源的原始數(shù)據(jù)進(jìn)行整理，再將其轉(zhuǎn)化為對(duì)業(yè)務(wù)有價(jià)值的洞察。

2）探索性分析——探索數(shù)據(jù)之間的關(guān)系

顧名思義，探索性分析的主要目的是探索，其最典型的應(yīng)用領(lǐng)域就是數(shù)據(jù)挖掘。通過(guò)探索性分析，能夠幫助我們發(fā)現(xiàn)原本不相關(guān)事物之間的數(shù)據(jù)變量聯(lián)系。

數(shù)據(jù)挖掘領(lǐng)域有一個(gè)典型案例：沃爾瑪通過(guò)數(shù)據(jù)挖掘，發(fā)現(xiàn)紙尿褲與啤酒的銷量數(shù)據(jù)呈相關(guān)關(guān)系。于是調(diào)整了超市貨架的擺放位置，將紙尿褲與啤酒放在相近的位置，沒(méi)想到雙雙增加了這兩種完全不同品類的銷量。

3）診斷性分析——為什么會(huì)發(fā)生

診斷性分析是最常見(jiàn)的數(shù)據(jù)分析類型。運(yùn)營(yíng)人員通過(guò)診斷性分析能探究某件事情發(fā)生的原因，引發(fā)這件事情的前置事件是什么，這件事情發(fā)生后又會(huì)引發(fā)什么后置事件。

4）預(yù)測(cè)性分析——會(huì)發(fā)生什么

預(yù)測(cè)性分析通過(guò)分析已知數(shù)據(jù)假設(shè)未來(lái)，回答將來(lái)會(huì)發(fā)生什么的問(wèn)題。

5）規(guī)范性分析——要采取什么行動(dòng)

規(guī)范性分析是最高級(jí)的數(shù)據(jù)分析類型，通過(guò)以上所有數(shù)據(jù)分析，并結(jié)合數(shù)據(jù)模型，回答要采取什么行動(dòng)的問(wèn)題。規(guī)范性分析會(huì)分析多個(gè)場(chǎng)景，預(yù)測(cè)每個(gè)場(chǎng)景的結(jié)果，并根據(jù)結(jié)果決定哪個(gè)是最佳行動(dòng)方案。

2. 分析的方法

1）趨勢(shì)分析

趨勢(shì)分析可以說(shuō)是最基礎(chǔ)且最常用的數(shù)據(jù)分析方法。通過(guò)對(duì)有關(guān)指標(biāo)各期對(duì)基期的變化趨勢(shì)分析，分析該指標(biāo)的趨勢(shì)變化，從中直觀地發(fā)現(xiàn)問(wèn)題，讓運(yùn)營(yíng)決策更準(zhǔn)確和更實(shí)時(shí)。

2）細(xì)分分析

當(dāng)趨勢(shì)分析過(guò)于宏觀，那細(xì)分分析則是精細(xì)化運(yùn)營(yíng)的必備，按照不同的維度一步步地對(duì)數(shù)據(jù)進(jìn)行拆分，不斷接近問(wèn)題發(fā)生的起源，讓運(yùn)營(yíng)獲取更加精細(xì)的數(shù)據(jù)洞察。

例如，某品牌零售企業(yè)的 GMV 某天有明顯下降，那么我們就可以根據(jù)全國(guó)各省級(jí)行政區(qū)的維度，細(xì)分湖南省、廣東省、北京市、云南省等 34 個(gè)省級(jí)行政區(qū)，查看具體是哪個(gè)省級(jí)行政區(qū)的 GMV 有所下降。定位到具體的省級(jí)行政區(qū)后，還可以繼續(xù)往市級(jí)、區(qū)級(jí)層層細(xì)分。

3）對(duì)比分析

對(duì)比分析是將兩個(gè)或兩個(gè)以上的數(shù)據(jù)進(jìn)行比較，分析差異并揭示數(shù)據(jù)所代表事情的發(fā)展變化情況以及規(guī)律。其特點(diǎn)是可以非常直觀地看出事情某方面的變化或差距，并且可以準(zhǔn)確、量化地表示出這種變化或差距是多少，主要是為了給孤立的數(shù)據(jù)參考系。

4）溯源分析

追溯到事情的源頭去分析，是避免運(yùn)營(yíng)做過(guò)多無(wú)用分析的方法。

舉個(gè)例子，當(dāng)一批用戶到來(lái)我們的產(chǎn)品內(nèi)，購(gòu)買(mǎi)轉(zhuǎn)化率比較低。通常情況下我們?nèi)シ治觯赡軙?huì)圍繞產(chǎn)品流暢度、運(yùn)營(yíng)活動(dòng)力度，或者商品吸引力等問(wèn)題。但很有可能從源頭分析，這批用戶就并非我們的目標(biāo)用戶，而是虛假流量。

5）歸因分析

通過(guò)一種或者一組規(guī)則，將銷售功勞或者轉(zhuǎn)化功勞等分配給轉(zhuǎn)化路徑中的各接觸點(diǎn)，即為歸因分析。

本質(zhì)上歸因分析都是為了衡量和評(píng)估用戶觸點(diǎn)對(duì)總體轉(zhuǎn)化目標(biāo)達(dá)成所作出的貢獻(xiàn)，評(píng)價(jià)的核心指標(biāo)為轉(zhuǎn)化貢獻(xiàn)度。但具體如何衡量和評(píng)估，就需要我們用到歸因分析模型。

六、數(shù)據(jù)應(yīng)用

在數(shù)據(jù)可視化之后，需要對(duì)數(shù)據(jù)進(jìn)行應(yīng)用。數(shù)據(jù)應(yīng)用是指將數(shù)據(jù)分析結(jié)果應(yīng)用到實(shí)際業(yè)務(wù)中，例如制定營(yíng)銷策略、優(yōu)化產(chǎn)品等等。這個(gè)階段通常需要與業(yè)務(wù)人員進(jìn)行溝通和合作，以確保數(shù)據(jù)分析結(jié)果能夠真正地幫助業(yè)務(wù)發(fā)展。

1. 市場(chǎng)營(yíng)銷

1）渠道投放方評(píng)估

通過(guò)對(duì)各渠道數(shù)據(jù)的收集，分析情況，判斷渠道的效果，選擇合適的投放渠道。

2）分發(fā)效率評(píng)估

基本上通過(guò)業(yè)務(wù)屬性、用戶屬性或行為特征數(shù)據(jù)提煉篩選人群分組標(biāo)簽，再根據(jù)人群分組標(biāo)簽匹配對(duì)應(yīng)的方案或內(nèi)容庫(kù)，繼而根據(jù)規(guī)則進(jìn)行是否展示和展示順序的判斷進(jìn)行個(gè)性化推薦，以達(dá)到提升體驗(yàn)、分發(fā)效率、業(yè)績(jī)等目標(biāo)。

不同產(chǎn)品的差別往往只在于實(shí)現(xiàn)這套體系時(shí)的內(nèi)容供給類型與時(shí)效性，這很大程度決定了實(shí)現(xiàn)需求本身的成本大小，整體邏輯可概括為下圖：

3）個(gè)性化推薦

通過(guò)埋點(diǎn)收集用戶行為數(shù)據(jù)，計(jì)算用戶行為特征，進(jìn)行行為預(yù)測(cè)，進(jìn)行智能推薦。

4）精準(zhǔn)營(yíng)銷觸達(dá)

通過(guò)用戶行為分析及行為特征進(jìn)行用戶分群，輸出精準(zhǔn)名單，然后匹配規(guī)則策略對(duì)接不同的通道/營(yíng)銷系統(tǒng)，進(jìn)行發(fā)短信/發(fā) Push，亦或是發(fā)券發(fā)紅包的觸達(dá)等，這是產(chǎn)品外的一種營(yíng)銷機(jī)制，其最終的結(jié)果是目標(biāo)轉(zhuǎn)化。

2. 核心指標(biāo)監(jiān)控

對(duì)于C端產(chǎn)品來(lái)說(shuō)，數(shù)據(jù)其實(shí)是用戶行為的真實(shí)反饋。用戶在產(chǎn)品上的大部分行為，并不會(huì)直接告訴你，但是通過(guò)數(shù)據(jù)，我們可以分析用戶的使用路徑，需求的滿足程度，從而衡量產(chǎn)品的價(jià)值。

我們?cè)谇懊嬉泊罱酥笜?biāo)體系，我們也按照固定的周期檢查數(shù)據(jù)指標(biāo)的情況，檢查之前的APP核心指標(biāo)數(shù)據(jù)，看是否有異常。一般相關(guān)的數(shù)據(jù)波動(dòng)在上下2%以內(nèi)是可以接受的，但如果差距過(guò)大，就需要排查原因。

3. 驅(qū)動(dòng)產(chǎn)品迭代優(yōu)化

通過(guò)數(shù)據(jù)，在產(chǎn)品的迭代優(yōu)化中，需要用合適的方式把無(wú)法量化的“客戶體驗(yàn)”，通過(guò)不斷的分析進(jìn)行量化，再通過(guò)不斷的知識(shí)積累進(jìn)行運(yùn)營(yíng)決策，為產(chǎn)品的良性發(fā)展打下基礎(chǔ)。

4. 精細(xì)化運(yùn)營(yíng)

通過(guò)完備合理的策略規(guī)劃外，準(zhǔn)確、及時(shí)的策略執(zhí)行及同步的效果監(jiān)測(cè)與分析。

可以提高決策效率和準(zhǔn)確性，企業(yè)通過(guò)數(shù)據(jù)分析可以更客觀地評(píng)估各種策略和方案的優(yōu)劣，消除人為偏見(jiàn)和錯(cuò)誤，從而做出更明智的決策。

在體驗(yàn)維度上，數(shù)據(jù)驅(qū)動(dòng)可以幫助企業(yè)更好地了解客戶需求，從而優(yōu)化產(chǎn)品和服務(wù)，提供個(gè)性化服務(wù)和產(chǎn)品，提高客戶滿意度。

在增長(zhǎng)維度上，數(shù)據(jù)驅(qū)動(dòng)有助于企業(yè)預(yù)測(cè)趨勢(shì)、市場(chǎng)變化和客戶需求，發(fā)現(xiàn)潛在的市場(chǎng)機(jī)會(huì)和創(chuàng)新領(lǐng)域，推動(dòng)組織的創(chuàng)新和發(fā)展，從而實(shí)現(xiàn)增長(zhǎng)。

七、總結(jié)

數(shù)據(jù)處理的整個(gè)流程包括數(shù)據(jù)收集、存儲(chǔ)、處理、分析、展示、使用。

本文簡(jiǎn)單說(shuō)明了一下流程的整個(gè)環(huán)節(jié)，每個(gè)環(huán)節(jié)需要做什么事情，要有一個(gè)什么樣的結(jié)果。

其中數(shù)據(jù)存儲(chǔ)及數(shù)據(jù)計(jì)算等環(huán)節(jié)因作者技術(shù)知識(shí)有限，說(shuō)的比較粗略，更多想怎么與業(yè)務(wù)聯(lián)系的角度來(lái)說(shuō)明。

通過(guò)前一篇文章數(shù)據(jù)建模及本文數(shù)據(jù)處理，算是從宏觀上對(duì)業(yè)務(wù)系統(tǒng)的數(shù)據(jù)方面有一個(gè)認(rèn)知，之后我們就可以繼續(xù)往用戶畫(huà)像等角度去做深入研究，之后將逐步看梳理相關(guān)的內(nèi)容。