數(shù)據(jù)產(chǎn)品經(jīng)理需要做的事情，可能是讓數(shù)據(jù)會“說話”，按照本文作者的看法，即讓數(shù)據(jù)從“信息化”變?yōu)椤爸悄芑?，讓?shù)據(jù)從“展示”變?yōu)椤爸笇?dǎo)”。這個過程，可能就要涉及到業(yè)務(wù)診斷了。怎么理解呢？不妨來看看作者的解答。

一、前言

在3-4年的那個階段，是我最迷茫的時候。那時已經(jīng)接觸了大部分?jǐn)?shù)據(jù)產(chǎn)品相關(guān)工作，做平臺、工具、報表、大屏、提數(shù)、標(biāo)簽，并且對數(shù)倉、數(shù)據(jù)分析、需求把控、優(yōu)先級排序、項目管理、價值提煉也有了一些認(rèn)識，看似做了足夠多的事情。但似乎終究是被業(yè)務(wù)裹挾著跑，業(yè)務(wù)的極速增長就同步裹挾著需求的增長，無數(shù)的報表需求、取數(shù)需求撲面而來。

數(shù)據(jù)產(chǎn)品經(jīng)理的價值到底是什么？終極目標(biāo)是什么？數(shù)據(jù)團(tuán)隊對業(yè)務(wù)來說，到底是價值還是成本？時至今日其實也還沒有問題的答案，但通過工作中的部分實踐、以及業(yè)內(nèi)一些資深數(shù)據(jù)產(chǎn)品的思考。目前我的理解是：泛化數(shù)據(jù)給使用的人，把分析的理念和框架變成數(shù)據(jù)產(chǎn)品，讓數(shù)據(jù)“說話”。

聽上去很抽象，簡單來說就是從“信息化”變?yōu)椤爸悄芑保瑥摹皵?shù)據(jù)展示”變?yōu)椤爸笇?dǎo)方針”。因此就有了這章的內(nèi)容，我把它分為3個部分，「業(yè)務(wù)診斷」「業(yè)務(wù)決策」「業(yè)務(wù)預(yù)測」。

• 業(yè)務(wù)診斷：對業(yè)務(wù)異動進(jìn)行診斷，講清楚為什么發(fā)生（發(fā)現(xiàn)問題，定位原因）
• 業(yè)務(wù)決策：對于已經(jīng)出現(xiàn)的現(xiàn)狀，給出具體的執(zhí)行動作（直接告訴怎么做）
• 業(yè)務(wù)預(yù)測：預(yù)測未來將要發(fā)生什么

接下來先介紹「業(yè)務(wù)診斷」的部分：

二、典型場景

增長產(chǎn)品昨天發(fā)現(xiàn)C端營收，下降嚴(yán)重，老板要求快速找到原因，大概流程如下：

1）找運營、產(chǎn)品等部門問問，昨天有沒有重要動作；再找技術(shù)排查下是否存在技術(shù)故障；

2）問下來沒有異常，嘗試自己通過報表數(shù)據(jù)進(jìn)行分析。

• 「單指標(biāo)多維度分析」：先看一級商品類型波動，再看二級商品類型波動，再看訂單頁面來源波動等等，觀察是否有異常波動
• 「多指標(biāo)相關(guān)性分析」：看活躍用戶數(shù)、注冊用戶數(shù)等相關(guān)性指標(biāo)3）思緒混亂，提工單給分析師排查

人工排查通常會耗費大量時間，異動分析過程實際可以泛化為數(shù)據(jù)產(chǎn)品，交給機(jī)器來做，下面介紹「單指標(biāo)多維度分析」自動診斷方法。

三、自動診斷方法

「單指標(biāo)多維度分析」難點：

1. 如何找到異動的關(guān)鍵維度；
2. 找到關(guān)鍵維度后如何找到關(guān)鍵維度值。

解決思路：

1. 通過現(xiàn)期和基期對比，看異動情況（通過趨勢圖）；
2. 定位影響異動最大的維度是哪個（通過基尼系數(shù)）；
3. 定位每個維度下哪個維度值影響最大（通過貢獻(xiàn)度）。

1. 基尼系數(shù)定位異常維度

基尼系數(shù)系數(shù)定義：衡量財富分配是否均勻的指標(biāo)，將拿到的收入數(shù)據(jù)從小到大排列，x軸代表人數(shù)占比的累加，y軸代表收入占比的累加，繪制出一條洛倫茲曲線，計算圖中A區(qū)域的面積占比，該占比就是基尼系數(shù)，即A/A+B。基尼系數(shù)越大，代表收入差異越大。

基于此，構(gòu)建基于基尼系數(shù)的定位維度問題的方案，用于計算各下鉆維度方案對單個指標(biāo)波動的影響程度，x軸用特征分組基期累計占比，y軸用波動值累計占比（可以為負(fù)值），基尼系數(shù)越大說明該特征對波動的解釋效果越好。

這里引申出2個概念，特征分組基期累計占比（權(quán)重） 和 波動值累計占比（影響因子），下圖為示例解釋：

由圖可知，當(dāng)權(quán)重和影響因子越接近，基尼系數(shù)越趨近于0，基尼系數(shù)計算公式（火山引擎應(yīng)用）：

舉例驗證，造成異動維度 支付平臺>商品>支付方式>國家>渠道

2. 貢獻(xiàn)度定位異常維度值

在3.1中描述基尼系數(shù)時，已經(jīng)引入貢獻(xiàn)度計算邏輯，即某維度值貢獻(xiàn)度=（該維度值現(xiàn)期的值-該維度值基期的值）/（大盤現(xiàn)期的值-大盤基期的值）。

四、產(chǎn)品實例（火山引擎）

第一步 ：在折線圖中，發(fā)現(xiàn)最近一天的GMV突然下降，點擊下降的數(shù)據(jù)點，進(jìn)行歸因分析

第二步 ：歸因分析計算完成，點擊查看歸因結(jié)果。

第三步 ：查看歸因結(jié)果，最近一段時間GMV波動異常，默認(rèn)和前一月的數(shù)據(jù)進(jìn)行比較，數(shù)據(jù)下降了22.61%，按照引起下降的貢獻(xiàn)對維度進(jìn)行排名，發(fā)現(xiàn)sale_city的系數(shù)為0.56，是重要的影響因素，就可以針對這個區(qū)域的銷售情況進(jìn)行篩選并經(jīng)一步分析。