数据分析思维——业务指标如何建立

一、数据分析的流程

image.png

整个数据分析的流程，可以分为五个步骤，四个层级，这四个层级就是需求层、数据层、分析层跟输出层，那么这个需求层、数据层、分析层和输出层，分别代表着我们数据分析五个关键步骤当中的五个动作，比如说第一个了解目标，了解问题，先明确你的分析的目标和问题是什么。那么第二个呢，就是数据的获取，或者说叫数据采集，因为你了解了第一步，你的业务的目标之后你要从数据库里取数，或者说从数据场景当中去取数，那么它跟我们的第三步，也就是数据清洗和数据整理、还有数据加工都属于我们的第二个层级，就是数据层当中的一些工作，因为不管是你从数据库里取数也好，还是说你从业务指标当中取数，还是说你从数据场景当中取数。所有的数据一定都是一些脏乱差的原始数据，所以我们要进行一些数据的处理和加工，然后第四步就是进行一些分析手段的一个处理，主要就比如说我们的数据分析的方法，数据分析的模型，比如说我们做数据挖掘，比如我们做统计分析啊，比如说我们运用一些数据分析的思维，那么最后一个呢，就是我们的输出层，也就是我们的业务价值怎么去输出。

这四个层级当中呢，数据可视化就处于我们的最后一个层级，也就是输出层，包括我们输出一些数据，可视化的报告数据，可视化的仪表板数据，可视化的一些图表等等，包括我们的结论方案都属于我们的输出层。

二、如何建立一个指标体系

1、什么叫做指标

如果大家学过数据分析，或者对数据分析有一定的了解，可能听过这么一句话，数据分析当中的规则和标准一定要可以量化，如果不可以量化，也要量化，可以量化的，也要量化，这就是数据分析的一个基本的逻辑，我们去判断好坏，这就是指标的一个含义。

比如说我们在进行这个工作的复盘的时候，比如你这个季度的kpi比去比上个季度的kpi增长了，增加了很多，但是增加了很多，这个就不足以成为一个指标，因为他没有量化。比如说你增加了很多，可能只增长了1%对不对，也可能是100%，所以说他如果没有一个参照物去对比，我们就不能判断你这个增长究竟是什么样的情况。

image.png

2、指标是怎么构成的

• ① 核心需求 ②核心对象 ③时间范围
  一般来说指标它是由三个部分构成的，首先就是你的核心需求是什么？比如说你要分析一个留存，你要分析一个转化，你要分析一个曝光，这是你的核心的需求。那么第二个要素呢，就是你的对象，比如说你要分析哪一个场景，哪一个功能、哪一个条件。第三个要素就是时间指标一定要有时间的限定，有时候这个时间可以省略。但是为了表达清晰，建议大家不要再去省略一些指标的时间，比如说业务人员想让你分析一下某一个APP的转化的情况，那么这个转化的情况他是一个分析的需求，不是我们分析的一个指标，我们根据这个需求可以去找到这样的一个量化的一个指标。

  
  image.png
  

  我们要分析这个APP的转化情况，可能会遇到哪些指标。比如说最近三个月推荐功能的跳转率，这是一个完整的指标，比如说今年整个APP从下单到支付的一个总体的转化率，这也是一个完整的指标。那么这样我们去定义一些完整的指标，能够对于提升我们对于业务的一个理解。因为我们去确定指标的过程，就是我们在学习业务的一个过程。以上是，我们怎么去定义一个指标。

3、如何将指标拆解（举栗子，可跳过）

还是一款APP，它刚研发出来的时候市场人员要去进行推广，然后这个推广人员就会花钱去买一些假的流量，比如说他买一些机器或者是真人去下载、点击APP，也就是刷一些日活。那么，这种情况下，我们用什么指标去衡量这样一个APP的使用情况，它们有这么三个过程。第一步呢，我们要理解业务理解目标，这是一个比较老生常谈的一个话题，我们先要理解一下我们是为了衡量这个APP的使用情况，那么按照我们刚才所量化指标的一个思路，我们可以通过哪些量化指标去衡量。

image.png

比如说我们可以通过一个用户的一个行为的路径去理解，这就是我们的业务逻辑。首先用户要先看到这个APP，然后它会产生一个下载行为，这里就会涉及到一个下载率的问题，下载之后呢他需要注册才能登录这个APP，这就是一个注册率的指标，那么如果你这个APP它是一个付费的APP，你在注册之后呢，就需要购买啊，也就是激活，这里呢就有下单率，或者说一个激活率。那么完成这些步骤之后呢，用户他就进入了你的APP的页面，这时候就会根据你的内容产生一个跳转率的指标啊，如果说用户觉得你的内容还不错，就会留在这个功能啊，就是一个留存率。那么如果有一些广告或者付费内容，还会产生二次交易，那就还会涉及到一些交易率等等这些指标。

image.png
我们明确了分析的需求，找出了一个初步的指标后，第二步就是要确定一个核心的指标，比如说第一步我们提到了下载率，那么在这个例子里，我们去刷量的情况下，下载率是没有说服力的，因为我们去买了一些假流量，这就是它一个虚荣的指标，所以说我们应该找一个核心的指标，能够说明我们APP的一个使用的情况，比如说我们用停留的时长或者是跳转率。那我们就可以排除掉虚荣因素的一些影响，那么每个APP它的核心指标都不太一样，所以我们在确定核心指标的时候，一定要多花时间去考虑这个核心指标的问题，这是一个非常重要的问题，不是说你简单去看一下日活和留存那么简单就完事儿。 image.png

第三步呢，就是我们要按照一些维度去拆解，因为核心指标的波动他一定是因为某一种维度的影响而产生的波动，所以我们要监控核心指标，本质上还是说要去监控这个核心指标的影响维度。那么通常的方法呢，拆解的方法都是对核心指标进行一个公式的拆解。还是按照业务逻辑来进行拆解，比如说我们刚才定的核心指标是停留时长大于15秒的用户留存率啊，那么我们先看一下这个公式，停留时长大于15秒的用户，它等于什么呢？等于打开APP的用户数乘以用户停留时长大于15秒的一个占比。我们分析打开APP的用户数，我们就要去关注一下渠道的一些转化率啊，分析一下用户从哪里过来，通过哪些方式去打开？用户的画像是什么？那么这是通过业务逻辑去拆解第一个指标啊，就是打开APP的用户数。

那么第二个就是停留时长大约15秒的一个占比，那么这个指标他重点关注的是停留时长的一个分布啊，停留一秒的用户有多少啊？两秒的的有多少、三秒的有多少、十秒的有多少？具体的分布情况是什么？用户画像是什么啊？他的行用户的特征和行为特性、行为的路径是什么样的情况？那么这就是分析第二个指标啊，也就是我们通过一个维度的拆解每一个环节的关键的指标，我们都可以通过这样的公式的方法进行拆解，然后根据拆解公式逐步地去分析对应的一个影响的因素啊，那么当然它还有很多其他的维度

4、建立指标体系的两种方法 （重要）

①OMTM

• OMTM（唯一关键指标）全称 one metric that matters
• 核心的原则：点、线、面、体的原则
     点：具体的量化指标
     线：业务逻辑
     面：场景（①对象：用户、企业、物、销售等 ②关注点：分析重点内容 ③            目标：发现问题&&诊断现状&&预测）
     体：整体框架
• 使用场景：适用于我们的部门或者说我们要分析的对象，已经有了一个比较完备的数据分析指标体系，或者说业务体系，或者说业务指标都已经比较完备

image.png

比如说发的这张图片当中的零售行业的一个用户的一个指标体系已经是比较完备的，而我们所需要做的就是从这些指标当中去甄别出我们要分析的数据或者指标是哪些。

这张图片当中零售行业的一个订单的分析、用户分析。那么首先呢，我们先确定一个基本的体，就是我们要分析的一个起点是什么，就是我们的核心，比如说我们要分析一个订单啊，我们的零售它的主要业务逻辑呢，其实就是通过一个一个的订单完成的。那么一个订单呢，它包含两个要素，用户跟产品服务，那么产品服务跟用户呢，就是我们的面，就是分析的某一个要素。比如说用户我们再继续往下拆解，可以拆出新用户和老用户。那么新用户老用户我们根据一些业务逻辑再继续拆解，比如说老用户，我们拆解出它的一条线是活跃、留存、回购、流失，那么新用户呢，它的一个逻辑就是拉新跟转化，那么这就组成了一条线。那么每一条业务逻辑线呢都会有特别多的一些指标，这些指标呢，就是我们的点。

②业务流程法

• 使用场景：我们的业务逻辑不是很清楚，我们的业务体系也没有建立起来
• 我们先去梳理一下我们的业务流程是什么，然后根据业务流程去拆解我们的指标，建立我们的指标体系。

image.png

业务流程法的三个基本的层级，第一步先梳理一下整个事项的一个流程，第二步，确定每个步骤当中涉及到的一些业务点，第三步，根据每一个业务点去梳理量化其中的一些数据。

image.png

那么我们根据对象梳理好了业务的流程，确定了业务的一些点，并且找到了一些量化的数据，那么第二步呢，我们就要量化业务的流程，建立一个指标体系了。怎么去建立呢？我们去分析一场促销活动，根据我们刚才所展示的他的一个业务流程的顺序，进行拆解，每个业务步骤当中会涉及到哪些点？比如说活动准备会涉及到的商品准备、人员的准备。然后去进行量化，比如说商品的成本有哪些指标进行判断啊？比如说成本的量，成本单价，比如说人工预算、时间成本啊，人工成本啊，利润成本等等。

那我们在收集跟建立这些指标的时候呢，我们更多是依据业务的一些kpi，因为他们的kpi才是我们关心的一个重点，比如说我们刚才这个活动促销，活动当中的一些成本、利润，这些指标是我们最值得关注的指标，其他指标如果说业务人员并不需要，我们就可以把它进行取舍，这是我们在进行指标提取的一个依据啊，更多的来自于业务。

以上就是数据分析指标体系建立的两种方法啊，因为你先只有先学会了怎么去建立指标体系，你后面再进行数据可视化分析的时候，你才能有的放矢啊，才能按图索骥。就是按照一定的流程或者方法去进行分析，否则的话，大家的数据可视化的分析呢，只能停留在做图表啊，这个数据的一些简单的处理这样一个水平上啊，大家不知道面对一个实际的问题，我应该怎么去分析怎么去进行可视化的一些操作，因为可视化分析它的可视化是最次要的，分析才是最重要的。怎么去分析其其实更重要的就是看中我们对于业务的理解，对于业务逻辑的一些判断，那么指标体系的建立，其实就是对于你这种业务理解的一种考量。

三、补充

_数据分析业务.png