由于目前网上关于数据体系相关的知识较少，本文尝试从笔者从事过的产品设计与用户运营经验中，结合自己对数据分析的理解，从0开始搭建一个完整的数据体系，从顶至底拆分，将分析模块的不同功能抽象整合成各个子体系，力求梳理清楚其中的脉络关系，全文共分为6部分，以平台型电商为例子，一步步从框架设计拆解到具体的指标设计，可视化设计：
1.基础概念
2.指标体系
3.分析体系
4.报告体系
5.报表体系
6.产品体系
本文是第一篇“基础概念”，也是数据体系搭建的前置篇，需要厘清一些基础的概念，有助于理解后面的文章：
定义数据体系之前，需要先了解四个基础概念：数据主题、场景专题、指标量化跟维度分析
-
什么是数据主题？
数据主题要区分于数据仓库的主题域，这里定义的数据主题，主要是在分析业务的过程中，需要重点量化并监控分析的业务对象，当然，数据仓库的主题域也可以依照该数据主题去划分，但在此处的定义，需要明确区分开。
例如线上电商平台的数据主题，可以划分为八大主题：渠道、产品、用户、营销、商品、营收、服务、市场，如果是自营类电商，还需要加上供应链等相关的主题，如果有延伸到公司内部，还需要加上财务等相关主题，简单来说，每个数据主题，都是我们需要重点关注并监控的业务内容。
-
什么是场景专题
场景专题是在数据主题的范畴下，根据业务场景的分析需求，划分的若干“子活动”或者“子主题”，这些专题都从属于该主题，且每个专题对应一个或多个具体的业务场景。
一个数据主题，是由一个或多个业务场景的专题构成的：如用户的主题，其中包含用户健康度，用户规模，用户结构，用户质量等场景专题。
以下为不同数据主题下一些具体的业务场景，根据这些场景可以提炼出场景专题：
渠道：哪些渠道来的用户质量最好？哪个用户规模最大？留存最好？转化率最好？
产品：APP的体验如何？是否经常闪退？平均加载时间多少？不同功能的滲透率如何？
用户：不用生命周期的用户占比多少？现阶段整体用户规模多大？健康度如何？
营销：活动效果如何？如何调整？对不同类型的用户作用如何（拉新？促活？）
商品：商品的复购率如何？哪些商品热卖？商品的动销率如何？
营收：成本如何？营收如何？成交效率如何？
服务：退货率如何？投诉率如何？
市场：市场的占有率如何？用户与营收数据跟业内相比处于什么水平？
-
如何定义数据主题/场景专题
数据主题/专题的敲定过程，就是对业务流程的各个场景进行分析的过程：
1.先分析业务的主流程
小明从某应用商店，下载了这个电商APP，然后注册登陆，在主页乱逛了一段时间后，从超值新品的入口进去了，然后选择了一件物美价廉的商品，下单并付款，然后就关闭了APP，等到物流配送并签收之后，小明很满意，又重新打开了APP，确认收货并给出了评价。
如上所诉，就是一个比较简单的业务流程，里面已经包含了很多个业务场景（下载产品，浏览商品，购买，评价等），当然还可以继续细化这个流程，分出不同的分支，就可以拆分出更多的业务场景。这里就不展开描述了。根据上面这段描述到的业务场景、，其实就已经基本可以把上文提到的八大主题都定义出来了，除了市场与营销外。
2.其他业务场景
为了完成本月的KPI，小红作为运营经理，设计了两个<u>营销活动</u>，拼团跟满减，统计了此次活动带来了多少用户，并观察用户从对应的活动页面报名并参与，到最后下单的整个过程中，用户的操作与体验
这是另外一个业务的场景—营销，主要是观察营销活动带来的用户质量与转化过程的体验。还有其他的一些业务场景可以根据自己的业务类型去分析，然后提取出需要分析的专题，并向上提炼或归属到数据主题。
定义完数据主题/场景专题只是第一步，确定了分析的框架，接下来还需要对数据主题/场景专题进行指标量化与维度拆解。
-
什么是指标？
百度百科：衡量目标的方法；预期中打算达到的指数、规格、标准，一般用数据表示。
指标是对结果，对目标的一般性描述。也就是对场景专题的量化过程，往往我们定义了一个场景专题，只是定性的描述了一些我们需要分析的角度，接下来还得对分析的角度进行量化，才能够进行定量的监控与分析。
-
指标的作用是什么？
指标用于衡量事物的发展程度
指标分为绝对数指标（总量指标）、平均数指标（平均指标）和相对数指标（相对指标），用于衡量数量、平均水平与质量：
-
绝对数指标反映规模大小：如人口、GDP、收入、用户数等
-
平均指标反映平均水平：如人均时长、人均消费、笔均金额等
-
相对数指标反映质量好坏：如利润率、留存率、覆盖率等
-
如何进行指标量化？
指标的定义与量化需要根据数据主题进行下钻，拆解出场景专题，然后根据场景专题的内容，定义出多个指标来描述并衡量它。
| 数据主题 | 场景专题 | 指标量化 |
|---|---|---|
| 用户 | 用户健康度 | 新增用户数，活跃用户数，新增付费用户的活跃留存率，付费用户的活跃留存率，付费用户的付费留存率，不同生命周期阶段（新生、首购、复购、忠诚、休眠、流失等）的用户数，不同生命周期阶段的用户转化率…… |
以上表格就是在“用户”这个主题下，拆解出“用户健康度”这个场景的专题，然后对该专题进行指标量化的过程。
-
什么是维度？
百度百科：人们观察、思考与表述某事物的“思维角度”，简称“维度”。
例如，分析渠道的时候，可以从渠道本身的“渠道类型、渠道价值、渠道成本”等三个角度去描述，也可以从带来的用户角度：“规模、质量、生命阶段偏好”等三个角度去描述，也可以从时间这个角度去环比昨日的数据进行描述。
-
维度的作用是什么？
维度用于衡量发展程度的好坏
维度分为纵比与横比：
-
纵比为时间上的对比，通过时间前后对比，得知发展好坏（同比、环比）
-
横比为同级单位之间的对比，通过对比不同单位，得知发展好坏（不同渠道、终端）
-
如何进行维度分析？
指标是用于衡量事物的发展程度，维度是用于衡量发展程度的好坏。这句话的意思是，我们如果只是单纯地进行了指标量化，是无法得知事物的发展好坏的，只有通过不同维度的对比，才能对事物有变化上的感知，
例如：
今日Android的新增用户数是500
单纯从这个指标上看，我们只能得知这个指标反映出的新增用户数据，无从得知是多还是少？上升还是下降了？
加入维度的描述：
今日Android新增用户数是500，环比昨日增加了2%，ios的新增用户数是200，环比昨日增加了1%
从这个例子中，增加了两个维度的信息：时间维度与终端类型维度，信息量一下子就丰富起来了。可以得知相对昨日数据是变好了，也可以得知Android渠道的新增用户数比IOS渠道的多。
| 数据主题 | 场景专题 | 指标量化 | 维度分析 |
|---|---|---|---|
| 用户 | 用户健康度 | 新增用户数，活跃用户数，新增付费用户的活跃留存率，付费用户的活跃留存率，付费用户的付费留存率，不同生命周期阶段（新生、首购、复购、忠诚、休眠、流失等）的用户数，不同生命周期阶段的用户转化率…… | 近一个月的新增/活跃用户数变化趋势，不同生命周期的用户占比，近一个月的付费用户的活跃/付费留存率变化趋势，不同生命周期阶段的用户分布情况 |
-
总结如下：
要衡量一个产品的发展程度的好坏，必须先根据业务，划分出它的主题，然后根据场景，在不同的主题下延伸出不同专题，并通过若干指标来量化它，描述它的数量或质量，然后从不同维度进行横向、纵向的全方位分析比较，才能全面了解产品的现状与发展好坏。
后续文章会整理更新到公众号，需要请关注个人公众号：不恶龙，ID：buelong
网友评论