傾囊相授!我總結了從0到1建立資料分析指標體系的底層邏輯
隨著公司業務規模擴大,各類相關的資料量增加,資料指標也越來越多。 如果缺乏資料指標體系和分析方案,就會難以判斷整體業務發展狀況、難以衡量產品/活動效果、等等。
如今,各行各業都在說,“我們要數字化管理”,脫離“拍腦袋”時代。但是,到底怎麼落地?資料指標怎麼建立合理?不同的公司業務大相徑庭,就算是同一個行業,也有不同規模,不同細分客戶群,很難一概而論。有時候,看到競品公司有哪些指標,雖然不知道有沒有用,我們也急著“跟風”。
什麼才是適合自己公司或部門的資料體系?“人、貨、場” 理論似乎很有用,但不是每個公司都有實體店,5W2H好像也很有道理,每個步驟都要套用這個理論麼?SWOT好像也很有道理……
今天,我們就來拋開所有這些看起來高大上的理論,從底層邏輯出發, 梳理建立資料指標體系和分析方案的底層邏輯。
首先,我們來了解一下指標是什麼?
百度百科解釋指標為: 預期中打算達到的指數、規格、標準,一般用資料表示。
比如,Boss開年會時說:“我們今年新增的幾個指標:員工流失率、門店客流量、客單價……(balabala)成果豐碩,收益明顯!”。發言中所提到的“員工流失率”、“門店客流量”、“客單價”,就是指標,是對結果的資料化描述。
那麼,什麼是資料指標體系?
即將零散的資料指標串聯起來,成為一整套體系使其具備業務參考價值。
在商業中,資料只有一個目的“ 解決問題,創造價值”。
但是“解決問題,創造價值”,對不同立場的人來說不一樣。對研發部,出多少bug和做多少功能的比例很重要;對於銷售,多少訂單很重要。要是訂單銷售資料給研發部,對日常工作並沒有參考作用,bug的比例給銷售也沒用。但是這些資料對總裁部都很有用,可以綜合得知成本和利潤比例。
為了解決這個問題, 引出第一條底層邏輯:
邏輯一:多維度視角
先要確定資料指標體系的目標受眾,“他”看資料的視角和維度:職位側重點在哪裡,業務階段是初期還是成熟期?越是初期資料越少,越是成熟期資料積累越多,要考慮的點也越多。
知道“他”的視角之後,去看“他”的業務是什麼?對於門店經常提到“人、貨、場”:分析哪些人,場地面積,貨物種類。對於網頁商城經常提到“轉化漏斗“:多少個商品點選量,多少個加入購物車,多少個訂單,轉化率多少。似乎,不同業務要分析的”東西“完全不一樣,到底一致性在哪裡?
引出第二條底層邏輯:
邏輯二:業務場景關鍵元素分類
門店經營成交的場景 “ 我在門店付錢給售貨員,他收錢給我商品 ”。
網頁商城成交場景 “我點選商品,訪問頁面,(也許會諮詢),點選提交訂單”
雖然各個行業,分析的具體事項不一樣,但都是圍繞, 業務場景關鍵元素分類,進行的。
那麼問題又來了,這些“元素”怎樣更好?例如,我想在門店掙多點錢,我的貨怎麼分配?客戶怎樣更多?店員怎樣賣得更好?搞個網站,我也知道點選,訪問,訂單,那怎樣更多點選?為什麼點選A不點選B? 怎樣多點訂單?圍繞著剛剛的元素問下去,似乎有“十萬個為什麼”,我們怎麼知道這些元素”從哪裡來“ ?
引出第三條底層邏輯:
邏輯三:追蹤業務過程
門店零售業,客戶從哪裡出發,什麼時段來到商城,進入門店的機率多大……
網頁商城,從哪裡點選進來,進來之後瀏覽過多少頁面,有多少連結引導他點選下一個連結……
但是,這樣梳理完成後, 圍繞關鍵元素追蹤出來的業務過程,似乎不是相互獨立的。零售業的邏輯 “人,貨,場”,但是“我”這個人,經過門店,會不會進去,和這個門店擺放的“貨”關聯性很大。網頁商城,我訪問產品頁,遇到問題能找到諮詢頁會很開心,但是我沒想提問諮詢的時候諮詢按鈕主動跳出來擋住視線,我可能會出於厭煩直接離開。
思考到這裡, 引申出第四條底層邏輯:
邏輯四:梳理業務邏輯關係(強關聯,弱關聯,互斥關係)
先有訪問才會下訂單,訪問和訂單是強關聯。網頁不需登入可以瀏覽商品,登入和瀏覽是弱關聯。投訴的次數越多,復購的機率越低,復購量和投訴量是互斥關係。
這樣, 我們已經透過梳理業務考慮到很多節點的資料。說到用處,這些資料都有用,但是,全部都關注,看完一遍,都要花很多時間。尤其是忙起來,就只想知道 “一個” 資料結果。
為了解決這個問題,引出 下一條底層邏輯:
邏輯五:重要性過濾
我們未必能馬上說出a,b,c,d……裡面哪個重要,哪個次等重要,梳理思路的時候,可以用一個小工具,對比記分卡。
用每一行和列的專案對比,例如第一個格子,訂單數和訂單數,自己對比自己,沒有可比性,格子放黑色;第二個格子,訂單數和線索數,訂單數更重要,寫1;第三個格子,訂單數和客戶數,客戶數更重要,那麼訂單數不得分,寫0;以此類推,最後得出每一行的總分數。 在這個記分卡里,重要指標是訂單數和客戶數,次要指標是線索數和套餐數。
那麼問題又來了,要是“我”也是剛進入這個領域,並不確定,哪些重要哪些不重要,該怎麼辦?標準是什麼?
那我們引出第六條邏輯:
邏輯六:對比出標準(時間,指標,比率)
重要不重要,參照物,標準,這些都不是“拍腦袋”出來的,都是靠“對比”出來的。怎麼對比?這裡有三個原則,從時間上對比,從指標上對比,從比率上對比。
從時間上,這個月完成得好不好,要和上個月對比,和去年對比。具體對比什麼,要比較同一個指標。但有時候,同一個指標直接對比並不能說明問題,
例如,今年付費使用者90個,去年付費使用者80個,今年一看上去就是更好。
但是去年沒有做推廣,總使用者只有100個,其中付費就有80個。今年花大錢推廣,總使用者有300個,其中付費只有90個。這樣看,推廣費都賠進去了!這裡應該用 “付費率” 做對比,去年付費率80/100= 80% , 今年付費率90/300= 30% ,明顯去年比今年好很多。
不比不知道,一比嚇一跳,透過對比,真相大白。
運用以上六條底層邏輯,完成了從0到1梳理和建立資料指標體系。
我們透過 “資料”去發現問題,分析問題,並且解決問題。而透過這套搭建基本資料分析指標體系的底層邏輯可以讓這件事情變得事半功倍,從源頭發現問題,藉助體系化的工具,在日常工作中可以監控業務,發現問題,科學的制定業務目標,在追蹤業務過程找到改進的切入點。
但是,後續的實際工作中,建立資料指標體系需要各部門緊密溝通,還需要對公司業務和各部門職能的深刻理解,更 要針對業務痛點,做細分板塊的深入資料分析等等。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/21472864/viewspace-2741971/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 軟體測試的底層邏輯
- 從OC角度思考OKR的底層邏輯OKR
- 從百聞牌到MOBA——遊戲底層規則抽象邏輯探究遊戲抽象
- 什麼是資料指標管理,如何建立指標管理體系指標
- 引用的底層為指標指標
- R資料分析:樣本量計算的底層邏輯與實操,pwr包
- 電商資料分析指標體系劃分指標
- 電商資料分析基礎指標體系指標
- 從0到1搭建視訊通話系統,我1天就搞定了
- 從付費到免費再到補貼——商業模式變遷的底層邏輯模式
- 短影片的底層邏輯和認知
- 資料分析入門-導論-如何親手從0到1建立一個學科
- Category:從底層原理研究到面試題分析Go面試題
- 指標體系與分析體系指標
- 從底層邏輯入手,直播商城原始碼如何發展的長久?原始碼
- 0到1搭建企業級資料治理體系
- 如何搭建資料指標體系指標
- 從底層到應用,那些資料人的必備技能
- 大話Python函式底層邏輯Python函式
- 數字邏輯實踐6-> 從數字邏輯到計算機組成 | 邏輯元件總結與注意事項計算機元件
- iOS底層原理總結 -- 利用Runtime原始碼 分析Category的底層實現iOS原始碼Go
- 如何搭建好的資料指標體系?指標
- 併發開篇——帶你從0到1建立併發知識體系的基石
- 財務分析指標體系指標
- 網路營銷效果衡量的核心指標及我們用什麼樣的邏輯思考(1)指標
- Redis - 底層資料結構Redis資料結構
- 談談北京市資料資產入表可獲補貼的底層邏輯
- Redis原始碼分析-底層資料結構盤點Redis原始碼資料結構
- C++ 煉氣期之基本結構語法中的底層邏輯C++
- 全面認識資料指標體系指標
- 想要做好資料分析?先把指標體系搭建好吧!指標
- 指標總結指標
- 從0到1建設智慧灰度資料體系:以vivo遊戲中心為例遊戲
- iOS底層面試總結iOS面試
- 從0到1進行Spark history分析Spark
- 從0到1搭建自助分析平臺
- 什麼是好的資料指標體系指標
- Java 的 ArrayList 的底層資料結構Java資料結構