三步拆解一個數據分析體系

編輯導語：在我們的日常工作中，面對產品的運營時，產品經理經常會用到數據分析的方式進行整體的搭建；產品在不斷的更新迭代中，需要通過建立基礎的數據分析體系進行更新設計；本文作者分享了關於拆解一個數據分析體系的方式，我們一起來了解一下。

在之前的文章中，我重點為大家介紹了以中台為核心的產品架構設計，但是隻有產品功能在日常的運營過程中還是不夠全面的，我們還需要另外一個輔助的工具。

01 為什麼需要搭建數據分析體系

在進階的產品經理工作中，我們除了去完成產品功能的架構設計之外，更重要的事情便是要去決定產品方向的走勢，在這裏我們需要依賴的一個重要工具便是數據。

例如，我們需要用日活來反映產品當前的用户數，需要用訂單中購買商品的分佈情況來分析年初計劃中的核心品類銷量是否健康。

那麼如何在一個從0~1的產品背後搭建起一套完整的數據分析體系，來支撐日常的產品數據需求，這便是進階的產品經理工作之一。

也就是説進階產品至少需要具備兩個技能：

要想建立起一套數據分析體系，很多人看到這可能就已經開始犯怵了，因為在他們的印象中認為數據分析體系的建立是一個非常龐大的工作，而設計這樣一套數據分析體系更是無從下手。

但是事實上一套數據分析體系的完整建設過程確實是一個龐大的工作，但是隻是設計的過程的話，其實並沒有大家印象中的這麼麻煩。

接下來我便教給大家一個數據分析體系的三層設計法，幫助大家快速搞定一個最基礎的數據分析體系的設計。

02 數據分析體系三層設計法

搞定一個數據分析體系，其實只需要三步就可以進行完成。

也就是説任何數據分析體系都可以拆解為一個三層的三明治結構，如下圖所示：

我們具體來一個個拆解看一下：

1. 數據源採集層

這一層的本質目的就是去進行數據源的一個收集，我們需要將公司內部各個節點產生的數據都進行一個收集和集中，我們要做的工作主要是兩個：

1）分析並定義公司內部各個業務線所產生的數據有哪些？

eg：商品銷量數據，商品上下架數據，訂單數據，用户瀏覽行為數據。

2）定義各個數據源的存儲方式以及集中存儲位置。

eg：建立數倉以及對應的數據表來存儲對應的數據。

完成這一步，我們就是對整個數據體系最基礎的原料來源完成了一個運輸管道的建設，如下圖所示。

2. 數據處理層

在收集齊了全公司的數據之後，我們要做的下一步也就是將以往分散在各個數據處理單元中都需要進行的數據標準化操作在這裏需進行統一實現。

常見的操作分為如下三類：

1）數據清洗：根據一定的數據規則，將數據中的異常值如負數、零等這些數據進行刪除，從而使數據變得合理化。

2）全局數據口徑對齊：在很多時候我們經常會遇到一個情況，就是不同業務線以及不同模塊之間對於同一指標定義的計算公式不同，但是數據指標卻相同；例如毛利指標的定義等，那麼此時我們就需要將原來不同定義的公式計算出的數據結果，以一套標準的公式進行重新計算，得出一個唯一的結果。

3）數據合併：在數據處理中，很多時候我們處理的數據是冗餘的，所以我們需要對這些冗餘數據進行一次合併，從而簡化數據體量。

經過這樣一套統一的標準化操作我們就得到了全公司數據的一個唯一結果，也為我們上層應用去取用數據打好基礎，不會出現上層數據應用計算出的結果偏差巨大的現象。

這裏我們的建設結果如下圖所示：

3. 數據應用層

在前兩步完成了基礎數據的統一收集，我們相當於擁有了一個可以獲取全公司數據的一個數據全集，之後也完成了數據的基本處理，相當於此時我們所擁有的數據便是公司內部最全且最準確的數據。

此時我們就可以根據各個業務線的需求去打造對應的數據應用。

例如最常見的數據應用便是數據報表，我們將業務方想要看到的數據以一定的組織形式展示在一張報表中，例如訂單報表。用户報表等等。

此外，還有一些基於數據的輔助決策類應用，例如，採購預測根據近期7天或近14天商品銷售的情況來分析出：

這裏我們的建設結果如下圖所示：

可以看到經過這三步的設計，我們就得到了一個簡單且又全面的數據分析體系框架，如下圖所示。

03 最後

在這個框架的基礎上，我們可以根據實際業務發展不斷去擴充；例如新的數據源加入到數據源採集層以及新的統一的全局數據處理方法，以及基於前兩者演化的新的數據應用。

可以説這個數據分析體系框架幫助我們去從0~1搭建了一個可以參考，可以不斷擴展的數據分析體系容器，後續只需要不斷往裏頭填充具體場景的解決應用即可，這便是我們的設計思路。

#專欄作家#

三爺，微信公眾號：三爺茶館，人人都是產品經理專欄作家，2019年年度作者。《中台產品經理寶典》作者，原萬達高級產品、MBA特約講師、獨立創業者，現叮咚買菜B端產品線負責人，擁有多款集團項目從零到一經驗並帶領實現商業化佈局。

本文原創發佈於人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基於CC0協議。