解读数据的三个层次
关于认知和解读数据，我其实也不是权威，只想借机让各个零碎的知识联结成网。互联网所有工作的本质都在于解决问题，归因、聚合、离散等等都是把一切问题变得有条理的手段，有条理是我们无限期待接近的目标。
01 解读数据的三个层次
面对相同的数据信息，不同的人因认知程度不同，可以洞察的信息会有很大差异，大致可分为三个层次：
- 感知：知道数据是多少
- 认知：知道数据的变化原因
- 底层：预测数据的变化趋势
这三个层次是循序渐进的，可以作为是否透彻洞察数据的一个标准。尤其是第三个层次，通过过去与现在洞察未来，并作出决策和判断。这其实是一个标准职业经理人需要具备的素质，这里吐个槽，哪怕在行业头部企业，这样的人也并不多见，这世上多的是南郭先生。
02 数据的三个大致分类
互联网公司每天会产生上千万上亿的数据，其实这些数据大致都可以分为三类：
- 用户数据（谁）——eg：用户画像、用户活跃、用户生命周期、用户价值
- 行为数据（做了什么）——eg：浏览、访问、停留时长、跳转、跳出
- 业务数据（结果如何）——eg：转化率、GMV、客单价、毛利率
业务数据往往是比较直观的，它直接对应你的OKR或者KPI，最重要的业务目标在增长黑客里也有一个说法叫「北极星指标」。它最大的特点在于可衡量、可拆解。
用户数据这里也不用多说，一个业务或者产品面对的目标用户，它的具体用户画像和特征，无论是用研调查还是技术算法，都会穷尽可能，让你感知和了解用户大盘。
行为数据这里稍后会展开，结合UJM+OSM聊一聊。
其实对于每一个数据字段，也可以进一步分类：
- 维度（Dimensions）
- 度量（Measures）
这里看英文可以更直观，在统计学中，单一数据字段可以被分为离散和连续。离散通常是维度，特征是有限数量的值，比如城市名称；连续通常是度量，特征是不可罗列，可能为任一数值，比如GMV。但维度和度量其实也并不是泾渭分明的，比如金额，可以做维度，也可以度量。但绝大多数情况下，可大致如此分类。
1. 行为数据UJM+OSM模型
UJM即User Journey Map，用户旅程地图；OSM即Objective-Strategy-Measurement，目标、策略和衡量；这两个模型在绘制产品和业务大图时常常会结合使用。插一句，这里其实就是我和老板相互画饼的日常，哈哈哈~
这里简单绘制一个示意图大家感知一下即可：
2. 搭建数据指标体系的tips
1）明确核心指标
- 核心指标必须有业务可解释性，能够结合业务充分对数据进行解读
- 核心指标必须可拆解，进一步拆解为各个子目标
- 明确产品不同发展阶段下的不同核心指标：产品生长期、成熟期和衰退期，核心指标应随之发生改变
2）核心指标拆解
核心目标的拆解有多种方法，业内常用的比如加减乘除公式、二八法则、漏斗转化等。
在公式拆解这里有一个小tips：
- 宏观角度用乘法：例如规模=触达量级x渗透率x点击率
- 微观角度用加法：例如发送量=营销型+产品型=（个性化+品牌+活动）+（更新+迭代）
3）数据指标口径
由于互联网公司部门与部门间的沟通成本巨大，数据指标口径建议在统一达成共识后，数据口径、关键库表、SQL统一进行归档。
03 以流量数据为例进行解读
这里以常见的C端流量数据为例，进行一个初步的数据解读，也不枉上边讲了一堆方法论，也好有一点实操感。
1. 流量数据分类
日常流量运营里，可以用“4W1H”进行一个简单的流量数据划分。原则上画图会更清晰，但太麻烦了，就简单罗列一下：
- Where ——> 营销场——>渠道场景/流量位/资源位
- Who ——> 人——>用户/人群网格化细分
- What ——> 产品供给——>内容/创意/商品
- How ——> 分配策略/匹配策略
- When ——> 时机/事件/时间
2. 流量数据分析
关于流量数据分析，可以简单用一句话概括：流量从哪儿来？经过什么？产生了什么价值？如果波动，波动原因是什么？
- 渠道分析——>从哪儿来
- 转化分析——>经过什么
- 价值分析——>产生什么价值
- 波动分析——>异常波动的关键因素
以上是整体的分析思路，具体的业务场景里，包括结构分析、趋势分析、对比分析等；一些思维方法包括网格化、象限法、漏斗法、公式结构等；常用的数据工具就更多了，Excel、SQL、Python、FBI看板等等。
总而言之，理清主要思路，具体用哪一种方式，从A到B有无数条路径，这个可以千人千面。
04 数据认知能力培养
关于这个part我也还在进行时。我的观点是无论解读数据的能力，还是关于数据认知的敏感，这都是一个任重而道远的过程，需要有长期主义的心态，保持持续学习的态度和热情。
保持数据洞察，其实可以随时随地进行练习。对待任何一个事物或者产品，保持结构化理性，充分吸收外部信息和整理内化信息。例如思考都可以从宏观、中观、微观角度去切入。
- 宏观：行业情现状和趋势、竞对洞察、社会时事政策、行业分析报告
- 中观：企业整体的战略定位、整体数据扫描与诊断、决策者意图
- 微观：具体业务细节数据、效果评估、提升空间
本文作者 @不知名的阿Q 。
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
