数据建设工作并不是一件简单的事，应该怎么开展？

之前有读者给梁哥留言，但是梁哥回答不了，只是沉默了。想了想，今天就写一篇文章。读者提问：1。数据的维度「维度」许多人在做数据分析和提高需求时会遇到这两个词。但也有很多人写「纬度」、「围度」，其实梁哥不知道哪个是对的，但从我的理解来看，「维度」比较合理。在互联网上工作，对于数据这件事，可以说，任何类型的工作，都必须与之打交道，只是关注点可能不一致。做市场，PR、对于公关专业的学生来说，他们关心的是大而化的数据。你会发现市场品牌宣传稿和公关稿中的数据都很大。比如某个产品上线以来，注册用户X万/亿，日常用户Y万/亿以上。平均每5分钟下载一次产品...每秒同步处理Z笔交易...等等。对于生产产品的学生来说，他们关心的是用户如何使用产品，用户进入哪些入口，停留在哪些页面或功能点，以及他们在实现什么目标后离开多久。对于操作的学生来说，他们关心获得一个新用户需要多少钱，他们的活动是否有一个好的投资回报率，他们的预算是否带来了预期的效果，下个月的KPI是活跃的用户还是转换支付。因此，如果一家公司没有人关心数据，或者关心数据的人不关心数据，或者关心错误的数据，那将是一场灾难。数据的维度非常广泛，包括时间维度(日、月、年、时、分、秒……)、动作维度(注册、激活、登录、使用、转换、付费、损失……)、空间维度(访问时间、页面数……)和各种率。对于一个企业来说，要想好好运营(我说大运营)，控制数据是非常重要的，不用说。2.做一些产品最需要知道的数据Web和App，大家关心的是不一样的。大多数人会接触到非常肤浅的数据。例如，在Web时代，我们关注紫外线、PV、访问页面的数量和停留时间似乎是一个非常通用的指标；至于应用程序，它注重注册用户、活跃用户和付费用户，这似乎也是一个非常通用的指标。因此，你会发现Web时代，Google、百度将提供统计工具，实现方法非常简单，申请账户，获取代码，将代码放入每个页面，这是最粗糙的做法；应用时代，有些人提供统计工具、联盟、诸葛io等，有些只要你访问SDK，有些需要你在线部署。但是，我说的都是很粗的维度。这些粗颗粒数据在广泛操作中可能非常有效，但它们只能反映最肤浅的数据，也就是说，您可以通过数据的趋势来判断当前产品的健康和生长。但是，一旦数据波动很大，就很难找到原因，因为这些宏观数据没有进入微观领域。如果你想了解微观，那么，在Web时代，你应该能够配置路径。所谓路径，就是流量从进入到离开。就像玩游戏一样，你应该植入足够的侦察力来监控或分析一些情报；在应用时代，你需要有自己的数据团队。他们应该能够通过埋点构建用户的行为模型。在模型中，您可以看到用户的使用。其实就这么简单，因为这些都是基础工作。在基础工作中，提出需求和在线解决方案非常重要，这已经进入了读者纠结的部分。3.如何在这里提出数据需求，梁哥想和你谈谈如何提出数据需求，从哪里找出数据需求的线索。如果开发团队今天有一个数据组，你知道如何提高数据需求作为操作吗？首先，你应该对业务有很好的了解。什么是对业务非常了解？当我训练一个数据专家时，我会要求他花两周的时间，什么都不做，和每个业务领导聊天，找出当前涉及到每个业务的产品，整个业务流程，用户的使用流程，需要几个步骤，最终会反馈什么。然后回来告诉我，能说清楚的，进入下一个环节，说不清楚的，重新理解，直到能掌握业务的真实情况。二是要根据业务的未来提埋点需求。也就是说，要建立数据系统，我们不仅要了解业务的现状，还要非常了解业务的未来。此时，我们需要一份清单。业务中涉及的产品做了什么，未来会调整什么（例如，3个月）。列表中应有一系列条件说明，如功能、埋点条件、计划完成时间等，然后注明您需要通过埋点了解什么。例如，一个注册过程。注册过程是否简单，我们可以通过：注册完成率、X步放弃率，然后计算进入人数、注册用户数量、数据填写完成和放弃的绝对值和比例。你可能会说，只要知道注册完成率，为什么要考虑X步放弃率。很简单，x步放弃率中出现的x步越多，证明这一步存在问题，然后提出优化假设并通过数据验证，是否降低了x步放弃率。三是要求明确，重点明确。我真的见过，问需要数据埋点吗？需要。怎样埋法，哪些位置需要埋？答:一切都要。事实上，这个答案意味着你要么不知道自己想要什么，要么根本不知道该注意什么。在数据建设中，有一个名词叫做「业务分析关键指标项」，这个术语的意思是：无论业务涉及多少数据，只要指标发生变化，数据就会发生相应的变化，这是一个很大的变化。例如，电子商务中有一个叫做销售=销售单价x销售的公式。其中，如果要增加销量，要么单价上涨，要么销量上升。因此，这两个指标是关键指标。但是，如果商品本身的价格一直很稳定，那么关键指标其实就是销量。另一方面，如果数据显示商品本身的价格很强，不可能随意修改，那么关键是推动销售增长，你不能关注单价的变化，反之亦然。因此，提出的数据需求必须找出核心数据和边缘数据、关键数据和辅助数据，才能有人愿意和你一起玩。4.数据的分级推广就像提问者问的那样。很多公司没有那么多的财力物力，还要自己做数据平台吗？我的回答一定是:要！问题是，怎么做？在这里，我们将讨论一个层层推进的问题。正如前面提到的，一些数据的粒度非常粗糙，可以由第三方完成。一旦进入业务支持的数据分析，就不太可能依靠第三方。那么，无论你是一家多小的公司，分层推进数据建设总是成立的。Step1：埋葬核心业务数据本身是一项费时费力的工作，但我相信，只要一家公司能够生存或希望生存，即使他们找不到商业模式，他们也应该意识到他们的核心业务是什么。那么，围绕核心业务所需的数据，首先要做的就是把这个业务所有数据的埋点都做掉。Step2：明确核心业务的数据呈现结构。有些业务是漏斗式的，用户通过1、2、为了完成业务流程，通过建立数据漏斗，可以看到用户在整个业务流程中的实际使用。例如，在交易平台上，用户的业务流程是：浏览-订单-付款-收货-评估。事实上，你会发现漏斗在这里很明显。浏览-订单有订单转换率；订单-付款有付款转换率；付款内部有付款成功率；付款完成-收货有确认转换率；收货完成-评估，评估转换率。但对于核心业务流来说，前期只需要浏览-下单-付款即可。什么，人力不够？所以下订单-付款总是要做的。完成核心业务流后，向前和向后延伸埋点布局。同样，当核心业务的数据建设告一段落时，继续进行其他非核心业务的数据建设。一个接一个，虽然看起来工作量不小，但总有一天会完成。Step3：埋点建设和报表输出第二步完成后，应尽快先埋点。有能力做自动化报告，没有能力，可以在简单的后台提供查询，没有能力，数据学生提供查询SQL，开发权限为相关接口人员提供查询。Step4：如法炮制其他业务的数据建设做法基本一致，只要能做一个，就能做第二个，并不难。5.自动化不急。很多时候，数据建设很难。事实上，如何进行自动化是困难的。当然，自动化有很多好处。不需要手动SQL，直接系统邮件日报、周报、月报；直接监控关键指标项目，通过各种渠道报警相关人员出现问题；.....但是，从一开始就不需要自动化。操作常说有工具要上，没有工具要靠人肉做。道理是一样的。关键是公司和老板是否意识到数据建设的重要性，是否愿意给资源？如果你没有意识到这些都是胡说八道，如果你意识到了，我认为作为一名运营商，学会提高需求就足够了。一个非常现实的问题是，大多数老板并不真正关心数据。我记得当我在一家公司的时候，数据老板和我聊天，他说，整个公司，你访问数据的频率最高，基本上每天都在看，但我们的老板，从来没有看过数据。其实做数据的人最怕两件事:没人用，没人看；看完没人反馈问题或者需求。因此，为了不浪费数据学生的努力，一旦公司决心进行数据建设，那么这条路就必须坚持下去，并记住要看到更多的数据。否则，一切都是胡说八道。