业务模型到中台设计--07.数据中台1.0架构设计
2021-11-12 18:07:41 61 举报AI智能生成
数据中台1.0架构设计：数据中台建设步骤、战略目标、阶段目标、执行战术
作者其他创作
大纲/内容
07.数据中台1.0架构设计
数据中台建设步骤
战略目标
系统想要实现的业务目标
数据中台就是为了能总览公司的整体业务发展情况，从而针对性查漏补缺
阶段目标
根据业务目标，具体要实现哪些功能来支撑以上需求
执行战术
当方案确定后开始具体的代码研发与业务方接入推进
7.1战略目标
找到数据指标范围<br>
通用指标
准确识别核心业务<br>
反映核心业务的指标
组合得到完整数据点列表
可能遇到的问题
采集数据颗粒度过细导致应用资源消耗过大
数据统计点过少（颗粒度过大）导致发现问题却无法定位具体原因
博弈
用户的本质诉求与你提供的解决方案间的博弈<br>
3种博弈
注意力博弈<br>
用户在产品中花费了多少时间。全天使用产品中，我们产品使用时间占比是多少<br>
交易量博弈
用户在我们产品中产生了多少交易量
创造力博弈
用户在我们产品中创造了多少高价值的内容
运作“货”和“人”
产品运营
产品内部信息的维护、迭代、更新（抽象意义上的“货”）
用户运营
主要围绕用户的拉新、促活、留存、转化四个方面
7.2阶段目标
数据指标体系分为2部分<br>
直接采集后的统计数据
特定事件分析结果数据<br>
如何梳理数据指标？
依据公司不同层级人群对于数据的指标需求进行归类<br>
在已经划分出的各个层级中进一步地完善和细化数据指标
指标建设分为3个层级<br>
层级一、战略指标
一般用来衡量公司整体业务的完成情况
选取与业务密切关联的，并且是整个行业中进行企业间对比、参考时所用的指标
数量上不要有过多的战略指标<br>
对于电商公司来说，战略指标可以是：GMV（成交总额）、用户数、总利润等<br>
层级二、战术指标
公司中支撑这些战略目标的具体业务的进展情况
以电商公司中订单中心为例，战术指标可以是总订单量（支付订单量+未支付订单量）、总订单支付金额
层级三、行动指标<br>
行动指标主要是对各个业务线中目标进行拆分，帮助我们来确定在具体工作中到底哪个环节出了问题
层级三的行动指标是可以指导具体一线工作的人员，开展下一步工作的指标
以订单为例，行动指标可以选定为订单付款转化率、订单付款后取消率。<br>订单转化率异常时，去针对性地检查并及时调整<br>
对数据分层拆分一般性规则
层级一
指标能否涵盖整个公司的战略目标
层级二
能否反应公司战略目标的承担者（各业务线）的业务进展情况
层级三
能否帮助我们第一时间发现具体业务环节所出现的问题
如何把握数据指标划分的度？3个纬度思考
业务目标
用户使用本产品的目的是什么？<br>我们要给用户提供哪些服务？<br>
实现方式
我们通过怎样的产品设计来达成上述目标？
业务度量
我们用什么指标去考核这些产品功能是否达成对应的效果？
好的指标几个要求
可准确反映业务情况
数据易收集
准确度高<br>
事件分析<br>
对特定的用户行为进行过程化的分析，从而得出定性的结果去指导下一步中产品要怎么做<br>
数据事件
将前面的一堆数据指标按一定顺序进行组合所形成的一组数据指标
在本质上是帮助决策者完成一个决策工具，需要建立起一个能帮助产品经理去决策当前产品发展到什么阶段，下一步要做什么的工具
事件分析为以下3件
如何快速定位产品当前在市场中所处态势（是什么）
如何找到当下产品中症结所在（怎么了）
带领整个团队确定产品下一步应该怎么走（怎么做）
7.3执行战术
生命周期可以归为3类
萌芽期
核心功能搭建完成，正在逐步扩充配套支援功能，即MVP
成长期
功能上，核心功能、配套支援功能都已基本完成；市场上，随着推广活动的展开，市场开始认知产品，大量用户进入并有市场反馈出现
成熟期
功能上，产品功能几乎全部开发完毕，开始“死磕”产品体验以完成90分～95分的打磨<br>市场上，用户量达到一定量，市场开始接纳产品，并且市场占据一定地位<br>
数据平台，怎么判断产品生命周期呢？
事件：判读产品当前态势<br>
萌芽期
新用户比例低于或等于用户流失比例。
成长阶段
新用户比例大于或流失比例。
成熟阶段
新用户比例与流失比例持平。
产品生命活动归类3项基本动作单元<br>
获取新用户
用户从外部感知到产品并进入产品
用户留存
产品能否制造出用户黏性，让用户留下来并重复使用产品
核心指标激活
产品能否引导用户完成公司的战略目标，这里不一定只有变现，还有作为产品线中的入口、附加幸福感解决方案等战略目标
3个态势，各自产品导向点是什么？如何监控？
萌芽期
拉新
新用户获取不足，主要设计驱动方向为获取新用户
在数据平台中主要关注的是个渠道质量
主要观察2个纬度
关注点：自然量
无任何运营推广时用户通过自然检索在应用商店中下载的数量（各渠道之和）<br>
自然检索的用户，需求很垂直。<br>通过观察可以清楚看出用户产品是否满意，产品自身是否打磨到位<br>同时，为渠道高质量评价与运营开展评判提供对比点<br>
基础渠道判断指标
在产品萌芽期，好渠道的获新率要大于自然量
在产品成长期/成熟期，好渠道的获新率至少要大于自然量的三分之一
关注点：什么渠道的ROI最高<br>ROI：投资回报率<br>
成长期
用户留存<br>
行业普遍规律
次日留存率至少要达到25%—40%（视行业而定）
7日留存率仅为1.66%<br>这里的计算规则有细微的不同，此处的7日留存率指周期开始前新增总人数的百分比，只需简单换算就可以
成熟期
关键指标转换
确定关键指标
事件动作拆分---漏斗模型检测<br>
用户的“七寸”，反应在2部分
用户静态标签<br>
固有标签：年龄、地区、性别、行业等
用的产品使用习惯
用户群体使用产品的特征：<br>使用集中在什么时间段、偏好在什么网络打开、平均使用时间长度有多少？<br>
通用 数据分析模型<br>
漏斗模型
通过检测一个流程从起点（用户进入）到最后完成目标经历过的每个节点的用户数与上一步的转换留存数
用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型
漏斗模型完成后，从3个纬度进行分析
纵向对比<br>
与自己历史同期进行对比<br>适用于某一流程或者其中某个步骤进行改进或者优化的效果监控<br>
横向对比
将本产品与竞品的同一流程转化率进行横向对比，定位自己产品出现的问题<br>
来源分类
细分来源不同的客户类型在转化率上的表现从而完成客户群体划分，<br>在日常分析中通常用于对网站广告或推广的效果的评价<br>
核心思想：分解和归类量化
杜邦分析模型
标准定义：利用几种主要的财务比率之间的关系来综合地分析企业的财务状况
是一种用来评价公司赢利能力和股东权益回报水平以及从财务角度评价企业绩效的经典方法
将大指标拆分成若干个底层应用中直接触达的动作，去看和核心指标相关的一些变动，从而去定位核心指标变动的原因
电商成交金额进行拆分
核心指标拆分：销售额=付费人数×客单价
子指标拆分：付费人数=UV×付费转化率
通用数据指标
*单独整理表格
数据中台1.0架构设计
数据采集之后，对于数据2中应用方法
对数据进行事件分析，得出部分数据所反映的问题结果
想要看这一堆数据的具体指代业务的变化情况
0 条评论
下一页
