数据中台
2023-04-12 22:18:20 0 举报
AI智能生成
登录查看完整内容
数据中台的基本知识
作者其他创作
大纲/内容
采存通用
原理
网络协同+数据智能
目标
数据库
日志文件
采集层
模型设计
数据指标管理
计算层
对外服务的接口
服务层
对内
对用户
对商家
应用层
架构
无必然关系
有了业务中台,搭建数据中台事半功倍,因为有了数据
业务中台和数据中台关系
业务口径→技术口径→模型设计→数据开发→后端开发→前端开发→联调→测试→上线→迭代
开发流程
用户行为数据
业务数据
数据分类
比如百度移动统计、友盟、神策等
使用他们的SDK即可
优点:开发成本低、数据质量好
缺点:只能看到基础数据,无法收集统计数据到数据中台
与第三方合作
优点:数据质量较高、关键环节采用后端买点数据不丢失、数据存储在本地服务器可以定制化分析
缺点:开发成本高
前后端埋点结合
优点:开发成本低、开发周期短、可交由业务部门产品运营完成数据埋点
缺点:只能完成普通的页面浏览的埋点,复杂的数据就不能实现采集
可视化埋点
如何采集
数据采集
建立一套统一的指标管理体系,数据指标由数据中台统一管理
名词解释
用户数
交易额
pv
uv
虚荣指标
留存率
转化率
退款率
动销率
增长指标
如何定义数据指标
数据库:存储业务数据
数据仓库:存储汇总统计的数据以支撑公司的决策分析
什么是数据库&数据仓库
原始数据
ODS:操作数据层,原始数据的复制,作用是业务系统和数据仓库之间形成隔离层
DIM:存储的是维度数据,如城市、省份等
ODS(操作数据层)&DIM(维度数据层)
结构和粒度一般与ODS层保持一致,但是汇总了DIM层的数据
DWD(明细数据层)
是以DWD层的数据为基础进行汇总计算的数据
DWS(汇总数据层)
以DWS层数据为基础进行数据处理
ADS(应用数据层)
数据中台的分层建模体系
数据存储&计算
数据打通:标签平台
功能通用,复用多条产品线
从拉新到激活留存变现传播,用户全链条核心数据自动化输出
设计思路
关注每个渠道关注人数、下单人数、交易额、首单人数、复购人数
渠道码管理
核心指标
做大规模投放时,做小规模测试,判断是否可持续
注册渠道ROI
用户拉新分析
关注路径每步之间的转化率
用户活跃分析
用户留存分析
病毒式传播K因子
用户裂变分析
用户生命周期分析
用户分析
供应链选择→商品选择→上架→销售→售后
商品生命周期
分析模型
设计能力
经营能力
供应能力
销售情况
指标
供应商选择
市场定位→目标人群→商品定位
商品选择
引流
跑量
高利润
四季常青
商品上架规划
售前分析
商品pv
商品uv
支付件数
支付金额
核心指标监控
品类价格段分析
售中分析
监控次品率
48小时发货率
退货率等核心指标
供应商服务质量
售后分析
商品分析
时长
跳出率
网页分析
进来
离开
路径分析
每个坑位的流量、交易额
坑位分析
流量分析
大盘
KPI
看板形式
目的
产品线提前计算好,不要在中台计算
收入
交易分析设计
领导层
明细数据,多维数据分析
运营
交易分析
优势:降低中台开发成本,基础指标不用多次开发
看板制作
看板使用
功能
供应商:帆软、达芬奇、superset
自助分析平台
通过圈人,做活动,看效果核心功能打造营销闭环
活动策划、做活动属于业务中台范畴,圈人和看效果属于数据中台范畴
面向运营,结合业务中台营销能力和数据中台数据分析能力的智能平台
定义
自动化营销平台
召回
过滤
排序
三大模块
个性化推荐
数据中台
0 条评论
回复 删除
下一页