大数据分析方法论介绍
- 格式:docx
- 大小:2.05 MB
- 文档页数:30
大数据分析方法论介绍
一. WHY:为什么要做数据分析
在目前讲解数据分析的文章里,大多数会忽略数据分析本身的目的。这会导致我们在执行时,会出现动作变形的情况。以终为始,才能保证不会跑偏。个人的理解上,数据分析是为了能以量化的方式来分析业务问题并得出结论。其中有两个重点词语:量化和业务。
首先讲下量化。量化是为了统一认知,并且确保路径可回溯,可复制。统一认知后,才能保证不同层级,不同部门的人在平等话语权和同一个方向的背景下进行讨论和协作,才能避免公司内的人以「我感觉」「我猜测」来猜测当前业务的情况。路径可回溯可复制指的是,通过量化后的结果,许多优化的方法是可以被找到原因并且可以被复制的。同样是转化率优化,用A 方案和B 方案,谁的效果会比较好和具体好多少,都是可被预测的。
要想做到量化,需要做到三点:建立量化体系,明确量化重点和保证数据准确性。
1.1 建立量化体系
建立量化体系,主要是根据「指标设计方法」,设计业务的「核心指标+拆解指标+业务指标」,最后落地成全公司通用的「指标字典」和「维度字典」。这种工作一般是由数据分析师或数据PM 来担任完成。通过这种方式,我们就能初步建立面向全公司全面而系统的量化分析框架,保证日常分析可以做到「逐层拆解,不重不漏」。
1.1.1 指标设计方法
讲到指标设计方法,大家可能觉得,之前听过了产品设计方法,程序开发方法,指标这种东西也有设计方法么?确实有,指标设计是一套以准确和易懂为准则,集合统计学和业务效果的方法论。准确是指能够准确满足衡量目的,易懂是指标算法能直观显示好与坏,并且指标的算法也能够通俗易懂。这两者很多时候需要有所抉择,准确是第一位的。举个例子:当我们想衡量一个群体收入的差异性时,用方差还是用基尼系数?方差好懂,但不能显示两个极端的差异性多大。基尼系数算法不好懂,但能准确描述这个问题。
具体到指标设计,我们需要使用一些常用的统计学工具:
以顾客质量分析为例:概况是我们看下顾客的平均支付金额,或者支付中位数,来了解顾客概况。如果我们想了解这批顾客的质量是都比较好,还是良莠不齐,则需要通过方差和标准差来描述。如果想知道更详细的内容,可以了解每个区间的用户数是多少,来做判断。
有一些Tips 供大家参考:
1.比率指标:关注实际效果(下单转化率,光看下单数是没有用的)
2.伴生指标:既要看新客数也要看CAC,确保数量的前提也要确保质量
3.防止坏指标:错误指标,虚荣指标,复杂指标
这里简单解释下每个Tips 的目标。之所以采取比率指标和伴生指标,是因为能够明显反映业务的「效率」且能够有效防止因为追求单个指标而导致动作变形。如果说这辆车能跑十万公里,其实并
不能表示这辆车的性能怎么样。只有「速率=路程/时间」,才能反映这辆车的效率。同时,如果片面追求速率,会导致汽车在设计时剑走偏锋,给驾驶者带来危险,因此需要再加个「故障率」或「事故率」等伴生指标来确保安全。
坏指标中的「虚荣指标」首次出现《精益数据分析》一书中,作者简单把「PV/UV」等指标都归为虚荣指标。刚开始时我颇为认可,但后续在实际的应用过程中,发现对于很多业务的监控,这些指标并避免不了。后续我便把「虚荣指标」更正为「把距离业务目标过远的环节定义为核心监控指标」。对于一个即时通讯APP 来讲,下载次数,启动用户数,注册用户数需要监控,但不能作为核心监控的指标。更合适的应该是消息数或「进行过对话的用户数」。复杂指标往往是各种「指数」,用了很多指标各种加减乘除,这会导致此类指标在发生波动时,很难分析原因。
拥有对指标的定义权和解释权是个段位非常高的事情。这要求设计者深入了解业务和拥有极高的抽象能力。对于分析师来讲,拥有指标定义权将凸显出你在业务方的重要性。当然,这里并不是鼓励大家为了定义指标而定义指标。寻找业界已有量化方法并在公司内推广,也是件功德无量的事情。
举个美女外卖的「美女厨师率加权指导值」为例。为避免泄露商业机密,将这个原本用来衡量用户体验的指标换成「美女厨师率」,以下背景也稍作修改,大家领会精神即可。指标的背景是为了保证用户的用餐体验,美女外卖总部提出每个城市的商家必须配备一定比例的美女厨师。但城市提出异议:不同城市拥有的商家情况不一样,大型的商家厨师多,美女厨师率会相对较低,不能用统一的值来对比所有城市。因此总部便设计出来这么一个指导值:将全国商家进行分层,每个层次的商家得出全国平均值,然后各个城市对标平均值产出自身的对标值,即「美女厨师率加权指导值」。虽然在计算上稍微复杂点,但在实际应用的过程中,BD 们只需要知道总体的差距和每一层商家的差别,很容易针对性的落地和优化。
1.1.2 建立指标体系
在根据「指标设计方法」上,如何建立起围绕业务的指标体系呢。核心是根据业务特征确定核心指标,在核心指标的基础上以不同的角度进行拆解。然后再慢慢补充其他业务的指标情况。
拆解的时候,要做到按指标拆解而非维度。比如订单数,也可以拆解为各品类的订单数合计。这一点可以通过保持上下两层指标名称不一致来避免。拆解的过程依照金字塔方法论的「逐层拆解,不重不漏(MECE)」。若拆解出来或业务补充的指标过多,可借鉴数据仓库的「域」概念来管理这些指标,如上图的「交易域」,「商品域」和「用户域」。
在一个规范的指标体系中,已经涉及到元数据管理的领域了。包括针对指标命名的规范,数据存储和计算的管理等等。大家有兴趣地可以搜下相关文章,或阅读阿里巴巴新出的《阿里巴巴大数据实践之路》。下面截取一张来自云栖大会的,关于指标命名规范的PPT 给大家:
1.1.3 建设指标维度字典
这里是转转公司早期部分的指标维度字典,(Bus Matrix),一定程度上解决了之前公司内对于指标定义不清或不统一的问题。现在这套东西已经产品化,可以在可视化产品中查看和显示了。
对于暂没能力产品化的公司,建议可由分析师们通过Google Docs 或Wiki 对一些关键和常用的指标进行统一的维护。