解读数据的三个层次

时间:2023-01-19 | 标签: | 作者:Q8 | 来源:网络

小提示:您能找到这篇{解读数据的三个层次}绝对不是偶然,我们能帮您找到潜在客户,解决您的困扰。如果您对本页介绍的解读数据的三个层次内容感兴趣,有相关需求意向欢迎拨打我们的服务热线,或留言咨询,我们将第一时间联系您!

编辑导语:由于认知程度不同,面对相同的数据,不同人可以洞察的信息会有很大差异,大致可以分为感知、认知、底层这三个层次,而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。本文作者对数据的三个层次进行了解读,一起来看一下吧。

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:

  1. 感知:知道数据是多少
  2. 认知:知道数据的变化原因
  3. 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:

  1. 用户数据(谁)——eg:用户画像、用户活跃、用户生命周期、用户价值
  2. 行为数据(做了什么)——eg:浏览、访问、停留时长、跳转、跳出
  3. 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:

  1. 维度(Dimensions)
  2. 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=触达网络宣传在哪个网站免费做量级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,充分吸收外促销式软文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:企业整体的战略甘肃抖音代运营方案有没有定位、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

 

本文由 @不知名的阿Q 于,,。



题图来自 Unsplash,基于CC0协议

解读数据的三个层次

上一篇:五个方法,破解数据分析的核心难题
下一篇:你和数据分析高手之间,只差一个标签


版权声明:以上主题为“解读数据的三个层次"的内容可能是本站网友自行发布,或者来至于网络。如有侵权欢迎联系我们客服QQ处理,谢谢。
相关内容
扫码咨询
    解读数据的三个层次
    打开微信扫码或长按识别二维码

小提示:您应该对本页介绍的“解读数据的三个层次”相关内容感兴趣,若您有相关需求欢迎拨打我们的服务热线或留言咨询,我们尽快与您联系沟通解读数据的三个层次的相关事宜。

关键词:2年, 初级, 数据层次,

关于 | 业务 | 案例 | 免责 | 隐私
客服邮箱:545321@QQ.com
电话:400-021-1330 | 客服QQ:545321
沪ICP备12034177号 | 沪公网安备31010702002418号