起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識三頁PPT搭建證券APP數據管理體系
搭建數據指標體系、建立數據流程、培養數據思維和數據習慣是業務部門搭建起來數據管理體系的基礎三件套。
在券商互聯網+的浪潮之下，越來越多的券商主動擁抱了互聯網?；ヂ摼W的發展給傳統券商業務帶來了機遇，同時也帶來了一些挑戰，促使業務部門不得不改變自己原有的工作方式。
傳統的券商業務部門在互聯網+的進程中，要獲得更高的數據賦能，除了轉變思路，學習互聯網的渠道和運營營銷方式，也需要主動習得互聯網公司的數據能力。很多傳統的公司在進行互聯網化的同時，仍然不知道應該看什么指標、不同團隊如何在關注不同指標的同時協調工作，也不知道如何去拆解指標如何把跟蹤數據這件事融入到日常的工作中去。
針對這三個問題，本文給出自己的思考：
- 應該關心什么數據指標
- 如何開展數據工作
- 提升這些指標的一些要點
我們應該關心什么指標？——搭建三級立體指標體系
一個業務要涉及諸多部門，各部門也有不同的層級。大家關心的東西不是十分一致的，但又需要統一方向，統一目標，向著同一個方向前進。同時，不同崗位的工作的落腳點也是不一樣的，不同的工作內容需要有明確可以評估和據此改進的指標。這就需要我們日常跟蹤的數據指標是有統有分，有層次，能落到不同的崗位職務上。
利用這個叫做“指標金字塔”的指標分層概念可以幫助解決這個問題。“指標金字塔”將我們平時需要關心的指標分為三個等級，每個等級在工作中有不同的意義和指導作用。
基礎核心指標：KPI、OKR相關，一級指標
位于最頂端的指標是核心指標，通常與整個業務條線的年度目標一致。它可能是營收、月活人數、日活人數、交易活躍人數、AUM、新開戶人數等等。通常這個指標是高層業務決策人經過一系列深思熟慮定下來，服務于公司整體發展需要，也最能體現用戶的核心需求，反映整個業務的走向。一段時期內只有一個工作重心，而這個工作重心評估的標準就是我們的核心指標，指標最好不要超過三個。
一級指標的提升是整個部門乃至公司配合的結果，涉及到產品、運營、開發和設計所有相關團隊。這是所有相關人員都應該知悉及不斷跟進的數據，是各個部門領導聚在一起開會討論的話題中心。同時，廣大的各層級員工也需要認可這個目標。
基礎核心指標跟蹤的周期通常以季度為周期跟進，季度結束后做全面的總結和預估。
重點業務指標：重要功能、業務目標相關，二級指標
第二級指標通常涉及的人更少，但可能也是跨團隊的指標。為支撐核心目標完成，通常我們會規劃在一段時間內做幾個重點業務，如理財商城或融資融券業務的使用人數、次數、交易額等。產品功能和業務重點涉及的產品經理、開發人員、上線推廣的運營人員負責整個項目的不同環節，需要跨團隊的配合，從前期基礎業務流程的梳理和準備，到產品流程的設計和開發，最后又運營推廣人員進行上線相應的推廣、客戶服務，此后產品團隊還需要對產品上線后的數據和用戶反饋進行迭代，持續優化。
重點業務指標可以由多個部門共同承擔，或者進行相應拆分，也可根據不同的業務內容由單一部門負責。
此等級指標的跟蹤周期通常是月，各部門可根據月完成進度調整下月的工作節奏。
常規操作指標：產品、運營單次效果指標，三級指標
第三級指標通常與我們日常工作內容相關，跟蹤常規的迭代和運營效果，服務核心業務，也可能只是為了維護日常的產品功能和用戶服務。這類指標是我們最常見的數據，如單個版本上線后的DAU、某次運營推廣活動的pv、uv、轉化率等。
常規操作指標與一個項目的管理人員和執行人員的相關，用于優化具體的執行細節或者執行方案，通常每天由不同的人來跟進。
對產品經理來說，任何一個小的版本的產品優化都可以在上線后一周至兩周內監測其產品使用人數、產品留存人數、點擊率，用以驗證這個小的產品優化是否真的有效。這是一個操作指標的跟進。
下面舉個例子：指標金字塔如何進行拆解 。
指標的拆解更多的需要我們先理解業務的邏輯，跟隨理想的用戶行為路線將大指標拆解為小指標。以上圖為例，假如一個APP目前的核心指標是客戶人數，在這個路線上，從用戶下載到成為活躍用戶，再到轉化成我們真正的客戶，其經歷的兩個重要環節：大致分為產品轉化和運營轉化。產品轉化，通過刺激用戶首次使用產品，持續使用產品，將用戶變成一個活躍用戶。在運營轉化環節，運營通過產品運營、用戶運營、活動運營等多種運營手段，將一個活躍用戶轉化成客戶。在一系列活動運營的設置中，單次的活動轉化客戶人數就是一個可操作指標。
層層分解和落地，就能讓最核心的高高在上的指標和我們日常的工作聯系起來。
如何開展數據工作？建立數據流程
建立數據的工作流程的目的不是要一定按照固定的規范行事，流程只是個形式，流程的目的是為了讓一線工作人員們有意識、有安排、有節奏的去開展工作，也更能方便團隊內部和外部的配合。
數據工作流程大致為：提出業務需求——拆解數據需求——數據預處理——數據跟蹤反饋——分析總結五個環節。每個環節的時間節點和負責人都要一一明確。
以典型的互聯網公司為例，通常一個版本的迭代涉及到需求確認、排期、設計、前后端開發、埋點、測試、正式上線等環節。
版本需求大約提前一個月確定，包括產品和運營的需求。需求確定之后，進入到開發期，產品經理需要將其中的數據需求進行拆解，統一規劃并部署，在上線前將需要檢測的數據和提取方式、相應的埋點規則與開發人員溝通好，并測試埋點是否按照要求完成。上線后能看到指定的數據，如果數據出現異常，負責埋點的數據工作人員需要及時與開發人員進行溝通修正。
通常埋點工作是由產品經理在做綜合考慮業務需求后，納入產品需求和規劃開發的一部分一起做的。但如果是運營活動的H5頁面、帖子頁面，此時拆解數據需求和做數據預處理的就可能是運營人員自己。在一些分工更細的公司，從承接數據需求，數據處理和數據展示可能都是專門的數據團隊負責。雖然流程各環節實施的人和時間節點都可以依據具體的業務而定，但一定要明確達成共識的流程可以落地。
同樣用一個新產品上線的案例來說明：
- APP 計劃上線一個新的功能，叫 AI 智能選股。產品經理這個產品的各種需求收集在一起，進行規劃和流程設計，出具產品文檔，詳細到具體的實現方式，并說明埋點和數據監測方式。
- 全團隊進行需求評估： AI 智能選股是否滿足業務和用戶的需求，優先級是否高，是否安排開發資源等。
- 通過需求評估后，將此功能納入產品開發排期，確定上線版本，同時評估是否有足夠開發資源和運營資源。
- 進入開發期：設計——開發（包括數據埋點及監測開發）——測試（包括數據埋點及監測測試）。
- AI 選股產品上線后，在首頁有個 Icon 入口，可檢測其點擊數據，看是否有異常，兩周內的點擊率是多少，比之前同位置 Icon 點擊更高還是更低，相較于這個首頁流量的點擊占比提高還是增加。監測其他入口和各路徑、流程的轉化率。也可以對AI選股的整體使用情況做個短期的跟蹤。
- 總結分析。 AI 選股產品的整體使用人數、使用時長、留存情況等數量和趨勢、以后的迭代方向、用戶反饋等等。
如何提高業務指標？——培養數據思維和數據習慣
1. 從上到下培養數據習慣
從每天的站會、每周的周會、每一次部門會議業務會議開始，把數據表現的回顧掛在嘴邊是培養大家關注數據結果的習慣的開始。這個習慣一定要領導們身體力行。數據是我們一切工作結果的衡量標準，也是我們優化工作的參考，更是我們決策的依據。指標無大小，大會議分析大指標，小會議分析小指標。當我們都習慣了以客觀的數據為依據去評估工作的時候，整個公司才會有統一的判斷標準和方向。
2. 時時反饋，事事反饋
要有定期的數據匯報，可以是每周正式的周報，也可以是不正式的通報。數據反饋能讓從開發人員到運營人員都清楚自己工作的成果是什么。不斷增長和向好的數據，會讓大家認可自己日?？赡墁嵥楹椭貜偷墓ぷ?。如果數據表現不好，也會促使大家去思考原因何在以及如何改進。這會極大地增加全體員工的意義感和參與感，哪怕只是上線一個小功能的點擊走勢，也能讓大家對自己工作的結果心中有數。數據結果是一種紐帶，把大家串聯在一起，這是可以隨時隨地、非正式地進行分享的。
3. 明確工作職責，落實到指標上
雖然提升業務指標的要點其實已經完全融入到了平時對核心指標的關注和數據工作流程和團隊間工作協調上，但還是需要明確不同的團隊和個人的工作職責，并且落實到相關指標上。單個指標有諸多可控和不可控的因素，但可以用更多元化的考核機制來靈活的處理這個問題。例如新轉化用戶這個指標，可以拆分成轉化率和流量兩個細分指標，流量*轉化率=新轉化用戶。產品和運營可以共同對新轉化用戶這個指標負責，但在不同的環節上有各自的側重。
4. 建設一個強大的數據中臺
最后一點是，一個強大的數據應用工具能夠讓我們的工作更有條理、更直接、更快捷。對有開發能力的公司來說，定制化一個能實時看到數據反饋、可視化指標結果，并且給與運營和產品同事一些便捷的數據工具的強大數據中臺是一個非常值得投入的事情。甚至可以將營銷平臺、埋點管理、用戶管理系統作為這個數據中臺的聯動系統或分支系統，實時的對營銷活動、產品熱力度、推送效果等運營產品數據效果給出效果展示和數據分析。這也能極大地為運營和產品團隊賦予數據能力。
結語
搭建數據指標體系、建立數據流程、培養數據思維和數據習慣是業務部門搭建起來數據管理體系的基礎三件套。數據是管理工具，也是業務工具。搭建數據體系的基礎工作更值得好好投入，這樣才能讓我們的管理和業務在數據助力之下走入增長的快車道。
本文由 @尼基 原創發布于人人都是產品經理?，未經許可，禁止轉載。
題圖來自 Pexels，基于 CC0 協議
繼續努力
說實話，有點泛泛而談，但難得見個分析證券app數據體系的，贊下。