中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

如果對一個公司的業務沒有足夠的了解，是沒有辦法去做分析的，今天演講中闡述的不管是組織架構的設計還是分析案例，都是緊緊圍繞途家網的商業模型展開。因此，本文作者將從途家數據團隊的發展、部門的構成及職責這兩個方面去跟大家分享一下途家網的一些實踐。

以前說到數據驅動業務增長，我們第一個想到的可能是數據分析的方法。但就目前來看，數據驅動業務的增長已經成為一個不僅僅是分析方法和模型，而是包括了數據人才培養、數據架構的設計，甚至整個公司組織架構設計的企業治理問題。所以，今天我想從途家數據團隊的發展、部門的構成及職責這兩個方面去跟大家分享一下途家網的一些實踐。

如果對一個公司的業務沒有足夠的了解，是沒有辦法去做分析的，今天演講中闡述的不管是組織架構的設計還是分析案例，都是緊緊圍繞途家網的商業模型展開，所以我先大概介紹一下途家的業務：途家網是一家已經進入“獨角獸”俱樂部的全球公寓民宿預訂平臺，于2011年12月1日正式上線。我們提供服務公寓、度假公寓、別墅、客棧、民宿等各類度假租賃產品的在線搜索、查詢和交易服務。

一、數據分析團隊發展的5個階段

我們途家網成立五年以來，整個數據團隊的成長也是經歷了五個階段。

途家網數據團隊的發展線路圖

第一階段：從 2011 年底途家網正式上線到 2013 年 2 月，這個階段我們沒有專業的數據分析師。

在公司剛剛成立的階段，沒有招專業數據分析師的必要，但是這個時候仍然需要做數據分析。途家網的創始人具備深厚的計算機背景，所以這個階段基本上是創始人自己在做分析。通過數據分析，創始人對公司的業務發展能有很清晰的認識，非常有利于去快速做一些重要的決策。

第二階段：從 2013 年 2 月到 2014 年 2 月，我們有了專職的數據分析人員。

這個時候創始人已經沒有足夠的時間去看大量的數據了，所以我們有了第一個專職的數據分析人員。全公司第一個專職的數據分析人員非常關鍵，因為這個人在很大程度上決定了整個公司之后在數據方面的如何發展。

第三階段：從 2014 年 2 月到 2015 年 4 月，我們成立了專門的BI團隊。

這個時候，途家網基本上進入了一個快速發展的階段，業務部門也非常的多。在這個階段我們除了基礎的數據分析，會把更多的精力放在原始數據的收集、數據工具的優化上面。

第四階段：從 2015 年 4 月到 2017 年 1 月，這是一個業務井噴的階段。

這時 BI 部門的一個最基礎的責任就是，務必讓每一個業務的負責方及時地看到自己的數據，進而及時發現問題。所以這個時候我們會做一些數據可視化的工作。

第五階段：從 2017 年 1 月份到現在，我們開始做一些自助式的分析。

因為這個時候我們發現，整個 BI 團隊 12 個人，需要去支撐整個公司上千人的團隊已經很困難。我們只能把數據分析的職能下放，做到去中心化。也就是 BI 團隊負責制定標準的數據，讓業務的人去自己去做分析。

總的來說，數據團隊發展路線，其實和業務增長的路線是一致的。這個過程我們用了 5 年多的時間，這個發展速度和途家網整個商業模式是相關的。有可能在交易頻次更高的一個公司里，完成這些步驟只需要一年多的時間，但是不論時間長短，這5個步驟是大部分公司都會經歷的。

二、BI 團隊組成

BI 團隊有兩個比較重要的責任，第一個是務必能夠保證用數據講清楚每一個業務的狀況；第二個責任是要輔助公司做決策，用數據去告訴大家未來怎么樣做更有效率，如何去達到公司最大的目標。

為了承擔這兩個責任，我們成立了四個團隊。商業分析團隊，BI報表團隊，數據倉庫團隊，和市場競爭分析團隊。

BI 團隊的組成

1、商業分析團隊

這個團隊的兩個非常重要的職能，一個是分析一些非固定的專項問題；另一個是當企業大了之后，負責一些分析工具的培訓。

接下來我會用3個實踐案例去講這個部門具體做的事情。

案例1：首位數據分析人員的培養

在初創的企業做數據分析是一件非常讓人頭疼的事情，大家請看圖片就能說明這個崗位的繁忙程度，負責數據分析的這個人基本什么都得干。

更重要的是，他會碰到很多很多的問題：

1. 初創企業沒有標準的數據，也沒有足夠多的數據；
2. 業務與業務之間的數據邏輯關系需要大量時間梳理；
3. 沒有足夠的技術人員幫忙寫代碼；
4. 不熟悉業務的情況下很難用簡短的語言概括分析結果。

這時候公司可能會考慮選擇去招一個大公司背景的專業的數據分析師，但是實際情況是，在發展已經成熟的公司里，一個數據分析師背后是有成千上百人的數據產品和數據技術團隊支撐的，成熟的分析師在商業分析上更擅長，但在整合數據的生產流程上未必非常清楚。所以我覺得，初創型的公司除了招聘一名成熟的數據分析師，還有更高效率的解決方案。

我們途家網的解決方案是，讓一個熟悉業務的老員工轉崗去做數據分析；或者說讓一個熟悉技術，又懂業務的人去轉崗，避免溝通上的低效。同時使用成熟的數據分析工具，避免在數據質量、以及重復性工作上浪費大量的時間精力。

通過這樣的方式，這個人會很快地把整個數據分析的框架搭建起來。最后你會發現，在公司成立四年到五年之后，這個人就是整個公司通過數據去驅動業務增長的靈魂。

案例2：業務和財務的互動

一個企業無法脫離的目標是盈利?，F在國內的市場競爭日趨激烈，大家都在拼命去搶市場，但是在這個過程中可能會階段性忽略盈利這個指標。途家網一直非常注重財務結合業務的分析，我們的業務分析人員和財務分析人員，每周都會固定地去看一下，業務上的動作在財務報表上的表現。這對管理層來說是一件非常讓人放心的事，因為能非常清楚地知道資金和人的精力花在了什么地方，有什么樣的效果。

為什么要做這件事情？因為通常來講，從業務前端到最后財務數字的整個鏈條里，業務分析人員很難掌握財務收入的確認規則，財務人員又需要更多時間去學習掌握不停變化的業務邏輯。通過財務分析人員和業務分析人員深度的互補和互動，能夠做到驅動一個企業盡快地盈利。至少這個過程會讓我們知道，盈利的來源是什么，哪怕目前是虧損，你也能知道為什么是虧的，以及怎么能做到止損。

案例3：大膽假設，小心求證的分析思維

以上兩個案例是比較宏觀一些的商業分析人員需要解決的問題，以下這個案例則是日常工作中經常發生的：當業務人員來找分析師要一個數據的時候，負責任的數據分析師需要幫業務人員梳理分析的邏輯。

業務人員要的數據

比如業務人員問你要一個App訂單變化的數據，但其實他想看的東西，或者應該看的東西，遠不止這些。

業務人員真正想要的情況

這時候再回過頭去問他，你到底要干什么？這個時候你會發現，有可能是老板發現昨天的訂單比前天的訂單突然增長了50%，超出了他的預期，但是他又不知道為什么發生了這些增長。業務人員在做分析的時候，經常提出來的是一個點。但是對于一個數據分析師來說，你需要幫業務人員具體理這些分析的框架，最終找到數據變化的原因。

不管是你在初創型的公司還是中型公司，在做數據分析的時候一定不要忘記這三個步驟：

1. 定義問題：首先你想清楚，你在數據分析的時候你到底要分析什么題目？
2. 大膽假設：思考出現這個數據變化所有可能的原因。
3. 小心求證：在小心求證完之后，才能得到比較客觀的結論。

對于比較初級的分析師來講，可能適應這個思維會花一定的時間；但是一個商業敏感度非常高的分析師，可能只需要幾分鐘就能夠完成以上4個步驟并給出客觀的分析結論。

接下來我們從一個具體的案例去驗證以上的分析邏輯：假設今天我們的訂單突然增長50%，為什么？

我們可以通過多維度分析的方式去考察，第一個是城市的維度，第二個是渠道維度。

兩個數據分析場景

• 第一個場景：從城市的維度上看，每個城市大概增長了5%，都是等比的增長。從渠道上看，App 增長了80%左右，但是其它的渠道并沒有帶來這么多的增長。所以這個時候我們可以得出一個結論，這種數據現象有可能是我們在App 端投放的啟動量導致的增長。
• 第二個場景：北京這個城市增長的非常多，但是其他城市基本上沒什么增長；App 也同樣是80%左右的增長。結合這兩個圖，我們就會得出，有可能是一個北京的 KA 用戶，在 App 下了訂單導致的增長。

這兩個數據的圖形看起來非常的相近，但是得出來的結論很不一樣，最后導致的企業的決策也會很不一樣。

2、BI 報表團隊

BI 報表團隊的 3 個重要職責是，將業務方常規需要查看的數據沉淀為 BI 報表；幫助業務人員實現可視化的自助式數據分析；分析師自己沉淀一些主動分析的數據結果給大家看。

接下來我還是用3個具體的實踐案例去講這個團隊在做的事情。

案例1：可視化

可視化數據報表

這個報表說明的是，我們每周在每一個渠道上面的表現。當然我們做的實際報表會比這個更長一些，會看到每一個渠道吸引過來的注冊，以及這些注冊用戶在未來的一段時間內的留存率以及價值轉化。

這個報表在每一個公司都非常常見，但是它的核心的目的是什么呢？是讓我們的業務人員清楚地知道投放的效果，以此來決定未來的投放資源如何去調整，進而提升投放的 ROI。這個目的需要通過報表的制作以及一些額外的可視化來實現，報表負責展示數據，可視化負責讓業務人員花更少的時間去獲取數據之上的關鍵信息：假設我們根據過去的業務情況得出，ROI 低于 10 是不能接受的，做一些簡單的可視化工作就能夠突顯這個信息。

案例2：可視化基礎上的自助式分析

在業務線和業務部門越來越多之后，我們希望業務人員能夠自主地在報表上完成一些初步的分析。所以這個 BI 報表實際上就是在可視化的基礎上，做了更多的自助設計分析。讓業務人員能夠通過一些拖拉拽的鉆取操作，快速的看到問題的所在，找到問題的原因。

這個報表其實是可以支持下鉆的，如果某個渠道的 ROI 過低，可以點擊下鉆到每個訂單的其他屬性，例如什么會員級別、什么落地頁、什么優惠措施、買的產品是哪些，提供產品的商戶的服務質量怎么樣。這個報表對我們分析師團隊來說，也大幅度地提升了工作效率?，F在我們可以在 10分鐘內知道整個公司一周的業務變化。

案例3：商業分析師的報表沉淀

傳統的報表制作流程是，需求方把需求提出來，然后工程師來負責把報表做出來。但是我們會更強調商業分析師的主動性，這個主動性是什么？

• 第一個主動性的要求是因為商業分析師在看過海量的數據之后需要產生自己的一些想法。從不同的維度上去分析數據，可能會對業務有額外的幫助。
• 第二個是因為，對于一個業務人員來講，每天只看自己業務范圍內的數據即可，但是跨業務之間的數據產生的價值大部分時候是被忽略的。所以商業分析師需要主動的去思考跨業務之間的邏輯，然后固化在報表上面，給業務人員提供更多的價值。

下面我提供一個途家網自己的案例：

用戶出行遷移

我們是一個在三亞起家的住宿型公司。我們通過數據會發現，在夏天的時候是西南地區的人去三亞比較多；而冬天東北地區的用戶會大量的去三亞過冬。因為冬天東北非常冷，有很多老年人在這樣的天氣里會很不舒服。我們通過用戶季節性的分析，發現一些規律。這樣的規律對線上線下的活動投放非常有幫助，尤其是在冬天投放線下戶外廣告的時候，我們會把更多的精力放在北方區域。

我們還做了其他的實踐去體現數據分析的價值。比如分析師會去挖掘，這個商圈到底是 300 塊錢的房子更好賣，還是 400 塊錢的房子更好賣？懷柔區可能兩室一廳的房子更好賣，但 CBD 就有可能是一室一廳的房子更好賣，把這些分析的結果去指導銷售人員去獲取房源，一個量化的結果就是新簽房屋的動銷率提升了 20 個百分點。

目前我們已經沉淀了300多個報表，有84%的報表在一周之內被打開過，這些報表平均每天被100多個人訪問，每天大概被訪問300多次。這樣的做法會讓 BI 團隊的人感到自己非常有價值，而且這么多的報表經常被打開，說明整個公司的數據價值沒有被浪費掉，也說明數據驅動業務增長的理念是深入到公司大部分的人心里的。

3、數據倉庫團隊

在更大的公司，或者說在 BAT ，數據倉庫應該是被放在技術部，而不是 BI 部門。我們為什么要放在 BI 部門呢？因為這樣能讓分析師知道每一個指標，在數據庫里是怎么被算出來的。數據的標準性和嚴謹性會有很大程度上的提升。

數據倉庫的職責

數據倉庫的主要4個職能：

1. 負責整個原始數據的收集和清洗：對任何一個初創型的公司來講，這個工作都是要花費大量人力的，所以我們選擇使用 GrowingIO 的產品，獲取實時全量的用戶行為數據。
2. 負責數據報表的抽?。?/strong>因為公司的數據結構越來越復雜，數據報表越來越多。讓數據倉庫團隊做一些數據指標的抽取工作，就可以讓分析師直接去分析已經抽取過的統計表，大量地節省分析師在原始代碼上的精力。
3. 負責各個系統之間的數據規整：各個系統都會展示一些數據，但是每個系統展示的數據可能都不太一樣。為了解決這個問題，我們會讓數據倉庫的工程師去做統一數據的輸出，務必保證每一個人在每一個平臺上看到的數據都是一致的。
4. 負責一部分分析的職能：以上 3 個最基礎的工作完成之后，數據倉庫的人員也會承擔一些分析的職能。