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

隨著業務規模的擴大，各類相關的數據量增大、數據指標也越來越多，如果缺乏指標體系就會造成難以衡量產品/活動效果、難以判斷整體業務發展狀況等問題。而本文就通過拆解阿里制定指標的規范，來為我們建立數據指標體系做一些參考。

在建立OneData之前，阿里數據有30000多個指標，其中，即使是同樣的命名，但定義口徑卻不一致。即使是中等規模的公司，也是如此，隨著數據量的增大，數據指標也會越來越多，缺乏指標體系的管理會存在各種各樣的問題。

一、指標不規范帶來的問題

1. 在數據指標概念=0時，業務方按“我覺得”來辦事，難以衡量效果

產品設計、運營同學通常是：我覺得用戶會喜歡我們新推出的這個功能，我覺得新推的活動，活動效果會很好…..

那領導就要問了，這個“覺得”有什么依據么？怎樣衡量用戶喜歡這個新增的功能？怎樣判斷活動效果好，多少人參與或是多少轉化？

這樣一提問，其實設計者們也云里霧里的，一臉懵逼，別問設計原因，問就是回答其它競品也有這個功能，所以我們也做……

是不是覺得自己也中招了？

不過已經有大批產品人員已經意識到傳統的盲目設計、抄襲式設計時代已經過去，數字化產品時代已到來的現狀，開始嘗試用數據指標來輔助業務決策。于是開始進入下一階段…

2. 此時數據指標概念=0.5，有單點數據指標，但難以看出整體業務問題

這種情況下通常是想到什么業務指標，就用什么業務指標。

比方說看到神策、友盟數據分析類廠商通常會用GMV、日活用戶、月活用戶、PV、UV、頁面停留時長等數據，于是產品設計人員先將其照搬進來，再結合具體使用的時候，會想到一些指標，然后逐個往上加。

以網約車為例，今天的GMV降低50%，是什么原因導致呢？

分析人員回復說：受疫情影響，乘客下單量降低20%。

這是平臺當前已有指標，那還有30%呢？是什么問題導致的？

于是分析人員一查數，發現在線司機數、接單司機數降低30%，于是匆匆的又把臨時想到的這兩個指標，簡單的描述了一下業務含義，經過一系列的溝通協調，讓研發臨時添加。

這種方式會存在什么問題呢？

1. 指標修改成本大。研發團隊需要重新進行數據采集、清洗、存儲工作。
2. 取值定義不清晰，數據不準確。
3. 指標缺乏定義規范，各部門理解難度大。會產生一些重復指標，如指標名稱相同，含義不同，例如都叫注冊司機，一種定義的是注冊手機號成功即為注冊司機；一種定義的是加盟成功了的是注冊司機。
4. 存儲、計算、研發成本高：沒有統一的規范管理，造成了重復計算的資源浪費；數據的層次和粒度不清晰，使得重復存儲嚴重。

二、理解OneData指標規范

既然不提前設計指標體系會出現諸多問題，那指標體設計流程是什么？如何保證指標體系的規范設計呢？

下面我們先來看看阿里是如何制定指標規范的：

以維度建模作為理論基礎，構建總線矩陣，定義業務域、數據域、業務過程、度量/原子指標、維度、維度屬性、修飾詞、修飾類型、時間周期、派生指標等。

1. 業務域

比數據域更高維度的業務劃分方法，適用于特別龐大的業務系統，且業務板塊之間的指標或業務重疊性較小。例如用車業務板塊包含乘客端、司機端，電商業務板塊包含商城、返利模塊。

2. 業務過程

業務過程可以概括為一個個不可拆分的行為事件，如下單、支付、評價等業務過程/事件。

看到這一系列的名詞，很多人可能就開始懵逼了，業務域倒還能理解，簡單來說就是對不同業務的分類；業務過程也容易理解，相當于畫業務流程圖唄。

那數據域又是何方神圣？

3. 數據域

是聯系較為緊密的數據主題的集合，是對業務對象高度概括的概念層歸類，目的是便于數據管理與應用。

簡而言之，數據域就類似于我們電腦桌面要建立不同的文件夾來存儲數據，這些個文件夾名就是數據域。

維度、維度屬性、修飾這些怎么理解？有什么用途？

4. 維度

是度量的環境，用來反映業務的一類屬性，這類屬性的集合構成一個維度，可以從who-where-when-what層面來看。

5. 維度屬性

維度屬性隸屬于維度，相當于維度的具體說明，如用戶維度中性別為男、女。

6. 修飾詞

指除了統計維度以外指標的業務場景。

7. 修飾類型

對修飾詞的抽象劃分。

簡而言之，維度和修飾都可以理解為原子指標的一些限定條件，懂sql的會更好理解一些，一般是寫sql時，放在where語句后邊的。

8. 度量/原子指標

原子指標和度量含義相同，某一業務行為事件下的度量，是業務定義中不可拆分的指標，如注冊數。

9. 時間周期

用來明確數據統計的時間范圍或是時間點，如最近30天、自然周、截至當日等。

10. 指標類型

包含原子指標、派生指標。

• 原子指標 = 行為事件+度量
• 派生指標 = 一個原子指標+多個修飾詞+時間周期

例如：原子指標=完單量，派生指標=近一周iOS乘客完單量，包含時間周期=近一周，修飾詞=iOS，維度=乘客，原子指標=完單量。

三、制定自己的指標體系規范

接下來參考阿里的onedata數據標準，搭建網約車體系中的數據指標。

• 業務背景：用車業務是網約車整體業務中的一個核心，處于多次循環迭代中，存在指標定義不規范，業務方頻繁提出新增指標，技術修改難度大等問題，所以目前需要從業務整體角度重新構建指標體系。
• 業務目標：標準化指標體系，提升指標提取工作效率。
• 行動：在構建指標體系的過程中，首要動作要明確指標分類和約束指標命名方式，使各個指標能夠做到見名知意、減少溝通成本，這里我們參照阿里對指標的劃分，來規范建設指標體系。

1. 調研業務需求與分析業務流程

1）調研業務需求

充分的業務調研是指標體系構建的基礎，在數據指標體系搭建項目啟動前，需要與各業務方詳細了解具體業務、梳理清楚關鍵業務流程。

需求采集可分為定量、定性采集兩種類型，定量地發放調研問卷形式，廣泛采集業務需求；定性地進行用戶訪談，深度挖掘業務應用場景和核心需求。詳細的需求采集與分析方式之前《需求采集與需求分析》這篇文章有寫過，此處不再展開，可做參考。

2）分析業務流程

根據阿里巴巴onedata的最佳實踐，業務過程可以概括為一個個不可拆解的行為事件。為梳理數據之間的邏輯關系和流向，首先要理解用戶的業務過程，了解業務過程中涉及的數據系統。

下面以網約車體系為例，梳理司機端、乘客端的業務流程以及數據指標。

乘客端流程可劃分為：注冊/登陸、下單、服務、支付、評價/客服投訴。

核心流程中所產生的業務指標：

1. 注冊/登陸階段：新用戶數、用戶數、不同渠道用戶數
2. 下單階段：下單量、新用戶下單量、老用戶下單量、不同城市下單量數據、不同車型下單量數據、下單成功用戶數
3. 決策階段：議價訂單數、非議價訂單數、決策階段用戶主動取消訂單數、決策階段超時取消數、數加價完成訂單數、減價完成訂單數
4. 服務階段：下單成功用戶數、訂單時長、下單成功率、完單量、完單率、完單用戶數
5. 支付階段：訂單金額、訂單平均金額、訂單優惠金額、計費差額
6. 評價階段：好評率、差評率

司機端業務流程可劃分為：

業務流程中產生的核心業務指標：

1. 注冊/登陸階段：注冊用戶數、新增用戶數
2. 加盟階段：提交審核用戶數、審核通過用戶數、新注冊司機、累計注冊量、老司機量、新司機量
3. 接單階段：在線司機數、聽單司機數、有效聽單司機數、中標司機數、中標率、日均中標司機數
4. 決策階段：決策階段司機取消訂單數
5. 服務：服務平均距離、平均時長、空駛平均距離、空駛平均時長
6. 評價：司機好評率、司機差評率、平均星級
7. 提現：司機余額、提現次數、提現金額

在明確用戶的業務過程后，需要根據分析決策的業務，劃分數據域，并在相應的數據域下拆解具體的業務過程。

2. 劃分數據域

數據域：是聯系較為緊密的數據主題的集合，是對業務對象高度概括的概念層歸類，目的是便于數據管理與應用。

這里相當于對數據進行分類，類似于我們電腦桌面要建立不同的文件夾來存儲數據。我們的數據是面向不同業務人員，比方說市場、運營、客服、風控等人員，而其關注的業務模塊大不相同。

而我們技術人員還要給他們提供各種不同的數據指標，找起來工作效率低，服務器計算成本高（你想想在電腦搜索框查某一文件名時，是不是很慢），業務人員也難以及時得到數據。沒辦法，那我就做個數據的分類吧，方便我們快速找數據，以及未來橫向擴展數據。

所以在劃分數據域時，我們也要注意：

• 能涵蓋當前所有的業務需求
• 能拓展新業務進入已有數據域，或者拓展新的數據域

這里就相當于電腦上的文件夾命名，要包含當前所有的文件（數據），產生新文件時，能夠放到已有文件或者是方便新建一個文件。

可以根據對業務需求、各個模塊的業務流程進行分析，進行數據域的劃分。通常數據域劃分可以根據企業部門劃分，如客服、運營、市場等；也可以按照業務過程或者業務板塊的功能模塊劃分。

例如網約車體系中用車業務域可劃分為如下表所示的數據域，依據實際業務過程進行歸納、抽象得出數據域。

3. 定義指標規范——總線矩陣構建

我們梳理了業務域、數據域、業務過程的整體框架，接下來針對指標規范進行設計。

簡單點理解，相當于我們設計了文件夾的一級、二級、三級目錄結構規范，現在要對該文件命名結構規范進行設計。

常用的指標基本是按照個人理解給予的命名，并沒有特別的規范，比如說日活/月活用戶量、近一個月下單量、完單金額等。但隨著數據指標的增多，出現了很多限定條件下的指標，比如近7天北京快車下單量這樣的指標，這個指標是如何設計得到的，有沒有一套指標規范設計呢？

如上圖所示，設計指標時需清晰定義業務域=用車業務、數據域=服務域、業務過程=下單、維度=城市、屬性=北京、時間周期=近7天、修飾詞=快車、度量/原子指標=下單量。通過增加對原子指標的約束條件，規范產生派生指標=近7天北京快車下單量，提供一套通用的指標定義標準，方便不同業務部門的人理解指標含義。

以網約車體系中的服務域為例，制定如下總線矩陣，劃分業務過程為下單、派單、決策、開始行程、完單。

總線矩陣是數倉架構師會用的比較多，對于產品人員會比較難理解，其實就類似于數學中矩陣和排列組合，一個原子指標的維度限制條件組合不同，可得到成千上萬個派生指標。

總結

本文主要從數據產品角度介紹，如何基于阿里OneData進行網約車指標體系建設。通過對業務分析、數據域劃分及總線矩陣構建，來建立一套指標設計規范。通過建立指標規范，可以提升研發和業務方的指標獲取效率，為后續自助式分析打下基礎。

在設計指標規范過程中發現會產生成千上萬個指標，那這些指標哪些是真正給業務方提供指導意義的呢？