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

在接手一款內部數(shù)據產品以后，由于業(yè)務拓展的原因，開始了一般統(tǒng)計型產品向BI產品轉型的過程。在近1.5年的產品單款產品設計中，我一直在思考『如何能讓用戶有效的觸達數(shù)據』。這篇文章是我對這個問題的淺層思考。

文章涉及三個問題：

• 數(shù)據觸達的概念
• 常見的數(shù)據觸達模式
• 我在探索的解決方案

數(shù)據觸達的概念

在我看來，數(shù)據是一種特殊內容的體現(xiàn)，更多的是通過量化的形式體現(xiàn)用戶對于實體/虛擬事物的感知；由于個體間的感知差異較大，所以產生了統(tǒng)計口徑的概念，以對可感知差異進行統(tǒng)一的衡量，并且產生了對比的概念，以強化差異性的概念。舉個例子：『對于客服服務水平的滿意程度』一般來說會有1-5分的衡量標準，但4.5分和5分的滿意度差異究竟在哪里，其實是一個很難說清楚的概念，為了在產品設計和運營的過程中出現(xiàn)類似的問題，我們可能會使用更加可量化的標準進行4.5和5分的評級標準確定（比如千單投訴率等）；

而數(shù)據觸達所指的就是：

• 如何用可感知的數(shù)據表達方式去描述差異性
• 用戶如何快速獲取并高效解讀該類差異；

問題一涉及的是評估標準的建設，暫時不在本文章中討論，主要想對問題二做一下討論：也就是在一個數(shù)據產品中，我們如何讓用戶快速獲取并高效解讀產品的變化。

常見的數(shù)據觸達模式

在市面上的數(shù)據分析產品中，在數(shù)據觸達模式上大致可以分為兩類：（1）有限度的專題內分析 （2）通用的分析工具，對此分別做以下解讀：

有限度的專題內分析

多體現(xiàn)于80%頭部用戶的通用統(tǒng)計型平臺（如百度統(tǒng)計）和垂類型的統(tǒng)計平臺（如主打轉換率分析的Growing IO）；該類型的平臺的特點是：會將數(shù)據按照特定的『專題』進行專題下的拆解，提供通用、有限度的數(shù)據呈現(xiàn)以及漲跌呈現(xiàn)，但是不對漲跌的原因進行分析及收益分析，用戶只能通過有限的幾個角度進行泛數(shù)據分析的查看，并得到相對表層的分析結果，再輔助A/B TEST等實驗進行思想的認證。

通用的分析工具

更多的出現(xiàn)在To B領域，以BI工具為主要的代表作，強調的是基礎層面的建設，即給出可能的分析包（例如對比、拆緯度、顯著性分析等），列舉出所有基礎的分析模式，但不提供任何的分析組合；之所以在企業(yè)界用的比較廣泛是因為企業(yè)界有非常明確的業(yè)務核心，需要相對靈活的場景去應對可能發(fā)生的商業(yè)變化，以多角度判斷部門或決策者對于決策的正確程度。

以上的情況，不針對決策，更多的還是利用『搜索』導向思維所做的產品，即對于有明確描述的分析問題進行分析，那么問題來了，對于探索期的業(yè)務和現(xiàn)在更多的分析場景，出現(xiàn)了兩種非常常見的分析情景：

1. 只能對于問題本事的現(xiàn)象進行描述，而并不確定問題的核心是什么，也就是說可能連『正確』的問題都問不出來 ；
2. 可能連問題表象本身都不能很好的描述，只有最終的目標，沒有路徑；

問題二涉及到復雜的分析決策過程，暫時不做討論，重點說明問題一。 那么問題一是一類什么樣子的問題？ 我理解更多的會出現(xiàn)在『產品或業(yè)務提升』或者『產品或問題收益分析上』，也就是為什么有問題？為什么能成功？ 不懷疑的是市面上確實有非常多的分析框架出現(xiàn)，但針對相對抽象的問題來說還是很難有一套比較完整的分析體系，通過產品的形式落地。

舉個稍微通俗一點的例子：為什么XX產品的DAU會在1月份有明顯的降低？更進一步的問法是為什么XX產品的DAU會，在做過某一次線上運營活動以后，反而降低的更快？ 以上的問題解釋，更多的是大家討論的『數(shù)據分析框架』的建立過程，但這個過程我們有沒有可能通過產品的方式，配合已有的數(shù)據觸達類產品進行落地？而不是僅僅停留在只給分析基礎，自由組合分析方法的模式上？我的答案是，可行，但有非常嚴苛的前提條件。

我在探索的解決方案

以上需求的出現(xiàn)，更多的像『知識引擎』的一種變體，即用戶只知道表象，而我們呈現(xiàn)的是邏輯上最可能出現(xiàn)的關聯(lián)原因和可能有的后續(xù)結果。在分析框架建立的前提，它的產品落地方案只合適在內部決策時，在相對成熟的業(yè)務，應用在相對成熟的問題下，比如『為什么銷售額會降低？』『為什么DAU會下降？』而處理的方式是，將所有的決策路徑進行『窮舉』，給出最可能的問題原因，再由人工做最后的判斷；從產品的角度來說，我可以理解為是對分析方法的打包，以適用于某一類分析專題，并在數(shù)據產品端提供分析決策的專題。那么做到這一點需要產品同學提供什么？我認為是如下幾點：

• 基于對業(yè)務的理解，對業(yè)務問題進行外部原因和內部原因的拆解和列舉
• 搭建每個原因樹下正?；虍惓５呐卸藴剩ū热缥覀儓F隊曾經做過，用梯度回歸模型做預警）
• 根據業(yè)務本身的權重，對相關的原因進行權重賦予（比如知道某個渠道的占比就是很低，那這個渠道就算有業(yè)績上絕對值的大幅提升，如果占比還是不怎么變化，其實對整體問題或收益的貢獻值自然不會太大）
• 對以上結點，根據異常和權重進行問題原因可能性的判斷
• 列舉出最可能的影響因素
• 人工最終判斷最終的結論
• 產品的設計和落地

需要注意的是以上內部原因和外部原因，產品中能穩(wěn)定設定的因子，只占到80%，剩下的20%突發(fā)性原因需要進行人工的調權或者特定模式的設定（比如節(jié)假日、比如運營活動、比如突發(fā)性事件），以上模式下分析方法的設定，需要疊加消息衰減模型和相關系數(shù)，以做分析專題準召的調整。

小結

數(shù)據觸達的形式已經隨著業(yè)務復雜性的增加，變得相對艱難，更多的分析人員和決策者面臨只知道業(yè)務表象，很難完全判斷出表象原因的情況；特別是對于初級業(yè)務人員和運營者來說，對于沒有完整分析框架的時候，甚至連原因都很難獲取。

傳統(tǒng)的數(shù)據觸達模式是：給予通用的分析工具，進行自由的組合和可能原因的人工判斷；或者根據有限的專題，進行原因的篩選，并不是一個直接觸達數(shù)據的模式，需要進行較多的分析框架和決策樹的搭建。而未來，我認為數(shù)據產品的同學需要真正去關注真正的影響因素，并在大數(shù)據的背景下，盡可能的窮舉所有影響該業(yè)務的因素，并根據模型的搭建和準召的不斷調整，給出較為可能的影響因子排序，以協(xié)助用戶對于分析框架的建立和最終原因的判斷。

在這里想特別說明的是，數(shù)據觸達的優(yōu)化并不能真正代替真正的分析人員最終的判斷和決策，它更多的只是彌補初級業(yè)務人員對分析框架建立上的障礙，和高級人員在人工歸因時的思維漏洞。由于創(chuàng)建成本比較高，它一定是基于業(yè)務團隊所需，高效解決高凈值問題時才會出現(xiàn)，而并非是一個可以完全對80%頭部用戶開放的事情，這可能是和很多做外部產品并因此獲得商業(yè)變現(xiàn)不太一致情況，需要特別加以區(qū)分。

本文由 @大喵 原創(chuàng)發(fā)布于人人都是產品經理。未經許可，禁止轉載。