对于某一块业务来说,建立完数据指标体系,整体的业务就得到监 控。当数据发生异动时,通过数据指标体系拆解,能够快速定位问题。 本节的重点有三个:第一,理解数据异动背后的业务意义,这是最重要 的;第二,出现数据异动后,应该如何快速定位问题;第三,从数据埋 点到数据指标体系再到数据异动分析的闭环思维体系。
1、判断数据波动是否正常
根据指标背后代表的意义,确定数据波动是否正常。脱离业务含义的分析没有意义
2、数据波动的方法论
1. 排除数据周期性波动
数据的周期性波动是一种自然形态的波动。例如,对于一款游戏来 说,周末、节假日的DAU肯定比工作日要高;如果看小时数据的话,每 天12:00~14:00及20:00以后的数据会比其他时间段的高
又如,公众号文章的阅读量周内普遍高于周末。 当遇到一个数据异动排查的问题,首先需要确定这个问题是不是周 期性波动的问题,如果是,告诉业务方这是周期性的变化即可。
总结一下,排查数据异动的第一步是,先确定数据的波动是否是周 期性波动引起的,因为周期性波动属于正常的波动。对于不同的业务, 周期性波动可能会受到季节、节假日、周末等因素的影响,需视具体的 业务情况而定。
2.排除业务内部因素引起的数据波动
通常情况下,内部影响来源于业务活动。例如,运营人员经常组织 的拉新、促活、促销等活动通常会造成某一段时间内的活跃用户数、销 售额等指标高于平时。
举个简单的例子来说,如图6-20(a)所示,在某段时间内业务方 推出了登录奖励活动,该段时间的DAU增长了35%左右,但是活动结束 之后DAU又回到了正常水平。这类由业务方内部主动行为造成的数据波 动也属于正常波动。
面对这种情况,数据分析师可以更进一步地帮助业务方分析活动效 果,从数据的角度找出有哪些点是可以提升的,如果数据分析师能给出 一些意见或建议,就更好了。这样的数据分析才是有价值的,最终是能 够帮助业务方的
3.排除外部因素引起的数据波动
除了业务方主动行为造成的数据波动,还会有一些外部因素造成的 数据波动。例如,天气、政策、竞争对手等外部因素的影响,数据分析 师也无能为力。这里也举个例子进行说明,如图6-21所示,比如某款竞 品在国外被禁了,公司产品作为替代品,其DAU瞬间暴涨。这就是政策 因素带来的利好情况,虽然现实中大部分情况是负面的。
所以对于这些不可控的外部因素的影响,特别是负面的影响,数据 分析师可以评估其影响范围和影响周期,反馈给业务方以帮助其决策。
4.排除数据传输问题引起的数据波动
对于数据传输问题,数据分析师需要先排查报表的数据是否能和底 层数据库的数据对上。如果能够对上,就说明监控报表的数据是没有问 题的,是业务本身出现了波动。这个波动的影响因素到底是什么,就需 要通过逻辑树的方法进一步地分析了。 如果报表的数据和底层数据库的数据对不上,就需要根据数据传输 流程回溯每一个关键节点去找到真正出问题的环节,可能是数据调度的 问题,也可能是数据入库的问题,还可能是客户端/服务器等数据记录 的问题。
5.通过逻辑树确定数据波动影响因素
首先,数据分析师需要对DAU进行拆解,根据用户构成可以将 DAU拆解为新用户和老用户;老用户又可以拆分为留存用户和回流用 户;回流用户又可以继续拆分为近七日注册的回流用户和七天前注册的 回流用户。通过这样的拆分,可以看出到底是新用户少了还是老用户少 了,明确问题后继续向下拆分确定最细颗粒度的影响因素。
数据分析师也可以对新用户进行其他维度的拆分,可以按地区进行 拆分,看看到底是哪个地区的新用户减少造成的,如果是整体用户减少 造成的,那可能是产品本身存在一定问题,和新用户的匹配性不是很 好;如果是某个地区的用户减少,则可以继续拆解维度,可以考虑以服 务器为维度进行拆解,因为某个地区的用户骤减可能是该地区服务器坏 了,这是思考角度之一;还可能是产品在当地的本地化做得不够好,对 于某个地区的用户群体没有足够的吸引力。
6.从数据埋点到指标体系再到指标异动的闭环
数据埋点是数据指标体系构建的基础,通过埋点能获取大量的用户 行为数据;有了用户行为数据,可以提练出数据指标和监控维度,实现 对业务变化趋势的实时监控;当业务出现数据异动时,可以通过指标体 系中的不同维度的组合排查影响到业务、产生数据异动的具体因素。 从数据埋点到数据指标体系的构建再到数据异动分析,三位一体监 控业务变化,形成一个闭环。