读书笔记//《数据分析之道》

出版时间：2022年
作者曾在互联网大厂做数据分析。从举例可以洞见作者的工作经历。
点评：作者在数据分析领域非常资深，尝试在书中提供一个数据分析工作框架参考。本书更适合互联网领域数据分析，对其他行业亦有参考。书本内容有点感觉是ppt的集合，辅以案例说明。不过，干货还是很多。

一、数据治理

1、什么是数据治理

数据治理是逐步实现数据价值的过程。具体来说，数据治理是指将零散的用户数据通过采集、传输、储存等一系列标准化流程变成格式规范、结构统一的数据，并构建严格规范的综合数据管控机制；对这些标准化的数据进行进一步加工分析，形成具有指导意义的业务监控报表、业务监控模型，以辅助业务方进行决策。

2、数据治理的流程

3、数据治理的部分岗位职责

• 数据分析师：负责数据的即时查询和指标体系、报表体系的建设以及输出各项业务报告；
• 数据产品经理：负责数据产品原型设计以及推动数据产品的实现和落地；
• 数据挖掘与算法工程师：基于业务问题开发数据模型以辅助业务方进行决策。
  

二、数据思维

1、数据思维应用场景

如：构建有效的监控体系和客观的评价标准，用合理的分析方法探究原因以及评价效果，综合运用统计学知识对活动效果进行评估。

2、如何培养数据思维

（1） 熟悉业务及常用的数据分析方法，最好建立自己的分析体系

• 对比分析是得出数据结论最简单有效的方法。（单独出一篇说明）
• 分群思维是贯穿数据分析全链路的分析思维。（单独出一篇说明）
• 相关性分析师探索变量关系的方法，但是相关性不代表因果性。需要掌握必要的因果推断方法。（单独出一篇说明）

（2）面对具体问题，多问为什么，树立目标意识，找出需求背后的潜在分析点
切忌沦为业务方的“取数工具人”。要多沟通，挖掘数据需求背后的真实用意，主动提出更多数据分析，切实解决业务问题。

（3）建立标准，通过客观的标准代替主观的判断
数据分析师排查业务问题的步骤：
用假设检验，代替预设立场——>与特定标准进行比较——>排查原因——>定位问题。

（4） 基于分析结果，为业务方提出切实可行的解决方案
数据分析师提出合理建议会经历的三个阶段：给数据，给报告，给观点。给观点比较难，不仅需要熟练的分析技巧、缜密的数据思维，还需要对业务有极深的了解。

数据分析师需要避免的几种提建议的方式：

三、数据埋点

在数据产生过程，数据分析师需要关注三个问题：
第一，用户的哪些行为会被采集到，是在客户端还是在服务器被采集到；
第二，实现用户数据采集的技术有哪些以及它们之间的异同；
第三，采集到的用户数据是如何实现上报的。

数据埋点流程：

埋点设计6步骤：

四、数据标签体系（典型：用户画像）

用户画像是数据标签体系的一种。用户画像，是把用户的多维度标签按照一定规律进行组合，以提高数据分析师的分析效率，更好地辅助运营人员进行决策。
《用户画像》 传送门

1、数据标签体系的作用
用户洞察、个性推荐、渠道优化、营销增强等。

2、数据标签的分类
从计算方式层面分类，可以分为统计类标签、规则类标签、模型类标签（如机器学习类标签）。
数据分析师负责统计类标签、规则类标签的构建和维护；算法工程师负责模型类标签的维护。
按更新时间分类：离线标签、实时标签。

数据标签可以根据不同的业务需求和业务形态进行层级分类，分类原则遵照MECE原则（相互独立、完全穷尽）

3、数据标签体系构建流程

五、数据指标体系

数据的核心作用之一是监控业务发展变化，发现潜在的业务问题。

1、什么是数据指标体系？
指标体系是指标与体系的结合体，是一套从多个维度拆解业务现状并有系统、有规律地组合起来的多个指标。

2、指标体系的功能？
第一，指标体系是一套标准化的衡量指标，可以监控业务的发展情况。——公司视角
第二，指标体系可以形成报表并固化下来，以减少重复工作，提高分析效率。——数据分析师视角
第三，通过指标分级治理，如果业务出现问题，通过指标拆解，迅速定位业务问题，给出业务优化方向。——业务视角

3、什么样的指标体系才是好的指标体系？
业务存在的问题都可以通过指标体系中的数据回溯、下钻和分级拆解得以暴露。
如果分析师仍然需要频繁临时取数，说明指标体系还不够完善。
指标体系往往不是设计出来，随着业务在深度和广度的发展，渐渐生长出来。

4、构建一套指标体系需要解决哪些问题？

• 数据提前埋点
• 统一计算口径，形成指标字典
• 指标穷尽且相互独立，遵循MCEC原则

5、构建数据指标体系的方法论？
（以互联网行业为例）

图-数据指标体系构建的流程

• OSM模型——明确业务目标，数据赋能业务。
• O是核心kpi，S是行动策略，M是策略指标。
• 把业务的核心kpi拆解到用户生命周期（AARRR）或者用户行为路径。（UJM）中，在整条链路中分析可以提升核心KPI的点，据此制定行动策略。
• AARRR模型是从产品角度出发，揭示用户的生命周期。UJM模型是从用户出发，解释用户的行为路径。

栗子：GMV相关的指标体系搭建框架

6、如何搭建一套通用的指标体系并快速落地应用？

图-多部门配合搭建数据指标体系的流程

完整的指标体系搭建流程有以下7个步骤：
（1）需求收集：产品（策划）经理或者运营人员完成产品原型（策划案）或者运营方案，数据分析师根据原型（策划案）或者运营方案提炼数据需求，评估需求可行性并和需求方讨论，修改不合理需求。
（2）需求汇总及排期：数据分析师将数据需求整理成文档并根据优先级对需求进行排期。
（3）确定指标体系方案：数据分析师以OSM模型、AARRR模型、UJM模型、MECE模型作为指导思想，初步确定指标体系建设方案。
（4）确定数据埋点方案：数据分析师根据初步的指标体系建设方案设计埋点方案，同时给出字段命名规范及数据采集方案。然后，数据分析师将上述方案给到前后端进行埋点。
（5）数据采集：在数据采集阶段，数据工程师需要将前后端埋点数据送入数据仓库并进行数据清洗。
（6）搭建指标体系：在搭建指标体系之前，数据分析师需要对入库的数据进行核验，检查数据是否全，数值是否正确。然后，根据指标体系建设方案进行指标体系搭建及落地。
（7）效果评估：指标体系落地，用于监控业务现状，指导业务决策，定位业务问题，在业务方的不断反馈中逐渐完善整套指标体系。

图-通用指标体系的构建流程

图-AARRR模型分解业务目标

图-通用的一级指标

7、如何运用指标体系定位异动因素？
传送门

——————————————————————

再次感谢原作者！