分清指标和维度关系
既然是数据产品,一定离不开数据图表。而要做图表,首先得确定指标和维度。最直观的说:指标就是图表中纵坐标轴;维度就是横坐标轴。
身高,销售量,访问量,收入这些能用数字衡量的,就是指标;而性别,部门,访问来源,地区等不能用数值衡量的,就是维度。
指标和维度组成一个数据图表的基本元素。当然,最重要的一种维度就是时间,它的优先级会在其他所有维度之上,下文中会更多地讨论。一般人应该不会分不清指标和维度,去使用一下excel中的数据透视表功能,你就会对指标和维度理解得非常深刻。
有对比才有信息,有信息才有价值
销售总监向ceo汇报:“上个季度我们销量是100单”。这话其实是没有信息量的。真正有价值的是对比后产生的信息:“上个季度我们销量100单,比上上个季度多了20单,增长25%!”。第一种对比就是时间维度的,纵向的对比。这样就能知道是变好还是变坏。
“上个季度我们销售了100单,在所有分公司中排名第一!”这是第二种对比方式,即横向的对比。横向对比不能告诉你变好还是变坏,但能告诉你是好还是坏。
那聪明的孩子肯定知道第三种对比方式了。纵向与横向都进行对比,一个指标的价值才会体现。不仅告诉你变好,变多好,还能告诉你哪里变好或者为什么变好。
案例一:
如图,订单量从纵向和横向(不同规模客户)进行了对比。
上图会反应一个很典型的销售分析场景:
首先,分管销售和市场的副总裁接被告知销量增长了25%(变好了),然后他会看是什么类型的客户增长了(为什么变好),他发现是50-200人的订单和0-25人的订单增长迅速,那么进一步,他再看看这些客户的地域分布、行业分布或者是所隶属的分公司的分布对比,分析增长的外生因素和企业内生因素。
比如,0-25人企业新增量大部分来自超一线城市,原因是政府鼓励学生创业计划,0-25人小微企业大量涌现,导致订单量增加(外生的影响因素);而50-200人的中型企业客户增加,大部分来自珠三角地区的制造业,原因是产品功能上增加了项目管理工具和审批流程,解决了很多中型制造企业的需求(内生因素)。
于是,接下去的策略就是在超一线城市增加与小微企业孵化器的bd合作,再增加针对学生类创业人群的定向广告投放;而在珠三角和长三角地区增加销售员数量,用人去触及更多工业园区和企业;结合会销,关键是用精心制作的案例来打动他们。
时间维度优先,明确的时间范围和显示颗粒度
这条原则不是非常绝对,但是以我的经验,任何数据指标,你都得先纵向地观察变好还是变坏,才有必要去横向切片(用其他维度去探究为什么)。使用场景参考案例一。
时间维度不仅要优先,还要区分时间段和显示颗粒度(图表横坐标上标签的密度)两个概念。比如,我要观察公司网站半年来的pv变化趋势,那么需要选择2015.2.1号至2015.8.1号,并且选择按日、周还是月来查看。当然,选择半年跨度按天查看,图表很可能呈现波动巨大且密集的折线图,你会觉得杂乱无章。所以选择以周活着月的颗粒度看,会更直观。
补充一点,工具当中如果增加趋势线选项,那会是更棒的。在excel中,可以在“图表布局”的选项卡下找到趋势线,里面有线性、指数、幂、移动平均等模式,是观察一个指标时间维度波动趋势的好帮手。
尽量减少表格和静态型图表的呈现
表格可以承载很多信息,但不够直观,因此在数据产品中它的呈现要让位于数据图表。
静态型图表是指饼图、环形图、树状图等只反映某个指标在某个时间点上的结构分布的图表。这种图表的缺陷就是没有时间维度的对比。在我看来,它更适合用在公关性质或者推广性质的报告中,而对于指导企业运营的数据产品,更合理的方式是采用堆积柱形图。
如下图:
堆积柱形图,总高度即当月总订单量,不同颜色的部分即不同的客户规模的订单量。用堆积柱形图结合饼图,不仅指标的总量在时间维度变化可以直观看到,各成分的量和占比的变化也变得直观。
补充一点,静态型的图标传达信息少,占面积大。这与数据产品要在有限的页面空间中传达足够多的信息(个人认为)是相违背的,所以最好还是作为辅图。
具备下钻和筛选的能力
案例二:
首先,CEO发现公司业绩下滑了,但并不是全公司在销售管道(pipeline)上的普遍下滑,那么就是某几个分公司拖了后腿。
接着,他要看看是哪个分公司业绩下滑,甚至是哪个销售经理的业绩下滑。
然后,找到了下滑最厉害的销售经理后,CEO要看看他的团队在销售管道的哪个环节出了问题(假设这家公司的销售管道是约访—>拜访—>签单)。
最终发现是约访效率出现大幅下降;检查后发现,是这个销售团队没有好好进行话术的培训。
——这就是对下钻的需求
找到症结后,CEO决定,要筛选出全公司约访率在这个季度排名在后20%的销售,进行集中的话术培训。
——这就是筛选需求
这就是通过数据找到问题并针对性进行解决的一个典型。下钻的深度可以随着数据的积累慢慢增加,但下钻和筛选必须同步开发,缺一不可。
重视导出和接口,但要重视权限
数据产品最终是给企业决策提供依据的,看的人应该是管理层和部分业务层。他们未必都有深入研究的需求,只要通过简洁的操作,直观地发现业务上的问题就行。
而对于数据分析岗位(BI),有多样化的研究目的,需要灵活地建立模型。研究方法会不断在变,模型也会不断优化,所以不适合做到固定的数据产品当中。因此对于他们来说,更重要的是数据产品背后的数据仓库。数据仓库变量的建立要全面和详细(数据产品只是呈现一部分),并支持BI们手动导出或者与数据分析软件对接。
不要忘记,所有数据是公司的机密,权限需要严格控制。
明确内部运营数据产品的目的
从上文中的案例和场景描述中,已经清晰地看到:数据产品的目的就是发现运营当中的问题,以决策者地角度去设计功能。从宏观到微观,从纵向观察(时间)再到横向维度的切片,目的就是发现问题,对症下药。
诸葛io,是一款基于用户洞察的精细化运营分析工具。由北京诸葛云游科技有限公司于2015年2月推出。诸葛io旨在以用户跟踪技术和简单易用的集成开发方法,帮助移动应用的运营者们挖掘用户的真实行为与属性、优化留存与活跃度、提升用户价值。目前,诸葛io支持Android、iOS和HTML(JS)三个平台。
【数据运营】经验分享 :数据产品开发前的必修课|新闻资讯|诸葛IO-精细化运营分析工具
http://zhugeio.com/news/?p=858