本文介绍了CSV文件在Excel中打开出现乱码的两种解决方案，并详细阐述了数据如何赋能业务，特别是通过七个步骤搭建数据指标体系的过程，包括需求收集、指标汇总、数据埋点、数据采集、指标搭建和效果评估，强调了数据分析师在其中的核心作用。此外，文章还分享了基于OSM、AARRR/UJM、MECE模型搭建通用互联网产品指标体系的方法。
点击上方“Python爬虫与数据挖掘”，进行关注
回复“书籍”即可获赠Python从入门到进阶共10本电子书
今
日
鸡
汤
野旷天低树，江清月近人。
大家好，我是Python进阶者。前几天给大家分享了一些乱码问题的文章，阅读量还不错，感兴趣的小伙伴可以前往：盘点3种Python网络爬虫过程中的中文乱码的处理方法，UnicodeEncodeError: 'gbk' codec can't encode character解决方法，今天基于粉丝提问，给大家介绍CSV文件在Excel中打开后乱码问题的两种处理方法，希望对大家的学习有所帮助。
前面几讲我们以中国人口数据为例介绍了什么是指标体系，指标体系的意义，同时总结了一套用三个步骤，四个模型搭建指标体系的方法。今天，小编会从数据如何赋能业务讲起，同时告诉大家如何进行多部门配合实现整套指标体系的搭建流程，最后介绍面如何用前面讲的方法论快速搭建一套通用的数据指标体系。
01
数据如何赋能业务
数据是互联网公司的核心资产，所谓的数据者的天下。无论是淘宝京东等电商的商品推荐，还是滴滴，美团打车的路径优化，以及携程机票火车票推荐，都离不开海量的数据。而数据赋能业务需要通过四个步骤实现，分别是数据规划，数据采集，数据分析以及数据决策，每一步都需要多个部门的参与方能实现，这里有个宏观概念就好，不再一一详细介绍。
02
数据指标体系搭建流程
企业如何通过数据赋能业务是一个很大的话题，想要介绍清楚并不容易。相对来说，讲清楚数据指标体系的构建流程却不难。大家一套数据指标体系是一个多部门协作的工作，其中涉及到了运营，产品，策划，数据以及程序，而数据分析师在其中起着核心作用，从开始到结束都离不开数据分析师。
完整的指标体系搭建流程小编已经总结成上图的七个步骤：
1）需求收集：产品(策划)或者运营完成产品原型(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,AARRR/UJM,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以及数据采集方案。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，数据开发工程师需要将前后端埋点数据接入数据仓库并进行一定的数据清洗。
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，可以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。在业务的不断反馈当中逐渐完善整套指标体系。
03
搭建通用的指标体系
做好需求收集、汇总、反馈、修改阶段，完成数据埋点，数据采集之后呢，就到分析师们大展身手的阶段了。但是，每个行业都有自己特有的属性，想要搭建一套通用的指标体系并不是很容易，所以这里小编选取了每个产品的生命周期为切入点，教大家搭建一套可以适用于绝大多数互联网产品的指标体系。
同样的，我们用到的搭建指标体系的方法还是上一节讲的三个步骤，四个模型进行开展。
整体流程小编已经总结为上图步骤，首先还是根据OSM模型搭建整体的指标体系框架，明确业务目标，确定数据维度；其次，根据AARRR/UJM模型拆解用户路径并将业务目标分解到路径的每一个环节；最后，将业务目标指标化，并将这些指标通过MECE模型进行逐级拆解，实现指标体系分级治理。
1).OSM确定业务目标和数据维度
首先，我们需要明确业务目标。
对于任何一款互联网产品来说，其终极目的就是盈利。所以，此次我们的业务目标就是提高产品的付费率。
其次，我们要统一数据统计维度。
维度是数据统计中的最小单位，不同统计维度下的数据值大不相同，所以确定好指标体系中的数据维度至关重要，需要保证指标体系维度统一，不同阶段的数据才会具有可比性。
搭建指标体系可以从很多维度出发，常见维度有"人","货","场"。在这套通用指标体系的搭建中，我们选择的数据维度是"人"。
2).AARRR/UJM模型实现路径拆解，分解业务目标
确定了业务目标为提升用户付费率之后，我们根据AARRR模型实现路径拆解将提升付费率这个目标拆解到每一个子路径上，所以只需要提升每一步骤的用户基数及其转化率最终就能提升用户付费率。换句话说，我们的业务目标被转化为了提升用户从获取到付费这一过程的转化率。
3).MECE模型实现指标体系分级治理
根据AARRR模型分解了用户路径之后，我们需要将分解后的子目标提炼成数据指标并根据MECE原则使得数据指标之间完全独立，相互穷尽。
首先，我们进行一级指标的提炼。
一级指标是用户路径的每一个步骤当中业务最关注的指标，也就是业务核心KPI。这个提炼过程需要和业务进行沟通，同时也需要加上数据分析师的业务直觉和数据思维。经过一番提炼，我们得到如下的一级指标。
其次，我们拆解一级指标得到二级指标和三级指标
一级指标能够监控业务现状，发现业务问题，如果一级指标一直保持平稳上升的状态，就说明业务一直向好。但一级指标如果出现下跌的情况，就需要向下进行排查问题所在，这是就该二级指标，甚至三级指标登场了。二级指标是一级指标的子集，是一级指标完全穷尽且相互独立的影响因素。
授人以鱼不如授人以渔，学会这套指标体系的搭建方法，面对复杂业务场景也可按照用户路径或产品生命周期步骤进行拆分，提炼核心KPI作为一级指标，根据相关关系以及因果关系拆解核心KPI指标，使得二级指标甚至三级指标完全穷尽相互独立。
参考链接
https://zhuanlan.zhihu.com/p/98719489
https://zhuanlan.zhihu.com/p/33218740
https://zhuanlan.zhihu.com/p/259832989
https://www.zhihu.com/question/396456056/answer/1238380415
https://zhuanlan.zhihu.com/p/98719489
如果您觉得我们的文章还不错，请分享，点赞，再看，一键三连！！！
小伙伴们，快快用实践一下吧！如果在学习过程中，有遇到任何问题，欢迎加我好友，我拉你进Python学习交流群共同探讨学习。
------------------- End -------------------
往期精彩文章推荐：
欢迎大家点赞，留言，转发，转载，感谢大家的相伴与支持
想加入Python学习群请在后台回复【入群】
万水千山总是情，点个【在看】行不行
/今日留言主题/
随便说一两句吧~~
扫一扫
3890
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
