数据应用服务必经的几个阶段:数据收集、数据治理、数据分析、数据融合
数据经过长时间的数据沉淀、可能时间更长数年数十年等,通过不断地打磨驯化,然后经过数小时的数据准备,最后实现秒级的数据结果。最后展现给用户的是最终处理之后的可视化的统计数据,有更好的易读性和便捷性,最大程度地帮助用户提高决策效率。
数据应用的方法模型
数据收集
确定数据的来源,关注数据来源,一个数据可能从不同的交互中获取到不同的数据信息,不同的数据信息要提前进行埋点。数据来源可以使系统内部,可能是外部接口反馈也可能是其他系统的数据。
数据治理
数据治理意味着设置适用于收集、存储、处理和处置数据的内部标准,即数据策略,它规定了谁可以访问哪些数据以及哪些数据应受治理。
数据治理其实很重要,比如,有些数据是没有价值或者价值很低的,这些数据就不必要展示;有些数据涉及隐私或安全,不能够展示;所以要对数据进行筛选和过滤,剔除无意义的数据,保留最有价值的高效数据。
数据分析
数据分析呀破解和当下的业务场景,通过数据治理得到了可用的数据,我们要对这些数据进行加工。
首先进行分维度的权重设计,然后进行统计分析,如,哪些数据是对业务需求意义大,应该分配什么样的权重,不可单纯罗列原始数据,最总展现给用户的应该是统计性的和报告性的,要让用户直观的看到我们数据分析的结果,而不是在用户看到后还要自己再计算分析。
数据融合
数据融合应围绕产品定位和产品价值来进行。