一个阳光灿烂，秋高气爽的日子，充满期待的小马来到了杭州，这座来了几次就喜欢上的城市，这座充满朝气的互联网之都，信心满满地准备开启他数据分析职业生涯的全新一段路程，大放异彩。
来到公司的第一天，开始熟悉业务，嗯，还好，一切看起来都是那么井井有条。紧接着开始熟悉数据，与业务同学交流，了解当前业务痛点，问题慢慢浮现——业务A同学拿过来的当日新增用户数和业务B同学的怎么不一样？昨天新上线了一个功能按钮，怎么一个点击都没有？有客户反映某个线上链接打不开了，仔细一查已经失效三天了？当前APP内用户转化的ROI有些偏高，怎么能最小化？小马看了看这些问题，意识到如果业务想要继续长久健康发展，数据问题不容忽视，基础建设必须规范有效。
背景概述
小马遇到的问题相信一部分数据分析师都遇到过，公司业务扩张初期，要求数据快速响应，不注重数据沉淀，指标散乱不成体系，同一个指标统计口径不统一，业务人员沟通成本高；报表上线后不予及时维护，数据不准确，无法依据其有效决策；没有关键指标的监控告警，无法及时发现数据异动，造成一定损失。针对以上问题，本文根据已有经验，总结出一套通用的从零搭建部门/公司数据体系的流程与方法，分享给遇到同样困惑的小伙伴们。
图1 数据体系搭建
指标框架
一般情况下，一个公司或者业务部门，都是先开展业务一段时间后，才考虑数据沉淀。所以分析师在构建指标框架的时候不会是凭空想象，一定是先找业务同学调研，了解其平时比较关注的数据，找到衡量业务效果的核心指标后，根据业务特点对指标进行分类分层级的细化指标构建，不断扩展。此过程的参与人员主要是数据分析师与业务同学。
如：某企业想要搭建指标体系，首先找到其关注的核心指标是营收，然后将营收作为一级指标，抓住某个业务特点（如各环节转化链路），围绕其进行指标细化，不断扩展，如图2所示。也可以同时列出几个核心的指标，在细化的过程中合并优化。
图2 指标框架
报表体系
报表体系的构建分为两种情况，一是没有线上自动化报表，每次查看数据手动拉取，重复性工作多，效率低下；二是有自动化报表，但是报表之间重合度高，冗余较多，不成体系，业务同学看数据时要翻找多张报表，使用起来极其不方便，有一处业务变动就要同时更改多张报表逻辑，稍有遗漏就会有数据不准确的情况发生，陷入核对数据的恶性循环中。第二种情况是数据同学和业务同学共同的梦魇。
不论属于哪种情况，在我们刚接手数据工作时，都需要对现有数据报表进行一个梳理，建议采取思维导图的方式列出现有报表和各报表中涉及的数据指标，然后从报表用途的角度，对报表进行归类整合，图3中所示可以作为一种互联网产品运营通用的分类参考，具体可以结合自身业务特点进行改进。
图3 报表体系
数据监控
数据监控与指标体系共同构建，与数据报表共同使用，快速定位数据异动问题。那指标体系中每个指标都需要监控吗？我的经验是找到衡量核心指标的一条关键转化链路，只对关键指标与转化环节进行监控，后续针对特殊情况予以添加即可。告警规则可以考虑绝对值环比同比变化或者3西格玛原则。
关于监控平台，一般公司都会开发一个监控后台，用于配置告警，支持可视化配置或者SQL配置，如果你的公司还没有，在这一刻你就是自己的产品经理，大胆画出原型图向开发提需求吧！
画像标签
在以上三项基础体系搭建完成后，已经可以支撑起业务同学们60%的日常数据需求了，我们也有了更多的时间进一步研究用户的价值，更精准地促进用户转化。这时候就到了用户画像上场的时候了，那什么是用户画像呢？用户画像是一个用户标签的集合，它完整地抽象出一个用户的信息全貌，为进一步精准、快速地分析用户行为习惯、消费习惯等重要信息，提供了足够的数据基础。
用户画像的构建需要数仓同学和数据产品开发人员的共同协作，耗时周期比较长。前期数据分析师结合日常业务需求，首先搭建基础标签，随着应用的深入，慢慢添加基于底层标签与算法的二级等更高级的标签。画像标签的构建与上线应用是一个大项目，这里从数据分析师角度，给出基础标签的一些通用构建思路，关于用户画像如有需要会另开一个帖子详细介绍。
图4 用户画像标签
结语
以上工作全部完成后，恭喜你，经过一段时间的努力，部门/公司的数据体系已经走上正轨，接下来就是不断迭代更新完善的过程了，你的工作重点也将转移到更多的挖掘用户价值，数据专项分析上了，从底层开始搭建的你对数据最熟悉不过了，数据也将运用的更加得心应手，本文给出了一套通用的做法，接下来利用你的技能与理论知识，结合自身业务特点，设计一套适合自身业务的数据体系吧，利用数据驱动公司业务更好的发展，加油！
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
