就像人走路的时候需要看到前方的道路,产品和运营在做决策前也需要睁开“双眼”。左眼,是数据;右眼,是用研。(哎,别问我为什么不是左眼用研,右眼数据……)
通过线上数据反馈,我们可以准确地发现问题,找到规律,求证猜想,平息主观之争,为产品改进和运营优化的制定和实施提供明确的方向。
一、互联网公司数据职能设置
互联网公司普遍十分重视数据,数据部门职能设置却各不相同。大多会设置独立的BI部门(如携程、京东),有些(如亚马逊)也会把数据人员分散在各个团队。
数据职能常见的有三个主要角色:
a. 数据工程师,负责搭建底层数据架构,定义数据埋点规范、编写埋点代码(有时也会由开发人员植入埋点代码)、以及建立和管理数据库报表。
b. BI,负责根据业务需求在数据库中抓取对应数据项,编写SQL代码,生成各类报表。(注:传统的数据库管理员(DBA)的职能更类似于数据工程师 + BI – 埋点)
c. BA,负责对BI生成的报表进行分析,结合业务知识对数据进行透彻解读,输出有明确指导意义的观察和建议。BA人员通常需要有较强的业务背景知识,能够准确地理解数据背后的业务状况和波动原因,并用业务“语言”输出分析结论。
我在实践中的体会是:两种组织架构方式各有明显的利弊,优缺点截然相反。
当数据人员集中在一个部门时,数据库管理和报表定制均十分专业高效。但因为离业务部门较远,业务理解受到影响,在数据定义和解读上相对偏薄弱。
数据职能分散在各个业务线时,正好相反。并有较严重的数据重复拉取,人力浪费不说,还因口径定义上的差异,导致同一数据在不同部门各不相同。例如转化率=订单数/访客数,有的部门在访客数中去除“疑似机器人”部分,有的部门则统一访客数为“二跳访客”,带来转化率数据的明显差异。
一个比较好的做法是把数据工程师和BI集中在数据部门,在各个业务线分别设置BA人员,两边对接。
二、数据使用方式
互联网需要进行数据观察的领域十分广泛,每个细分领域都有不同的核心KPI,应当根据核心目标拆分背后的影响因素,有针对性地提出数据需求,制定数据报表。
通常数据的使用方式分为如下情况:
- 常规数据报表
常规数据报表主要用于需要长期持续观察的核心数据。例如: