讲课人：李启方
大家好，我是李启方。感谢大家参加我们今天这个为期五天的一个关于数据可视化的一个短期的实战项目，今天晚上首先我给大家上第一节课。今天我们的内容也其实比较简单，虽然说是一些理论性的东西，但是也是一些比较重要的，主要是给大家讲解一下数据分析的底层逻辑当中比较重要的一个要素，就是业务与指标的建立方法。
那么虽然我们这次实战训练营的一个主题是可视化的分析，但是很多新人他刚开始做可视化分析的时候经常会遇到一些问题，比如说业务给了他一个问题，但是他根据这个问题找不到一些数据去分析，不知道要分析什么数据，或者说他找到了一些数据，但是面对着这些数据呢，却不知道该怎么去分析，不知道要分析什么东西，要不然就是很费力的做了很多的图表，但是自己也不知道这些图表有什么用，怎么分工具来分析，去分析了半天，好像自己写的这些东西一点儿用处都没有啊，这是很多人很多新手开始做这些可视化分析的时候遇到的一些问题，那么为什么会出现这样的问题？其实就是因为啊，没有对业务有一个整体的把握，就是没有理解数据分析的一个底层逻辑的方法论。
首先第一部分，我们先来了解一下数据分析的一个基本的认知，也就是他的一个流程，其实关于数据分析的流程，大家首先了解一下数据可视化处于一个什么样的位置？那么根据这张图呢，其实我们可以看到整个数据分析的流程，可以分为五个步骤，四个层级。这四个层级就是需求层、数据层、分析层跟输出层，那么这个需求层、数据层、分析层和输出层分别代表着我们数据分析五个关键步骤当中的五个动作，比如说第一个了解目标，了解问题，先明确你的分析的目标和问题是什么。
那么第二个呢，就是数据的获取，或者说叫数据采集，因为你了解了第一步，你的业务的目标之后，你要从数据库里取数，或者说从数据场景当中去取数，那么它跟我们的第三步，也就是数据清洗和数据整理、还有数据加工都属于我们的第二个层级，就是数据层当中的一些工作，因为不管是你从数据库里取数也好，还是说你从业务指标当中取数，还是说你从数据场景当中取数。所有的数据一定都是一些脏乱差的原始数据，所以我们要进行一些数据的处理和加工，然后第四步就是进行一些分析手段的一个处理，主要就比如说我们的数据分析的方法，数据分析的模型，比如说我们做数据挖掘啊，比如我们做统计分析啊，比如说我们运用一些数据分析的思维，那么最后一个呢，就是我们的输出层啊，也就是我们的业务价值怎么去输出。
那么这四个层级当中呢，数据可视化就处于我们的最后一个层级，也就是输出层，包括我们输出一些数据，可视化的报告数据，可视化的仪表板数据，可视化的一些图表等等，包括我们的结论方案都属于我们的输出层。那么最考验我们数据分析人思维的一个层级呢，就是分析层啊，你怎么去根据你已经获取到的数据去建立一些分析，比如说你运用一些分析方法或者说分析思维去分析。但是我们在整个分析过程当中呢，最浪费我们时间的其实是我们的数据层，比如取数啊，数据清洗呀，数据加工啊，这个层级是我们浪费时间比较多的。那么需求层呢，是我们整个数据分析的一个开始，或者说是一个起端啊，我们只有了了解数据的需求之后，我们才能进行后面的一些工作。
那么看完了数据分析的流程之后呢，下面就要进行我们一个比较重要的内容，就是怎么去建立一个指标体系。其实怎么去建立指标体系呢，我们去网上一搜就有很多的方法，归根到底其实只有两种方法。那么首先能介绍一下第一种方法，其实就是OMTM法，什么叫做OMTM法呢？其实他也有一个中文名称，叫做唯一核心指标法。那么这种方法呢，比较适用于我们的部门或者说我们要分析的对象，已经有了一个比较完备的数据分析指标体系，或者说业务体系，或者说业务指标都已经比较完备了，比如说发的这张图片当中的零售行业的一个用户的一个指标体系已经是比较完备的，而我们所需要做的就是从这些指标当中去甄别出我们要分析的数据或者指标是哪些。
那么怎么去用我们的OMTM法呢？其实OMTM的一个核心的原则就是一个点、线、面、体的原则，比如说这张图片当中零售行业的一个订单的分析、用户分析。那么首先呢，我们先确定一个基本的体，就是我们要分析的一个起点是什么，就是我们的核心，比如说我们要分析一个订单啊，我们的零售它的主要业务逻辑呢，其实就是通过一个一个的订单完成的。那么一个订单呢，它包含两个要素，用户跟产品服务，那么产品服务跟用户呢，就是我们的面，就是分析的某一个要素。比如说用户我们再继续往下拆解，可以拆出新用户和老用户。那么新用户老用户我们根据一些业务逻辑再继续拆解，比如说老用户，我们拆解出它的一条线是活跃、留存、回购、流失，那么新用户呢，它的一个逻辑就是拉新跟转化，那么这就组成了一条线。
那么每一条业务逻辑线呢都会有特别多的一些指标，这些指标呢，就是我们的点，就是我们通过从体到面到线去拆解之后出来的业务的一些指标，比如说留存，那么体现留存情况的一些指标呢，可能有留存率，可能有流失率，可能有七日留存率，可能有这个月留存率，年留存率等等，比如说产品服务啊，包括采购、供应链、销售，售后。每一条业务逻辑线都会有很多的一些指标，这就是通过OMTM的一个原则啊，就是从体到面到线再到点。
那么总结起来呢，这个体就是我们要分析的一个大体的指标框架，然后呢，我们再去找这个业务框架之下的一个业务逻辑啊，就是场景，比如说我们刚才分析的这个零售电商的一个业务分析场景，比如说销售啊，商品呢，渠道啊，会员呢，用户啊，竞品呢，这是我们分析的面，然后呢，比如说其中一个面我们可以进一步细分，比如说商品，我们细分成库存、利润，销售分析，那么这些就是我们的业务逻辑线啊，那么通过见我们再去找每一个点，就我们的指标是什么。
那么讲到这里呢，大家可能还会有一些疑问，就是我可能通过体面线找到了一些业务的逻辑，但是呢，我还是不知道怎么去找一些指标，那么首先我们来看一下什么叫做指标。如果大家学过数据分析，或者对数据分析有一定的了解，可能听过这么一句话，数据分析当中的规则和标准一定要可以量化，如果不可以量化，也要量化，可以量化的，也要量化，这就是数据分析的一个基本的逻辑，我们去判断好坏，这就是指标的一个含义。
比如说我们在进行这个工作的复盘的时候，比如你这个季度的kpi比去比上个季度的kpi增长了，增加了很多，但是增加了很多，这个就不足以成为一个指标，因为他没有量化。比如说你增加了很多，可能只增长了1%对不对，也可能是100%，所以说他如果没有一个参照物去对比，我们就不能判断你这个增长究竟是什么样的情况。
那么指标它怎么去构成呢？一般来说指标它是由三个部分构成的，首先就是你的核心需求是什么？比如说你要分析一个留存，你要分析一个转化，你要分析一个曝光，这是你的核心的需求。那么第二个要素呢，就是你的对象，比如说你要分析哪一个场景，哪一个功能、哪一个条件。第三个要素就是时间指标一定要有时间的限定，有时候这个时间可以省略。但是为了表达清晰，建议大家不要再去省略一些指标的时间，比如说业务人员想让你分析一下某一个APP的转化的情况，那么这个转化的情况他是一个分析的需求，不是我们分析的一个指标，我们根据这个需求可以去找到这样的一个量化的一个指标。
我们可以参照上面的公式。首先我们明确一下核心需求是什么，我们要为了看这个APP的一个转化情况，那我们具体从业务出发，首先我们要看他的及时转化率还是他的一个长期的转化率。那么不同的需求呢，他有着不同的指标，比如说及时的转化率有三日转化率，七日转化率。长期的呢，有月转化率，年转化率，比如说某些功能，你还可以去看一下他的跳转率。这是他的核心需求。那么第二个要素对象我们要分析是APP的哪个功能的转化率啊，我们不能直接去看一个整体的转化率，因为我们要从全局到细节，可能是搜索功能，可能是下单功能，可能是推荐功能。然后第三个要素，是他在哪一段儿时间内的一个转化情况，一个月之内还是一年之内还是一个星期之内。
最后呢，我们就可以去总结一下，我们要分析这个APP的转化情况，可能会遇到哪些指标。比如说最近三个月推荐功能的跳转率，这是一个完整的指标，比如说今年整个APP从下单到支付的一个总体的转化率，这也是一个完整的指标。那么这样我们去定义一些完整的指标，能够对于提升我们对于业务的一个理解。因为我们去确定指标的过程，就是我们在学习业务的一个过程。以上是第一个问题，我们怎么去定义一个指标。
那么第二个问题呢，就在于我们刚才讲OMTM法是唯一核心指标法，比如说分析零售我们要从订单去拆解，那我们就会遇到一个问题，就是怎么去拆解指标，继续给大家举一个例子。
还是一款APP，它刚研发出来的时候市场人员要去进行推广，然后这个推广人员就会花钱去买一些假的流量，比如说他买一些机器或者是真人去下载、点击APP，也就是刷一些日活。那么，这种情况下，我们用什么指标去衡量这样一个APP的使用情况，它们有这么三个过程。第一步呢，我们要理解业务理解目标，这是一个比较老生常谈的一个话题，我们先要理解一下我们是为了衡量这个APP的使用情况，那么按照我们刚才所量化指标的一个思路，我们可以通过哪些量化指标去衡量。
比如说我们可以通过一个用户的一个行为的路径去理解，这就是我们的业务逻辑。首先用户要先看到这个APP，然后它会产生一个下载行为，这里就会涉及到一个下载率的问题，下载之后呢他需要注册才能登录这个APP，这就是一个注册率的指标，那么如果你这个APP它是一个付费的APP，你在注册之后呢，就需要购买啊，也就是激活，这里呢就有下单率，或者说一个激活率。那么完成这些步骤之后呢，用户他就进入了你的APP的页面，这时候就会根据你的内容产生一个跳转率的指标啊，如果说用户觉得你的内容还不错，就会留在这个功能啊，就是一个留存率。那么如果有一些广告或者付费内容，还会产生二次交易，那就还会涉及到一些交易率等等这些指标。
我们明确了分析的需求，找出了一个初步的指标后，第二步就是要确定一个核心的指标，比如说第一步我们提到了下载率，那么在这个例子里，我们去刷量的情况下，下载率是没有说服力的，因为我们去买了一些假流量，这就是它一个虚荣的指标，所以说我们应该找一个核心的指标，能够说明我们APP的一个使用的情况，比如说我们用停留的时长或者是跳转率。那我们就可以排除掉虚荣因素的一些影响，那么每个APP它的核心指标都不太一样，所以我们在确定核心指标的时候，一定要多花时间去考虑这个核心指标的问题，这是一个非常重要的问题，不是说你简单去看一下日活和留存那么简单就完事儿。
第三步呢，就是我们要按照一些维度去拆解，因为核心指标的波动他一定是因为某一种维度的影响而产生的波动，所以我们要监控核心指标，本质上还是说要去监控这个核心指标的影响维度。那么通常的方法呢，拆解的方法都是对核心指标进行一个公式的拆解。还是按照业务逻辑来进行拆解，比如说我们刚才定的核心指标是停留时长大于15秒的用户留存率啊，那么我们先看一下这个公式，停留时长大于15秒的用户，他等于什么呢？等于打开APP的用户数乘以用户停留时长大于15秒的一个占比。我们分析打开APP的用户数，我们就要去关注一下渠道的一些转化率啊，分析一下用户从哪里过来，通过哪些方式去打开？用户的画像是什么？那么这是通过业务逻辑去拆解第一个指标啊，就是打开APP的用户数。
那么第二个就是停留时长大约15秒的一个占比，那么这个指标他重点关注的是停留时长的一个分布啊，停留一秒的用户有多少啊？两秒的的有多少、三秒的有多少、十秒的有多少？具体的分布情况是什么？用户画像是什么啊？他的行用户的特征和行为特性、行为的路径是什么样的情况？那么这就是分析第二个指标啊，也就是我们通过一个维度的拆解每一个环节的关键的指标，我们都可以通过这样的公式的方法进行拆解，然后根据拆解公式逐步地去分析对应的一个影响的因素啊，那么当然它还有很多其他的维度。
那么这就是OMTM法，那么这种方法刚才也说了它比较适用于我们已经有了一些指标体系了，我们怎么去拆解这些体系、怎么去找这些体系的情况。那么还有一种情况呢，就是我们的业务逻辑不是很清楚，我们的业务体系也没有建立起来，这时候，我们怎么去找对应的一个指标或者是建立一个指标体系呢？这里就用到我们的第二种方法，就是业务流程法，我们先去梳理一下我们的业务流程是什么，然后根据业务流程去拆解我们的指标，建立我们的指标体系。
业务流程法，第一步我们就是要梳理一下业务流程，那么一般来说呢，我们要关注的也是三个层级，首先最重要的就是中间的流程层啊，也就是说我们要分析的对象是通过一个什么样的流程达到了一个什么样的目标？比如说我们去梳理一场活动的业务流程，那么首先他从活动的准备到宣传的推广、到现场的管理到最后的转化促销，这就是他的一个流程，然后我们再分析上层呢，就是业务层啊，也是具体的流程层。在流程层当中的每一个步骤会做哪些事情？具体我们要做到哪些程度？这就是我们的业务层。
在活动准备这个步骤当中我们要准备哪些东西？比如说商品的准备，人员的准备，奖品的准备等等，你们的宣传推广包括线上啊，线下呀，比如说这个分工有哪些？活动流程就是通过某一个步骤去拆解每一个节点啊，会涉及到哪些东西？然后呢，我们再去梳理最后一个层级，就是下层数据层，在每一个管理过程或者说是具体的事物当中，我们会对某些事件进行量化，那么这些量化的就是我们的数据。
比如说在商品准备当中呢，我们就要量化一下这些商品预算的一个成本，产品的一些成本或存量，比如说线上推广，我们要考虑他的线上广告的单价、广告的成本、广告的产出等等。
那么这就是业务流程法的三个基本的层级，第一步先梳理一下整个事项的一个流程，第二步，确定每个步骤当中涉及到的一些业务点，第三步，根据每一个业务点去梳理量化其中的一些数据。
通常来说，业务流程我们一般可以有三种对象，第一种就是公司层级，第二种就是部门层级，第三种是个人层级，就是我们怎么去梳理一个业务的流程。比如说公司层级啊，供应链到市场到销售到运营，这样一个盈利的一个业务链，比如说销售啊，他的部门层级就是销售的团队到销售的过程，最后完成交易。那么个人层级可能就包括从电话邀约啊，客户拜访啊，最后一直到下单，那么这是他销售的一个业务的流程，根据不同的对象，我们有不同的一个业务流程的梳理。
那么我们根据对象梳理好了业务的流程，确定了业务的一些点，并且找到了一些量化的数据，那么第二步呢，我们就要量化业务的流程，建立一个指标体系了。怎么去建立呢？我们去分析一场促销活动，根据我们刚才所展示的他的一个业务流程的顺序，进行拆解，每个业务步骤当中会涉及到哪些点？比如说活动准备会涉及到的商品准备、人员的准备。然后去进行量化，比如说商品的成本有哪些指标进行判断啊？比如说成本的量，成本单价，比如说人工预算、时间成本啊，人工成本啊，利润成本等等。
那我们在收集跟建立这些指标的时候呢，我们的依据是什么呢？其实更多呢，是依据业务的一些kpi，因为他们的kpi才是我们关心的一个重点，比如说我们刚才这个活动促销，活动当中的一些成本、利润，这些指标是我们最值得关注的指标，其他指标如果说业务人员并不需要，我们就可以把它进行取舍，这是我们在进行指标提取的一个依据啊，更多的来自于业务。
以上就是数据分析指标体系建立的两种方法啊，因为你先只有先学会了怎么去建立指标体系，你后面再进行数据可视化分析的时候，你才能有的放矢啊，才能按图索骥。就是按照一定的流程或者方法去进行分析，否则的话，大家的数据可视化的分析呢，只能停留在做图表啊，这个数据的一些简单的处理这样一个水平上啊，大家不知道面对一个实际的问题，我应该怎么去分析怎么去进行可视化的一些操作，因为可视化分析它的可视化是最次要的，分析才是最重要的。怎么去分析其其实更重要的就是看中我们对于业务的理解，对于业务逻辑的一些判断，那么指标体系的建立，其实就是对于你这种业务理解的一种考量。
那么今天我们讲的内容呢，主要还是一些理论的东西，后面几天我们就按照一个实际的案例，帮助大家一步一步的去实际操作一下，从我们理解业务开始，怎么去分析他的需求？怎么去分析数据？最后怎么去建立一些可视化的报告？整个过程帮助大家去理解消化一下，我们整个可视化分析的一个过程。
今天的内容就结束了，内容不多，但是可能需要大家理解消化一下。
若有收获，就点个赞吧
0 人点赞
