如何搭建数据分析体系数据分析系统搭建怎么着手

数据分析是互联网产品实现高维打击最重要的武器之一，也是我们日常工作中或多或少在使用的一种技能。当我们完成一个产品时，往往需要数据去校准我们行为的关键一步。我们需要把这项技能沉淀为一套系统，通过这套系统观察用户行为，探索优化方向。
互联网产品能够快速进化，领先于原子世界产品的一种重要因素是数据化，所有的用户信息、访问、转化都是可追溯的。
用户去访问一个线下的店，我们能大致去估计店面的每日流量但并不精准，而对于互联网上的一个入口，是能很精确的看到每日的DAU ，用户的访问深度等。
因此，数据分析，是互联网产品实现高维打击最重要的武器之一。数据分析，关键是：采集重要数据、搭建业务模型，从而驱动产品增长。
数据分析为什么重要？
我们从项目的整体流程角度来看看数据在一个项目中是怎样的作用。
任何的产品都来源于我们的想法，对现实不合理的一个假设，或者想要解决一个让人头痛的问题的冲动。于是我们会增加一个功能、做一次改版，或者更大的做一款APP 。
实现完这个产品之后，我们就要去评价这件事做对了吗？
这时候，数据的作用出来了，数据可以客观的记录事实，我们去看看数据上有没有变化不就行了。例如：转化提升那说明改版真的有效果，费劲做一个新功能没人来点击那就要反思原因了。
这是通过数据去校准我们行为的关键一步，下面我们就会根据数据的反馈或者导入更多流量驱动增长，或者去优化产品功能，这组成了一个最基本的业务闭环。

文章插图
任何一个项目，小到单页面的改版，大到推出一款APP ，开展一个新业务，都会包含这3个重要环节。
在这里我们看到想法、产品和数据，是项目完成不可缺少的一环。数据在衡量产品的好坏，我们通过数据去看到哪些用户访问了，用户对哪些功能更感兴趣，哪里是用户的怒点。这个监控系统和分析逻辑，就是我们需要搭建的数据分析体系。
搭建一个好的数据分析体系，通常需要我们做好以下三件事。
如何搭建数据分析体系？
1. 采集重要数据对于一个产品而言，首先需要定义好有哪些数据需要被采集的，以及以怎样的方式来采集。
对于数据，一般分为用户行为数据和业务数据两部分，用户行为数据即用户的访问、点击、跳转等用户与页面交互的数据；而业务数据则是用户发生交易时留下的数据，一般用户行为数据可通过前端的埋点就能完成，而业务数据则需要后端埋点。
对于现在的数据采集，一般有两种方案：

一种就是公司内部进行埋点的统计，这需要对数据一一采用代码埋点，但安全且能覆盖几乎所有想要的数据；
一种是第三方数据分析公司推的无埋点方案，接入会方便，但可能也会有安全的隐患。

2. 搭建业务模型业务数据模型，就是把产品的重要指标和用户行为联系起来的一个或者几个公式。有了这套数据模型，当数据发生波动之后，我们就可以快速定位到用户行为的变化，进而确定如何行动。
举个零售的场景，对于某款线上销售的产品而言，成交额一定是非常重要的指标，而总成交额，可以大致拆解成：
【如何搭建数据分析体系数据分析系统搭建怎么着手】产品成交额 = 流量 × 下单率 × 产品均价
这里的流量，就是导入产品首页的用户量，下单率则是从访问首页到支付确认订单的用户比例，产品均价则是该产品的平均销售价格。
有了这个公式，我们就能有效地做好业务监控。例如：当我们以一天时间来考察产品成交额时，发现他的成交额比前一天增加了30% ，这么大的波动来自于哪里呢？
我们去拆开每个环节看到，因为运营活动流量增加了10%；同时，活动增加了用户的下单积极性，从而使下单率提升了15% ，这两个原因加在一起使得一天的成交额得到了提升。
这只是最基础的场景，基于这个基础场景，再加上各种不同的流量叠加，就得到了该产品在所有渠道的成交量总计。
产品总成交 = 渠道1成交额 + 渠道2成交额 + 渠道3成交额 + …
而某个店铺则只要把该店铺所有产品的成交额加总：
店铺总成交 = A产品总成交 +B产品总成交 +C产品总成交 + …
对于淘宝而言，把活跃商家各店一年的总成交额加总，就得到了淘宝的一年GMV：
淘宝GMV = A店铺年成交 +B店铺年成交 +C店铺年成交 + …
3. 驱动产品增长看到了业务模型的拆解，我们也就能清楚看到增长的路径了。
举一个简单的有两个入口的线上课程销售场景为例，那么对于该课程的总销售额，有这样的计算模型：
课程总销售额 = 渠道1流量 × 渠道1转化率 × 渠道1课程价格 + 渠道2流量 × 渠道2转化 × 渠道2课程价格
因为课程的价格一般都是事先定好，不会轻易变动，驱动增长主要落在了增加流量，提升转化2个方面。
从增加流量的角度上，存量这块可以在原有渠道上怎么通过活动及文案的方式吸引更多流量。同时，我们可以从流量利用率去评估哪个渠道的转化更好，从而更多的提升这个流量的投放。从增量的角度，则可以去拓展新的渠道和场景，寻找新的流量。
提升转化则需要查找用户购买决策的薄弱环节，这需要一方面体察用户心理，一方面去检查每个页面的跳失率，查看哪一步的转化特别低，从而重点在这个环节做文章，通过优化，来拉动转化，从而提升整体成交额。
当我们进行任务拆解之后，就能非常清楚地梳理出我们日常的行动点，从而做整个业务指标的提升。
数据分析是我们日常工作中或多或少在使用的一种技能，而关键是需要把这项技能沉淀为一套系统，通过这套系统观察用户行为，探索优化方向。
练习：尝试思考现阶段的抖音，它的日常重点数据有哪些、变现业务模型是怎么样的。
7个核心步骤，打造有竞争力产品。下一篇，产品增长