數(shù)據(jù)處理流程和數(shù)據(jù)分析方法

大數(shù)據(jù)分析這件事用一種非技術(shù)的角度來看的話，就可以分成金字塔，自底向上的是三個(gè)部分，第一個(gè)部分是數(shù)據(jù)采集，第二個(gè)部分是數(shù)據(jù)建模，第三個(gè)部分是數(shù)據(jù)分析，我們來分別看一下。

【數(shù)據(jù)采集】

首先來說一下數(shù)據(jù)采集，我在百度干了有七年是數(shù)據(jù)相關(guān)的事情。我最大的心得——數(shù)據(jù)這個(gè)事情如果想要更好，最重要的就是數(shù)據(jù)源，數(shù)據(jù)源這個(gè)整好了之后，后面的事情都很輕松。

用一個(gè)好的查詢引擎、一個(gè)慢的查詢引擎無非是時(shí)間上可能消耗不大一樣，但是數(shù)據(jù)源如果是差的話，后面用再?gòu)?fù)雜的算法可能都解決不了這個(gè)問題，可能都是很難得到正確的結(jié)論。

我覺得好的數(shù)據(jù)處理流程有兩個(gè)基本的原則，一個(gè)是全，一個(gè)是細(xì)。

● 全：就是說我們要拿多種數(shù)據(jù)源，不能說只拿一個(gè)客戶端的數(shù)據(jù)源，服務(wù)端的數(shù)據(jù)源沒有拿，數(shù)據(jù)庫(kù)的數(shù)據(jù)源沒有拿，做分析的時(shí)候沒有這些數(shù)據(jù)你可能是搞歪了。另外，大數(shù)據(jù)里面講的是全量，而不是抽樣。不能說只抽了某些省的數(shù)據(jù)，然后就開始說全國(guó)是怎么樣?？赡苡行┦》浅Ｌ厥?，比如新疆、西藏這些地方它客戶端跟內(nèi)地可能有很大差異的。

● 細(xì)：其實(shí)就是強(qiáng)調(diào)多維度，在采集數(shù)據(jù)的時(shí)候盡量把每一個(gè)的維度、屬性、字段都給它采集過來。比如：像 where、who、how 這些東西給它替補(bǔ)下來，后面分析的時(shí)候就跳不出這些能夠所選的這個(gè)維度，而不是說開始的時(shí)候也圍著需求。根據(jù)這個(gè)需求確定了產(chǎn)生某些數(shù)據(jù)，到了后面真正有一個(gè)新的需求來的時(shí)候，又要采集新的數(shù)據(jù)，這個(gè)時(shí)候整個(gè)迭代周期就會(huì)慢很多，效率就會(huì)差很多，盡量從源頭抓的數(shù)據(jù)去做好采集。

【數(shù)據(jù)建模】

有了數(shù)據(jù)之后，就要對(duì)數(shù)據(jù)進(jìn)行加工，不能把原始的數(shù)據(jù)直接報(bào)告給上面的業(yè)務(wù)分析人員，它可能本身是雜亂的，沒有經(jīng)過很好的邏輯的。

這里就牽扯到數(shù)據(jù)建框，首先，提一個(gè)概念就是數(shù)據(jù)模型。許多人可能對(duì)數(shù)據(jù)模型這個(gè)詞產(chǎn)生一種畏懼感，覺得模型這個(gè)東西是什么高深的東西，很復(fù)雜，但其實(shí)這個(gè)事情非常簡(jiǎn)單。

我春節(jié)期間在家干過一件事情，我自己家里面家譜在文革的時(shí)候被燒教了，后來家里的長(zhǎng)輩說一定要把家譜這些東西給存檔一下，因?yàn)槲視?huì)電腦，就幫著用電腦去理了一下這些家族的數(shù)據(jù)這些關(guān)系，整個(gè)族譜這個(gè)信息。

我們現(xiàn)實(shí)是一個(gè)個(gè)的人，家譜里面的人，通過一個(gè)樹型的結(jié)構(gòu)，還有它們之間數(shù)據(jù)關(guān)系，就能把現(xiàn)實(shí)實(shí)體的東西用幾個(gè)簡(jiǎn)單圖給表示出來，這里就是一個(gè)數(shù)據(jù)模型。

數(shù)據(jù)模型就是對(duì)現(xiàn)實(shí)世界的一個(gè)抽象化的數(shù)據(jù)的表示。我們這些創(chuàng)業(yè)公司經(jīng)常是這么一個(gè)情況，我們現(xiàn)在這種業(yè)務(wù)，一般前端做一個(gè)請(qǐng)求，然后對(duì)請(qǐng)求經(jīng)過處理，再更新到數(shù)據(jù)庫(kù)里面去，數(shù)據(jù)庫(kù)里面建了一系列的數(shù)據(jù)表，數(shù)據(jù)表之間都是很多的依賴關(guān)系。

比如，就像我圖片里面展示的這樣，這些表一個(gè)業(yè)務(wù)項(xiàng)發(fā)展差不多一年以上它可能就牽扯到幾十張甚至上百?gòu)垟?shù)據(jù)表，然后把這個(gè)表直接提供給業(yè)務(wù)分析人員去使用，理解起來難度是非常大的。

這個(gè)數(shù)據(jù)模型是用于滿足你正常的業(yè)務(wù)運(yùn)轉(zhuǎn)，為產(chǎn)品正常的運(yùn)行而建的一個(gè)數(shù)據(jù)模型。但是，它并不是一個(gè)針對(duì)分析人員使用的模型。如果，非要把它用于數(shù)據(jù)分析那就帶來了很多問題。比如：它理解起來非常麻煩。

另外，數(shù)據(jù)分析很依賴表之間的這種格子，比如：某一天我們?yōu)榱颂嵘阅?，?duì)某一表進(jìn)行了拆分，或者加了字段、刪了某個(gè)字短，這個(gè)調(diào)整都會(huì)影響到你分析的邏輯。

這里，最好要針對(duì)分析的需求對(duì)數(shù)據(jù)重新進(jìn)行解碼，它內(nèi)容可能是一致的，但是我們的組織方式改變了一下。就拿用戶行為這塊數(shù)據(jù)來說，就可以對(duì)它進(jìn)行一個(gè)抽象，然后重新把它作為一個(gè)判斷表。

用戶在產(chǎn)品上進(jìn)行的一系列的操作，比如瀏覽一個(gè)商品，然后誰瀏覽的，什么時(shí)間瀏覽的，他用的什么操作系統(tǒng)，用的什么瀏覽器版本，還有他這個(gè)操作看了什么商品，這個(gè)商品的一些屬性是什么，這個(gè)東西都給它進(jìn)行了一個(gè)很好的抽象。這種抽樣的很大的好處很容易理解，看過去一眼就知道這表是什么，對(duì)分析來說也更加方便。

在數(shù)據(jù)分析方，特別是針對(duì)用戶行為分析方面，目前比較有效的一個(gè)模型就是多維數(shù)據(jù)模型，在線分析處理這個(gè)模型，它里面有這個(gè)關(guān)鍵的概念，一個(gè)是維度，一個(gè)是指標(biāo)。

維度比如城市，然后北京、上海這些一個(gè)維度，維度西面一些屬性，然后操作系統(tǒng)，還有 IOS、安卓這些就是一些維度，然后維度里面的屬性。

通過維度交叉，就可以看一些指標(biāo)問題，比如用戶量、銷售額，這些就是指標(biāo)。比如，通過這個(gè)模型就可以看來自北京，使用 IOS 的，他們的整體銷售額是怎么樣的。

這里只是舉了兩個(gè)維度，可能還有很多個(gè)維度。總之，通過維度組合就可以看一些指標(biāo)的數(shù)，大家可以回憶一下，大家常用的這些業(yè)務(wù)的數(shù)據(jù)分析需求是不是許多都能通過這種簡(jiǎn)單的模式給抽樣出來。

四、數(shù)據(jù)分析方法

接下來看一下互聯(lián)網(wǎng)產(chǎn)品采用的數(shù)據(jù)分析方法。

對(duì)于互聯(lián)網(wǎng)產(chǎn)品常用的用戶消費(fèi)分析來說，有四種：

（1） 第一種是多維事件的分析，分析維度之間的組合、關(guān)系。

（2）第二種是漏斗分析，對(duì)于電商、訂單相關(guān)的這種行為的產(chǎn)品來說非常重要，要看不同的渠道轉(zhuǎn)化這些東西。

（3）第三種留存分析，用戶來了之后我們希望他不斷的來，不斷的進(jìn)行購(gòu)買，這就是留存。

（4）第四種回訪，回訪是留存的一種特別的形式，可以看他一段時(shí)間內(nèi)訪問的頻次，或者訪問的時(shí)間段的情況

【方法 1：多維事件分析法】

首先來看多維事件的分析，這塊常見的運(yùn)營(yíng)、產(chǎn)品改進(jìn)這種效果分析。其實(shí)，大部分情況都是能用多維事件分析，然后對(duì)它進(jìn)行一個(gè)數(shù)據(jù)上的統(tǒng)計(jì)。

1. 【三個(gè)關(guān)鍵概念】

這里面其實(shí)就是由三個(gè)關(guān)鍵的概念，一個(gè)就是事件，一個(gè)是維度，一個(gè)是指標(biāo)組成。

l 事件就是說任何一個(gè)互聯(lián)網(wǎng)產(chǎn)品，都可以把它抽象成一系列事件，比如針對(duì)電商產(chǎn)品來說，可抽象到提交、訂單、注冊(cè)、收到商品一系列事件用戶行為。

l 每一個(gè)事件里面都包括一系列屬性。比如，他用操作系統(tǒng)版本是否連 wifi；比如，訂單相關(guān)的運(yùn)費(fèi)，訂單總價(jià)這些東西，或者用戶的一些職能屬性，這些就是一系列維度。

l 基于這些維度看一些指標(biāo)的情況。比如，對(duì)于提交訂單來說，可能是他總提交訂單的次數(shù)做成一個(gè)指標(biāo)，提交訂單的人數(shù)是一個(gè)指標(biāo)，平均的人均次數(shù)這也是一個(gè)指標(biāo)；訂單的總和、總價(jià)這些也是一個(gè)指標(biāo)，運(yùn)費(fèi)這也是一個(gè)指標(biāo)，統(tǒng)計(jì)一個(gè)數(shù)后就能把它抽樣成一個(gè)指標(biāo)。

2. 【多維分析的價(jià)值】

來看一個(gè)例子，看看多維分析它的價(jià)值。

比如，對(duì)于訂單支付這個(gè)事件來說，針對(duì)整個(gè)總的成交額這條曲線，按照時(shí)間的曲線會(huì)發(fā)現(xiàn)它一路在下跌。但下跌的時(shí)候，不能眼睜睜的看著它，一定要分析原因。

怎么分析這個(gè)原因呢？常用的方式就是對(duì)維度進(jìn)行一個(gè)拆解，可以按照某些維度進(jìn)行拆分，比如我們按照地域，或者按照渠道，或者按照其他一些方式去拆開，按照年齡段、按照性別去拆開，看這些數(shù)據(jù)到底是不是整體在下跌，還是說某一類數(shù)據(jù)在下跌。

這是一個(gè)假想的例子——按照支付方式進(jìn)行拆開之后，支付方式有三種，有用支付寶、阿里 PAY，或者用微信支付，或者用銀行看內(nèi)的支付這三種方式。

通過數(shù)據(jù)可以看到支付寶、銀行支付基本上是一個(gè)沉穩(wěn)的一個(gè)狀態(tài)。但是，如果看微信支付，會(huì)發(fā)現(xiàn)從最開始最多，一路下跌到非常少，通過這個(gè)分析就知道微信這種支付方式，肯定存在某些問題。

比如：是不是升級(jí)了這個(gè)接口或者微信本身出了什么問題，導(dǎo)致了它量下降下去了？

【方法 2：漏斗分析】

漏斗分析會(huì)看，因?yàn)閿?shù)據(jù)，一個(gè)用戶從做第一步操作到后面每一步操作，可能是一個(gè)雜的過程。

通過這個(gè)漏斗，就能分析一步步的轉(zhuǎn)化情況，然后每一步都有流失，可以分析不同的渠道其轉(zhuǎn)化情況如何。比如，打廣告的時(shí)候發(fā)現(xiàn)來自百度的用戶漏斗轉(zhuǎn)化效果好，就可能在廣告投放上就在百度上多投一些。

【方法 3：留存分析】

比如，搞一個(gè)地推活動(dòng)，然后來了一批注冊(cè)用戶，接下來看它的關(guān)鍵行為上面操作的特征，比如當(dāng)天它有操作，第二天有多少人會(huì)關(guān)鍵操作，第 N 天有多少操作，這就是看它留下來這個(gè)情況。

【方法 4：回訪分析】

回訪就是看進(jìn)行某個(gè)行為的一些中度特征，如對(duì)于購(gòu)買黃金這個(gè)行為來說，在一周之內(nèi)至少有一天購(gòu)買黃金的人有多少人，至少有兩天的有多少人，至少有 7 天的有多少人，或者說購(gòu)買多少次數(shù)這么一個(gè)分布，就是回訪回購(gòu)這方面的分析。

上面說的四種分析結(jié)合起來去使用，對(duì)一個(gè)產(chǎn)品的數(shù)據(jù)支撐、數(shù)據(jù)驅(qū)動(dòng)的這種深度就要比只是看一個(gè)宏觀的訪問量或者活躍用戶數(shù)就要深入很多。

五、運(yùn)營(yíng)分析實(shí)踐

下面結(jié)合個(gè)人在運(yùn)營(yíng)和分析方面的實(shí)踐，給大家分享一下。

【案例 1：UGC 產(chǎn)品】

首先，來看 UGC 產(chǎn)品的數(shù)據(jù)分析的例子?？赡軙?huì)分析它的訪問量是多少，新增用戶數(shù)是多少，獲得用戶數(shù)多少，發(fā)帖量、減少量。

諸如貼吧、百度知道，還有知乎都屬于這一類的產(chǎn)品。對(duì)于這樣一個(gè)產(chǎn)品，會(huì)有很多數(shù)據(jù)指標(biāo)，可以從某一個(gè)角度去觀察這個(gè)產(chǎn)品的情況。那么，問題就來了——這么多的指標(biāo)，到底要關(guān)注什么？不同的階段應(yīng)該關(guān)注什么指標(biāo)？這里，就牽扯到一個(gè)本身指標(biāo)的處理，還有關(guān)鍵指標(biāo)的問題。

【案例 2：流失用戶召回】

這種形式可能對(duì)其他產(chǎn)品就很有效，但是對(duì)我們這個(gè)產(chǎn)品來說，因?yàn)槲覀冞@是一個(gè)相對(duì)來說目標(biāo)比較明確并且比較小眾一點(diǎn)的差別，所以這個(gè)投放的效果可能就沒那么明顯。

在今年元旦的時(shí)候，因?yàn)橹吧暾?qǐng)?jiān)囉梦覀兡莻€(gè)產(chǎn)品已經(jīng)有很多人，但是這里面有一萬人我們給他發(fā)了帳號(hào)他也并沒有回來，我們過年給大家拜拜年，然后去匯報(bào)一下進(jìn)展看能不能把他們撈過來一部分。

這是元旦的時(shí)候我們產(chǎn)品的整體用戶情況，到了元旦為止，9月25號(hào)發(fā)布差不多兩三個(gè)月時(shí)間，那個(gè)時(shí)候差不多有 1490 個(gè)人申請(qǐng)?jiān)囉昧宋覀冞@個(gè)產(chǎn)品。但是，真正試用的有 724 個(gè)，差不多有一半，另外一半就跑了，就流失了。

我們就想把這部分人抽出來給他們進(jìn)行一個(gè)招回活動(dòng)，這里面流失用戶我們就可以把列表導(dǎo)出來，這是我們自己的產(chǎn)品就有這樣的功能。有人可能疑惑我們?cè)趺茨玫接脩舻倪@些信息呢？

這些不至于添加，因?yàn)槲覀兩暾?qǐng)?jiān)囉玫臅r(shí)候就讓他填一下姓名、聯(lián)系方式，還有他的公司這些信息。對(duì)于填郵箱的我們就給發(fā)郵件的，對(duì)于發(fā)手機(jī)號(hào)的我們就給他發(fā)短信，我們分析這兩種渠道帶來的效果。

先說總體，總體我們發(fā)了 716 個(gè)人，這里面比前面少了一點(diǎn)，我把一些不靠譜的這些信息人工給它干掉了。接下來，看看真正有 35 個(gè)人去體驗(yàn)了這個(gè)產(chǎn)品，然后 35 個(gè)人里面有 4 個(gè)人申請(qǐng)接入數(shù)據(jù)。

因?yàn)槲覀冊(cè)诋a(chǎn)品上面做了一個(gè)小的改進(jìn)，在測(cè)試環(huán)境上面，對(duì)于那些測(cè)試環(huán)境本身是一些數(shù)據(jù)他玩一玩，玩了可能感興趣之后就會(huì)試一下自己的真實(shí)數(shù)據(jù)。這個(gè)時(shí)候，我們上來有一個(gè)鏈接引導(dǎo)他們?nèi)ド暾?qǐng)接入自己的數(shù)據(jù)，走到這一步之后就更可能轉(zhuǎn)化成我們的正式客戶。

這兩種方式轉(zhuǎn)化效果我們其實(shí)也很關(guān)心，招回的效果怎么樣，我們看下面用紅框表示出來，郵件發(fā)了 394 封。最終有 32 個(gè)人真正過來試用了，電話手機(jī)號(hào)322 封，跟郵件差不多，但只有 3 個(gè)過來，也就是說兩種效果差了 8 倍。

這其實(shí)也提醒大家，短信這種方式可能許多人看短信的比較少。當(dāng)然，另一方面跟我們自己產(chǎn)品特征有關(guān)系，我們這個(gè)產(chǎn)品是一個(gè) PC 上用起來更方便的一個(gè)產(chǎn)品。許多人可能在手機(jī)上看到這個(gè)鏈接也不方便點(diǎn)開，點(diǎn)開之后輸入帳號(hào)也麻煩一點(diǎn)。所以，導(dǎo)致這個(gè)效果比較差。