前言
提及 「體系」 二字，我的腦海里浮現出老闆說的 「對於工作的規劃要從全局出發，內容要全面、要成體系！」 那麼對於一個數據分析師而言我們的體系是什麼？是 「目標監控體系？」，是 「運營分析體系？」 ，還是 「 數據指標體系？」 到底該如何構建數據分析體系賦能業務呢？今天就來跟大家聊聊體系構建的話題。
構建業務數據分析體系，對於分析師同學有兩個方面的要求：第一，要了解業務模式，能夠解釋數據背後的業務含義，找到業務的問題點、提升點，驅動業務向前發展；第二，不能只做數據、圖表的堆砌，需要根據業務的流程鏈路有目標、有邏輯、有順序的分模塊分專題展現數據。滿足這兩個方面的要求才是真正意義上的數據分析體系。
下面結合我的工作場景，給大家講講業務數據分析體系搭建的基本思路。
1、明確業務邏輯
分析師同學要明確自己服務的業務是什麼？業務邏輯是什麼？業務核心是什麼？在業務的基礎上構建分析體系，才能讓分析結果更接地氣，更好的應用到業務中。
以流量外采業務為例，梳理業務邏輯（如下圖）：各業務線發起流量需求 → 多渠道進行流量採買 → 流量引入落地頁 → 落地頁產生流量轉化 → 流量變現、效果轉化，這一系列步驟決定採買目標是否達成。
2、拆解分析模塊
明確了業務邏輯後，根據目標和事件順序進行分析模塊拆解，明確各個目標分析的專題及關注核心。流量外采業務拆解分析模塊如下：
採買效率關注核心：有多少預算？現在以什麼樣的價格買了多少流量？當前出價能否實現目標最大化？預算、價格、採買流量無論調節哪一項，只有三者維持平衡，才能實現流量供給相對穩定。
廣告填充直接影響流量變現。因此，在保證廣告主預算合理消耗、效果滿足預期的前提下，不斷提升頁面廣告填充率，從而提升流量變現效率。
用戶行為既能夠決定收入轉化又能夠決定效果轉化。細緻研究收入、效果轉化用戶在單頁面中有哪些行為、訪問了幾層頁面、點—面—點—轉化/跳出的訪問路徑是什麼。根據轉化用戶特徵優化產品策略從而幫助業務提升流量轉化。
以上各個模塊的優化目的是為了達成共同的業務目標，目標達成的數據監控基礎且重要。收入、效果、投入產出的數據表現直觀的描述了業務現狀和目標達成情況，及時的監控目標達成有助於業務穩定健康發展。
3、確定分析指標
確定了分析模塊後，開始選定各個模塊的分析指標，指標基本分為：結果量、轉化率兩類。結果量描述規模和目標達成，轉化率描述效果。根據業務路徑選取關鍵節點的轉化和重要結果達成作為分析指標。按照路徑的先後順序列出指標，形成了核心數據看板，完成了數據體系的搭建。
基於流量外采業務分析模塊，可拆解出如下數據看板：
4、洞察走勢與業務同步發展
有了清晰業務結構、模塊拆解，數據看板就可以跟蹤業務走勢。在跟蹤的時候，首先關注的是：目標達成情況。目標達成決定了後續一系列行動判斷，根據業務走勢的波動情況定位異常問題、發現業務提升點。產品、運營同學根據數據結論制定每個階段的行動計劃，同時分析師也要不斷變換分析視角與業務聯動實現同步發展。
如下示例：
根據業務階段性動作，明確階段核心，定製專題分析方向：
- 增收階段關注
- 階段核心：流量需求、廣告填充、商業帖效果轉化；
- 專題分析方向：客戶數、預算消耗率、落地頁 PVR、商業化率；
- 提效階段關注
- 階段核心：效果轉化；
- 專題分析方向：CVR、效果量/UV、客戶效果成本；
- 控成本階段關注
- 階段核心：採買效率、效果轉化；
- 專題分析方向：投放 CTR、ACP、站內 C/站外 C、CVR、效果量/UV。
5、驅動業務增長
驅動業務增長是高階數據分析要實現的目標之一。想要改善業務，就必須了解業務細節，發現問題，找出關鍵點，給出科學合理的優化方案，推動方案落地，才能實現業務增長。其中發現問題、找關鍵點、優化方案、推動落地都屬於數據驅動的範疇。
如流量採買業務中需求與供給匹配的問題：
- 發現問題
- 優化方案
具體應該如何分配流量？這就找到了數據分析在項目中可以為項目實踐提供價值的地方。
- 數據幫助項
根據規劃求解的原理解決業務中流量分配的問題。
項目實踐測試的過程中，分析師需要不斷跟進評估實驗效果、推全後復盤項目的目標達成和可疊代升級的內容。實現全流程的參與、評估、決策才能稱之為數據分析驅動業務增長。
6、形成數據體系
構建數據分析體系的本質是：滿足業務需求，解決業務問題，驅動業務增長。在滿足需求、發現問題、解決問題、跟進項目、落地復盤的過程中分析師同學要不斷的提煉總結，進而形成自己的數據分析體系。
它可以是個思維導圖，可以是個表格，也可以是個文檔。無論哪種形式只要實現了數據分析體系本質，發揮了它應有的作用，落在了具體業務中，就是一個優秀的業務數據分析體系。
回到流量採買業務的示例，總結提鍊形成的數據體系如下：
現實中，很多分析師同學掌握了專業的統計分析方法、分析工具、算法模型，但在與業務配合的過程中，總是很關注自己的理論深度、難度、專業度，卻忽略了與業務的貼合度，因此分析結構就沒有辦法形成體系化的分析結構，分析技能也只能停留在初級水平。
用專業的方法服務個性化需求，將分析結果推廣至業務中，只要這樣才能真正的實現分析師價值，同時你也從初級成長為高級。
案例| 抖音集團數據指標體系 分析與增長實踐
作者 | 小宇 一個數據人的自留地