首页天道酬勤二十八式太极拳实战中的应用(威少一和威少二外场实战比较)

二十八式太极拳实战中的应用(威少一和威少二外场实战比较)

admin 11-29 05:07 161次浏览

编辑导读:企业每天都会产生大量的数据,这些数据必须经过分析才能为业务和运营产生价值。大数据平台是为了满足企业对数据的各种需求而创建的。如何搭建大数据平台,取决于企业面临的数据化程度和数据问题。本文将从产品方案设计的角度,阐述一个最小可行数据化运营平台方案设计的思路过程,供大家参考和学习。

在上一篇文章中,我谈到了如何为基础信息技能相对完善但数据能力不足的在线教育公司搭建大数据平台。感兴趣的同学可以参考《在线教育大数据营销平台实战(一):大数据平台构建实战》。

大数据平台的建设是从底层解决业务面临的数据问题,必须要有一个时间段,所以它对业务的贡献不会马上显现,业务对数据赋能的缺失必然会影响老板对数据团队的资源投入。如何解决这种无休止的循环?

我将结合自己的实践经验,说明如何在数据能力建设前期,利用第三方数据系统(厕神sa)和内部数据仓库的结合,构建支持数据运营平台的MVP方案。作者将重点介绍初始用户数据分析痛点的解决方案、埋点的实践经验、数据仓库与神策分析的集成方案。

00-1010通过对业务人员的初步访谈和调研,发现用户数据使用存在三大痛点:用户行为数据缺失、无法分析用户渠道在全流程中的效果、需要对不同运营角色进行个性化分析。我将在下面分析这三个痛点,并给出选择厕神sa的理由。

00-1010当时公司的现状是,在管理决策层面,老板和部门负责人只能得到结果数据,比如注册用户信息和交易数据。熟悉运营工作的读者都知道,用户运营必须是闭环的,在特定的业务场景下实现一系列的运营环节。比如在线教育常见的营销场景中,实现交易所需的一般环节包括“注册-加入群-开营-课程体验-课程注册”,再比如App运营用户交易的最短路径是“打开App-首页-考试通道页面-课程详情页-立即购买-支付订单”如果粗心的万宝路办公桌只有结果数据却缺少过程数据,那么问题的定位和分析必然是不完整的,难免会陷入盲人摸象的困境。

厕神数据提供了一整套数据嵌入解决方案,包括:全嵌入点、前端代码嵌入点、可视化全嵌入点等。而其SDK也做出了开源的贡献,并且其嵌入技术的成熟度也得到了业界的认可。使用神策略分析有利于实现不同业务场景下流程数据埋点的全覆盖。

一、初期痛点及神策解决方案

公司的外部渠道分为30多个类别和4000个子渠道。缺少对用户登陆页面在不同外部引流渠道的分布以及后续链接跳转的保留情况的分析。Web、App 10、小程序30、内部应用的各个推广版块都有多样化的跳转关系,迫切需要内部渠道跟踪分析工具。

厕神sa提供渠道管理分析解决方案,相关功能如下图所示:

1. 过程数据缺失

有很多运营角色,比如项目运营、平台运营、销售运营等。不同的角色对数据分析有不同的需求。项目运营重点分析课程产品对应不同考试的销售策略和收益成果。该平台侧重于应用程序和小程序等应用程序的用户流程优化分析和用户生命周期分析。销售重点关注渠道分析、线索分布、销售跟进、业绩成就等环节的用户线索。为了满足多样化的数据分析需求,需要一个灵活的、自定义的分析工具或平台。

厕神分析支持事件分析、漏斗分析、留存分析、分布分析、区间分析、用户路径、网页热图、归因分析、属性分析等多种分析模型。事件分析是灵活的

此外,考虑到民营化部署、技术成熟度、埋藏能力、功能灵活性和扩展性、自建人工成本和机会成本较高的原因,我们最终选择引入厕神分析系统。

在部署

2. 渠道效果难以全方位追溯

厕神分析后,需要快速完成过程数据,大量的埋设工作不可或缺。根据以往埋地工作的实践经验,作者总结了以下埋地设计、管理和验证方法。

00-1010 (1)了解事件-用户模型中的事件

厕神的底层数据模型是Event User的事件模型,所以在厕神分析中埋点称为“事件”。每个User实体对应一个真实的用户,用distinct_id标识来描述用户的长期属性,用户可以与他所从事的行为关联,即Event。

为了以最简单的方式理解事件实体,可以借鉴中学语文教师讲授的叙事文本的五要素,即人、时间、地点、方式和事物,即谁、何时、何地、如何、什么。

(2)事件设计应该恢复到业务场景。

离开现场的埋点设计肯定会被商科学生吐槽,因为很可能没有。

比如在线教育业务场景中常见的事件“浏览课程详情页”,当操作同学给你一个请求时,他可能会说“我想看一个课程页面被浏览的次数”。如果只埋掉课程详情页的基本信息,是不会还原到业务场景的。

中,或者是还原的还不完全。

我们将用户浏览课程详情页的行为向前捣两步,可以看到如下的行为序列。这时你会发现,课程详情页的前项页面是很多的,比如有:频道页-课程列表、首页-banner推荐位、直播详情页-课程推荐模块、App闪屏等,如果我们埋点时候不把前项页面名称和所属模块带上,那么行为信息是缺失的,总有一天运营同学还会给你提另一个需求:“怎么查看用户是从哪儿跳转到课程详情页的”。

(3)埋点设计文档

埋点文档要包括版本号管理、事件页面位置、触发时机、事件中英文名称、变量名称、SDK说明等。

2. 埋点管理思路

(1)埋点管理流程

埋点管理流程主要环节有:需求分析、埋点方案设计、需求评审、开发排期、埋点测试、上线回归、需求迭代闭环等环节,每个环节具体需要做什么,参见埋点管理流程图。

(2)需求梳理与验收

需求梳理环节要结合业务场景,对需求进行分析和拆解。拆解因素主要包括需求提交时间、业务部门、业务背景、需求场景描述、指标、指标定义、维度、用户行为、优先级、频次、验收标准,文档格式参见下图。

需求验收主要是需求评审后需要确认研发、测试是否通过或者未通过的原因,主要包括相关分析功能、相关事件、测试是否通过、不通过的原因等。

(3)埋点进度管理文档

埋点进度管理文档是埋点开发里程碑节点Check工具,文档格式见下图。

(4)开发流程优化迭代

通过几次埋点迭代的推动之后,发现总是不太顺畅,要不然上线延期、要不然会耗费巨大沟通精力。公司的研发资源分布是按产品线进行布局的,web端、App、小程序、服务端都是专属对口的研发资源,如果我每次埋点都直接和对应研发对接会存在两个问题:

负责埋点的产品要和公司80%的研发都打交道,对个人精力是极大消耗;各端研发人员日常工作节奏最熟悉的是期对应端的产品经理,方便把控版本节奏。

发现问题后,我对埋点开发流程进行了优化,不再直接和各端研发对接,而是把埋点需求拆解到各端产品经理,让其基于自身的产品版本进度穿插推进,当然这里还会面临各端上线不统一问题,经过逐步优化迭代后形成了较优的埋点开发流程,需要埋点相关文档的同学可以添加我微信获取:tigerhu614899

3. 埋点数据校验

(1)为什么要进行埋点校验

埋点校验的必要性主要有两点:

数据不准确造成数据权威性丧失,“用数据说话”可能就变成了一句笑话用户一但对系统产生怀疑,会种下一颗邪恶的种子,挽回成本大增

(2)怎么进行埋点校验

数据校验是个磨人的体力活,因此笔者建议各位小伙伴在进行数据校验前先调整好心态,选定靠谱用户试用,通过他们的经验能快速发现问题,比较分析-与业务系统数据、第三方平台(百度统计、友盟、GA)做对比发现问题,优先排查主数据(订单、用户数据等),常见的埋点校验思路如下:

先排除是统计口径问题造成的数据误差对数据链路(采集à上报à入库)进行校验;校验上报的事件及属性是否符合埋点设计文档;统计排查事件属性是否存在大量未知情况

三、数仓与神策分析结合构建MVP方案

1. 数仓补充神策分析短板

神策分析在事件分析上的短板个人认为主要的有两个:

模型支持自定义事件,能够解决一些常用的复合指标问题,但是多事件的join后并group by并对结果进行可视化展示就显得有些复杂神策的原始数据是埋点数据,埋点数据更多是对事务事实的表现,讲求特定空间某一时刻的发生事实;当然可以通过对某个时间段埋点事件的聚合完成对周期快照事实的分析,但是针对累积快照事实的分析就显得有些不足了。

而以上不足恰恰是数仓的优势,数仓可以将复杂报表提前处理。

下面举例本人操作过的经典小案例:

在对订单事件进行分析的真实场景中,项目运营人员对事件维度需求可能需要商品信息、用户基本信息、渠道信息、成单销售信息,时间维度可能需要下单时间、支付时间、转正时间、退款时间,对金额的类型要求可能包括售卖金额、应付金额、撤销金额、微信支付金额、支付宝支付金额等,可见其复杂度已经超越的通过埋点解决的ROI承受界限,硬要通过埋点解决显得有点不太聪明了。但是通过数仓的维度建模,我们可以很快给出如下的建模方案:

在数仓进行周期性建模在DWD层维护订单累计详情宽表,T+1同步到神策生成对应的订单宽表事件。

2. 神策分析和数仓打通的技术方案

(1)数据流转链路

神策分析和数仓打通的数据流转链路如下图所示,神策分析采集埋点数据并同步一份到数仓,数仓利用其维度建模优势生成方便业务查询使用的宽表事件并同步到神策分析,最终在神策分析系统完成数据的应用展示。

(2)神策埋点数据通过订阅分发机制同步数仓

神策分析的架构设计是开放式的,可以通过订阅实时数据来满足更多使用场景。服务端接到一条 SDK 发来的数据后,会对数据做一些预处理并将数据写入到消息队列 Kafka 供下游各类计算模块使用。

订阅数据要求如下:

启动订阅的机器需与部署神策分析的机器在同一个内网,且必须可以解析神策分析服务器的 host;Kafka 客户端版本要选择与部署的神策分析兼容版本;只有私有部署版支持通过 Kafka 订阅数据;

订阅参数:

(3)数仓加工处理后数据定时导入神策

神策架构的优势就是其开放性,当然也提供了多种数据导入工具下,各导入工具对比分析可以参见下表。

我司的数据同步方案如下:

T+1处理机制,一般是在凌晨进行数据加工处理,并导入神策系统为了保证内部Data pipline工具的统一化,我们基于spark重构了FormatImporter方法同步操作脚本自动化,加入统一workflow进行管理和监控

四、写在最后

致此本篇文章已接近尾声,以上是笔者实践过的快速构建数据化运营平台的MVP方案。所有的数据产品(平台)都会存在一个困局,业务同学不会用或者用不起来,总有各种问题找上门,这就是产品实施环节缺失造成的,下篇文章笔者将会给出曾操盘过的数据产品实施推广方案,阿尔法行动呼之欲出!

本文由 @Tigerhu 原创发布于人人都是产品经理,未经作者许可,禁止转载。

题图来自Unsplash,基于CC0协议。

云分发网络有什么用处?怎么使用C语言数组实现扫雷游戏CentOS 6.X下配置Keepalived VIP 云主机 UHostC++构造析构赋值运算函数怎么应用DeepRust匹配:有更好的方法吗?
瑞吉山还是皮拉图斯山(皮拉图斯山和铁力士山哪个好) 数据分析案例网(数据分析实际案例)
相关内容