關於認知和解讀數據，數據君並不權威，只想藉機讓各個零碎的知識聯結成網。互聯網所有工作的本質都在於解決問題，歸因、聚合、離散等等都是把一切問題變得有條理的手段，有條理是我們無限期待接近的目標。

進入正題，本文目錄如下 — —

1、認知數據的三個層次
2、數據的三個大致分類
2.1、行爲數據 UJM+OSM模型
2.2、搭建數據指標體系的 tips
3、以流量數據爲例進行解讀
3.1、流量數據分類
3.2、流量數據分析
4、數據認知能力培養

01 解讀數據的三個層次

面對相同的數據信息，不同的人因認知程度不同，可以洞察的信息會有很大差異，大致可分爲三個層次 👇

感知：知道數據是多少

認知：知道數據的變化原因

底層：預測數據的變化趨勢

🔎這三個層次是循序漸進的，可以作爲是否透徹洞察數據的一個標準。尤其是第三個層次，通過過去與現在洞察未來，並作出決策和判斷。這其實是一個標準職業經理人需要具備的素質，但哪怕在行業頭部企業，這樣的人也並不多見。

02 數據的三個大致分類

互聯網公司每天會產生上千萬上億的數據，其實這些數據大致都可以分爲三類：

用戶數據（誰） — — eg：用戶畫像、用戶活躍、用戶生命週期、用戶價值

行爲數據（做了什麼） — — eg：瀏覽、訪問、停留時長、跳轉、跳出

業務數據（結果如何） — — eg：轉化率、GMV、客單價、毛利率

📋業務數據往往是比較直觀的，它直接對應你的OKR或者KPI，最重要的業務目標在增長黑客裏也有一個說法叫「北極星指標」。它最大的特點在於可衡量、可拆解；

用戶數據這裏也不用多說，一個業務或者產品面對的目標用戶，它的具體用戶畫像和特徵，無論是用研調查還是技術算法，都會窮盡可能，讓你感知和了解用戶大盤；

👨‍💻行爲數據這裏稍後會展開，結合UJM+OSM聊一聊。

其實對於每一個數據字段，也可以進一步分類，

維度（Dimensions）

度量（Measures）

這裏看英文可以更直觀，在統計學中，單一數據字段可以被分爲離散和連續。

離散通常是維度，特徵是有限數量的值，比如城市名稱；

連續通常是度量，特徵是不可羅列，可能爲任一數值，比如 GMV。

但維度和度量其實也並不是涇渭分明的，比如金額，可以做維度，也可以度量。但絕大多數情況下，可大致如此分類。

2.1、行爲數據UJM+OSM模型

UJM即User Journey Map，用戶旅程地圖；OSM即Objective-Strategy-Measurement，目標、策略和衡量；這兩個模型在繪製產品和業務大圖時常常會結合使用。

這裏簡單繪製一個示意圖大家感知一下即可 — —

2.2、搭建數據指標體系的tips

（1）明確核心指標：

核心指標必須有業務可解釋性，能夠結合業務充分對數據進行解讀；

核心指標必須可拆解，進一步拆解爲各個子目標；

明確產品不同發展階段下的不同核心指標：產品生長期、成熟期和衰退期，核心指標應隨之發生改變。

（2）核心指標拆解：

核心目標的拆解有多種方法，業內常用的比如加減乘除公式、二八法則、漏斗轉化等。在公式拆解這裏有一個小tips：

📍宏觀角度用乘法：例如規模=觸達量級x滲透率x點擊率；

📍微觀角度用加法：例如發送量=營銷型+產品型=（個性化+品牌+活動）+（更新+迭代）。

（3）數據指標口徑：

由於互聯網公司部門與部門間的溝通成本巨大，數據指標口徑建議在統一達成共識後，數據口徑、關鍵庫表、SQL統一進行歸檔。

03 以流量數據爲例進行解讀

這裏以常見的C端流量數據爲例，進行一個初步的數據解讀，也不枉上邊講了一堆方法論，也好有一點實操感。

3.1、流量數據分類

日常流量運營裏，可以用“4W1H”進行一個簡單的流量數據劃分。原則上畫圖會更清晰，但太麻煩了，就簡單羅列一下 — —

Where — → 營銷場 — →渠道場景/流量位/資源位

Who — → 人 — →用戶/人羣網格化細分

What — → 產品供給 — →內容/創意/商品

How — → 分配策略/匹配策略

When — → 時機/事件/時間

3.2、流量數據分析

關於流量數據分析，可以簡單用一句話概括：流量從哪兒來？經過什麼？產生了什麼價值？如果波動，波動原因是什麼？

渠道分析 — →從哪兒來

轉化分析 — →經過什麼

價值分析 — →產生什麼價值

波動分析 — →異常波動的關鍵因素

以上是整體的分析思路，具體的業務場景裏，包括結構分析、趨勢分析、對比分析等；一些思維方法包括網格化、象限法、漏斗法、公式結構等；常用的數據工具就更多了，Excel、SQL、Python、FBI看板等等。

總而言之，理清主要思路，具體用哪一種方式，從A到B有無數條路徑，這個可以千人千面。

04 數據認知能力培養

關於這個part我也還在進行時。我的觀點是無論解讀數據的能力，還是關於數據認知的敏感，這都是一個任重而道遠的過程，需要有長期主義的心態，保持持續學習的態度和熱情。

保持數據洞察，其實可以隨時隨地進行練習。對待任何一個事物或者產品，保持結構化理性，充分吸收外部信息和整理內化信息。例如思考都可以從宏觀、中觀、微觀角度去切入。

🔸宏觀：行業情現狀和趨勢、競對洞察、社會時事政策、行業分析報告；

🔹中觀：企業整體的戰略定位、整體數據掃描與診斷、決策者意圖；

🔸微觀：具體業務細節數據、效果評估、提升空間。

以上就是本期的內容分享~~，碼字不易，如果覺得對你有一點點幫助，歡迎「追蹤」，「點贊」，「分享」喔，我會持續為大家輸出優質的內容~~

點選下方圖片免費體驗FineBI工具demo！