其他分享
首页 > 其他分享> > 西瓜创客张平曦:从商业目标出发解决数据治理中的困境

西瓜创客张平曦:从商业目标出发解决数据治理中的困境

作者:互联网

 

watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=

在以“矩·变”为主题的神策 2019 数据驱动大会现场,西瓜创客数据分析负责人张平曦发表了名为《从商业目标出发解决数据治理中的困境》的主题演讲。以下内容根据其现场演讲整理所得。主要内容如下:

一、为什么要做数据治理?

西瓜创客是一个极为重视数据驱动力量的企业,在我们公司仅有 50 人时已接入神策数据,在数据驱动从零到一的摸索过程中,逐渐发现数据治理的重要性不容小觑,下面我们通过一个问题来直观感受下——双十一的 GMV 到底是多少?

双十一刚结束时,朋友圈有一个消息显示淘宝的销售额仅 200 亿元,而京东销售额已超千亿元,当时有点惊讶,后来了解到事实是京东十天累计下单 1313 亿元,双十一全天淘宝直播 200 亿,且天猫 1 小时 3 分 59 秒破千亿。很显然,这是由数据口径不一致造成的问题。

该问题不是个例,而是在很多公司均存在的问题,在西瓜创客也出现过。在去年我们的 11 月 5 日至 11 月 12 日的双十一促销快结束时,分析师被各方灵魂拷问,如下图:

CEO:“双十一 GMV 目标只达成了 60%?”

销售总监:“我看到的数据是 90%,你加了 xx 商品的数据么?”

渠道负责人:“我们达成了啊,你看的是哪里的数据?”

销售:“绩效看板和我的销售额怎么对不上呢?”

财务:“本月现金流量标比业务数据少了 100w,怎么回事?”

分析师:“???”

这种场景不知你是否似曾相识?在这个困境中,往往分析师 50% 的时间在和业务沟通和核对数据,50% 的时间在做数据清洗,留给真正分析的时间少之又少。而其关键问题很显然,即口径不一致、系统不一致使看到的数据不一样,理解也不一样。

针对这件事,我们做了一个全面复盘,并画了一幅 GMV 的传送链路图:

watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=

在图中明确的表示出每个人接收的数据来自于哪个部门,哪个系统。在数据生产端,存在底层数据、数仓、神策数据、第三方数据(如有赞数据、支付宝数据等),不难发现,第三方数据与底层数据是完全割裂的,这也是财务、CEO 看到的数据不一样的原因。但从图来看仍不够直接,我们又做了一个总结,如下图:

watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=

问题的症结聚焦一点就是大家的认知依据不一致。通过复盘或解释,最终大家会达成统一的认知,但分析者依然会承担因此而带来的后果和影响,其中,最关键的两个就是低效和质疑。来回反复的沟通,各方 argue 对自己有利的口径导致低效;对数据团队的信任度降低,甚至对数据产生质疑。

为此,西瓜创客开始尝试在数据流的各个环节采取措施进行数据治理,如下图。

watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=

方法 1:

在源头上,通过使用的一套“系统事件”的概念,用统一的协议和规则来统一数据源的获取,尽可能覆盖所有的指标,其优点是对于前端事件记录全面,缺点是对于后端事件可能有所遗漏,研发和业务对关键指标的理解差异,甚至将导致关键指标遗漏采集,只可解决 70% 的问题。

方法 2:

在流程上,尝试统一产品研发及业务方的埋点流程和规范,从需求出发确定要采集的数据,最终往往会发现产研部门和业务、数据部门的目标不一致,导致很容易乱,比如业务提出几个紧急需求,开发进行了几个版本迭代后,将数据流、指标就抛之脑后。

方法 3:

在源头和流程上均无法解决时,最后会采用最原始最粗暴也最消耗时间精力的方式——反复的数据清洗。

我们曾经在数据分析团队做过一个调研,询问大家认为分析师应该做的事情和目前正在做的事情之间的 gap,最终答案是大家认为分析师应该做的事情是分析、挖掘、为业务产生价值的东西,而实际在做的就是取数和报表。

这个落差其实很普遍也很痛苦,为真正解决问题,我们回归初心,思考其本质,总结出数据治理的本质和数据的价值是用可信的数据,驱动业务目标的达成。

二、如何从商业目标出发?

从这个角度来看,前面的思考更偏向为数据分析而数据治理,正确的思路应该是从业务目标出发来看待数据治理,我们做了一个梳理,如下图:

watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=

每个公司及业务均有一套属于自己的商业逻辑,如西瓜创客会将获客成本、LTV 等作为商业逻辑的关键因素。商业逻辑决定目标是什么?如确定 GMV、复购率、复购的客单价的设定。进而再决定业务逻辑的拆解和对应的业务流程,在其中又会衍生出各种数据需求,针对具体业务可评估需要什么颗粒度的什么数据?当了解到需要什么数仓表后可决定埋点的系统事件类型。最后我们发现,以上 5 模块分别是上游向下游负责,要需求方向业务方负责。

但实际的应用中,往往不时出现灵魂拷问,如下图:

watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=

不难发现,单一的上游向下游负责的链条是无法支撑企业的良性运转,无论是目标还是数据质量本身,所以我们又重新基于目标出发的视角,进行梳理,如下图:

watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=

本次梳理仍从商业逻辑出发,但在链路中,不再根据任何一个流程或一个单一的事件输出业务需求,而是基于业务和商业逻辑做出一个指标体系,该指标体系主要包含 KPI 及过程指标。

也就是说,用指标体系连接应用环节(商业逻辑和业务逻辑)和生产环节(数仓表和系统事件),如下图:

watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=

在实际工作中,每一个人或部门承担的角色和目标不同,如 CEO 的目标是实现商业目标,数据分析师的目标是处理需求,数据开发的目标是搭建数仓表等,当整体梳理为统一的指标体系,这也将让商业目标不是 CEO 一个人的事情,使各部门携手实现商业目标。

watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=

三、如何落地指标体系?

下面通过一个案例进行剖析——DM 单的购买转化业务,针对该业务我们设计了一个简单的漏斗,包含 DM 单访问、发起购买、订单生成、支付成功,但其存在很多问题,如下图:

watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=

之后,我们基于商业目标梳理的逻辑,重新对这个场景采取 5 步法确定指标体系和数据埋点,如下:

1.商业逻辑:通过 DM 单将流量转化为 GMV,如下图:

watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=

2.业务逻辑:

watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=

3.指标体系:

watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=

4.中间表

watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=

5.事件设计(埋点)

watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=

通过这 5 步基本上构建了一个指标体系地图(如下图),已可让所有相关方理解商业目标和达成方式。

watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=

在该阶段,企业可进行如下操作:

watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=

watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=

watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=

在以上操作结束后,我们继续进行了不同角色的口径梳理,如下图:

watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=

如此一来,大家都为商业目标负责,而不是需求本身负责,这是我们的一个实践尝试。在尝试过程中,我们采取了项目组的方式,项目组成员包含研发设计、产品、数据等,且大家一起背该项目的 KPI,在这种组织架构下,团队间的配合也发生了微妙的变化,大家的协作性和理解性大大加强,如下图:

watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=

甚至工作的价值感也提升了,举个例子,过去分析师往往聚焦产出本身,如产出多少表或分析报告,但现在其已经通过埋点或研发资源高效实现了,分析师便不需要做提数、做报表、清理数据、发现坑、填坑等工作。现在,分析师做的更多是与业务方沟通,定位业务优化点,优化业务逻辑,匹配对应的数据资源,对业务目标赋能。

经过分析后,仔细思考,你会发现数据流并没有改变,系统也没有改变,只是通过指标体系的链接,各个业务方可看到商业目标实现过程全貌,可准确知道自己的产出起到什么作用,会对什么决策产生影响,且因为指标体系已经从一开始告诉了目标是什么?基于目标的指标口径是什么?基于流程的转化链路是什么?用什么来判断好和不好?企业可不用统一和限制数据传送的链条、限制数据查看权限。

以上,就是西瓜创客的一个小小实践,打造的一个基于目标的指标体系地图的思考和迭代的过程,让所有的相关方理解目标和我们达成目标的方式,从而使他们的业务目标转化为企业的商业目标,整个企业各部门真正朝一个方向发力和突破。

 

标签:西瓜,数据,商业,业务,目标,指标体系,创客,如下,张平曦
来源: https://blog.51cto.com/u_14438762/2884385