知识分享

  • 首页
  • 市场分析
  • 需求分析
  • UI设计
  • 产品运营
  • 产品设计
  • 项目管理
  • 新玩意儿
不积跬步无以至千里
不要停留,欣赏沿途的风景
  1. 首页
  2. 产品设计
  3. 正文

如何搭建一个企业级数据分析体系?

2020年12月12日 221点热度 0人点赞 0条评论

编辑导读:增长是企业最重要的工作之一,如何用数据驱动企业增长呢?这就需要企业搭建一套数据分析体系。本文立足于企业实际情况,对构建企业级数据分析体系的步骤进行了详细梳理说明,希望对你有帮助。

最佳实践

一个企业级数据分析体系的最佳实践应该是这样的:

  • 内部感知系统:及时告知各项内部运营参数;
  • 外部感知系统:及时反馈外部竞争、机会状况;
  • 报警系统:及时发现并报告各项异常,并指明故障点;
  • 导航系统:根据设定的目标,提供可到达的若干方案,根据当前方案和位置,指明下一步行动方向,对目标进行合理预测,实时反馈当前执行情况。

但是企业有大小,业务流程有粗细,产业链有长短,企业所处阶段有不同,如何构架一个符合企业实际情况的数据分析体系呢?

构建企业级数据分析体系的步骤

当你接手公司/部门/小组数据分析工作时,可以按照上图所示的流程,建设一套完整的数据分析体系。

Step1:理清业务线

首要的工作是理清公司/部门的业务线,这些内容可以从企业战略地图中获得。不同的业务线的目标不一样,场景不一样,数据量也不一样,使用的人员和技术自然也都不一样。此时需要画出业务流程图。

例如,自营业务线更偏向生产企业,需要做财务分析,涉及各个自营产品的收入、各种费用、利润的分析,还必须有固定资产折旧管理成本摊销的财务专业知识,不同的方法核算出来的成本和利润会有质的区别,影响最终的决策。

Step2:明确内外部客户

其次,根据Step1画出的业务流程图,整理出所需服务的内外部客户,以及他们在各个环节中的数据诉求,并绘制成表格:

Step3:规划数据服务

根据Step1、2梳理的业务流程、各客户诉求,结合公司战略导向以及数据部门现有资源,绘制战略执行地图,预设准备建设的数据服务内容。

以用户运营为例,其业务目标主要为了解用户总体现状、提升用户总量、提升留存、提升日活、提升付费等,再进一步细化至可以提供的数据服务以及简单梳理数据来源。

如上表所示,各种数据服务的内容对技术的要求不一样,同时根据企业数据量和业务复杂程度,所需要的底层数据技术也不一样。

公司各条业务线所需的数据服务梳理完之后,就可以进行技术的选型了。

数据少,业务流程简单,比如商品贸易企业,只需要一个强力的数据分析师,协同财务和业务,共同做几个业务分析,固化为excel报表,每月更新报表即可,平时对上月的数据进行专题分析,发现问题及时预警,就足够了。

但如果是电商平台,商业模式复杂,数据量又大,首要考虑的就是能够服务于核心指标,提升效率,然后全局规划,分布实施。

技术上满足大数据量选用Hadoop体系,应对业务快速变化则需要建设数据仓库,进行业务和数据的解耦,解放数据分析人员的时间则需要搭建多维分析如Kylin、impala等等。

请注意,这里的紧急和重要程度都是相对而言的。

Step4:搭建数据团队

数据部门所需支撑的工作已经整理清楚了,业务方对数据的要求也很清晰,也已经根据公司的情况进行了大致的技术选型,那么需要什么样的人员就非常清楚了,遵循“因事定岗,因岗定人”的原则,我们就可以搭建数据团队的组织结构。

组织架构并不一定是大而全的,在创业初期,基本上是老板自己担任了数据分析师的角色,凭着对业务的深刻理解,作出各种决策判断。

但是随着业务的不断扩大,业务线增多,业务流程复杂,业务变化快,数据量大,对数据部门的各种要求也就越来越多,因此数据部门承担的任务会越来越复杂,服务的对象也越来越多,基于降本增效的考虑,就需要不断丰富数据部门的职能,拓展技术能力。

Step5:设定制度标准

设立制度、规范和标准,是数据工作的基础,与公司大小,数据量的多少无关。

统一全公司口径的是公司指标体系及统计口径标准;对外协作需要数据安全管理制度、数据提取审批流程;对内管理需要报表出具流程、专题分析报告制作标准;技术管理则有M有SQL开发规范、数据仓库设计标准等等。

预先设定规则,严格执行流程,时刻监督,惩前毖后,切不可让规则成为一纸空文。

Step6:补全技术、完善工具

此时,才正式进入纯技术阶段。按照之前的需求及设定的方案,遵照执行即可。如果你正在开荒,那就必须要小心不要被细节缠住,陷入无尽的任务。哪怕资源再少,都要分兵,一部分应对日常需求,一部分搞建设,快速将各种工作自动化,提升效率,腾出功夫做更有价值的事情。

Step7:长期规划、快速迭代

优秀的架构师、管理者,都不能满足于现状,但又不能盲目的追求新技术,应该进行合理的超前。无论是所提供的数据服务,还是新技术的引入,只需满足企业未来1年所用即可。

迟于进度,则不能满足内外部业务需要,过度超前,则投入太大,ROI不成正比,2019年诸多数据中台项目失败就是这个原因,与诸君共勉。

 

作者:大数据架构师,国药国华大数据总监,擅长BI、数仓、数据中台产品规划领域,公众号:大数据架构师

本文由 @大数据架构师 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于 CC0 协议

给作者打赏,鼓励TA抓紧创作!

标签: 暂无
最后更新:2020年12月12日

小虾米

同理心,洞察力!

点赞
< 上一篇
下一篇 >

文章评论

razz evil exclaim smile redface biggrin eek confused idea lol mad twisted rolleyes wink cool arrow neutral cry mrgreen drooling persevering
取消回复
最新 热点 随机
最新 热点 随机
我在椰树直播间,花了三分钱 东方甄选走红这一年 京东自营开始踩刹车 “单车刺客”6.5元一小时!共享单车平台还是赚不到钱,你被刺了吗? 政务CRM-CRM在政务行业的应用现状 Temu的砍一刀,迷倒了美国人 社交媒体围攻BOSS直聘 组件应用 | 个人主页头部,应该如何设计? 远程技术团队,操作回顾会怎么开? 我在网上卖“土”,年入5000万 增长模型:产品增长的通用思维框架 “大人”,榜单时代变了 汽水音乐一周年:“抖音BGM播放器”的起与落 一个方法论,搞懂支付的一切 密码强度计有哪些局限性? 618回归“价格战”:京东淘宝进入存量竞争,小红书、视频号深入电商直播 兴趣电商未来会超过货架电商吗? 直播带货再难造神:天涯重启失败,7天只卖了36万 鏖战13年后,线上超市的肉搏还在继续 最佳的阅读一行是多少字最合适?
被集市收割、被买家嫌弃,“摆摊后浪”有点惨蓝领用工招聘平台的数字化建设思路干货分享:WMS系统—PDA的应用iOS 17,能否守住「iOS神话」?系统功能设计:网络加速器系统产品需求设计电商扫盲第一讲:GMV的底层逻辑打造一个基于本地社区的闲置交易平台,你看好吗?东南亚出海洞察:去东南亚为直播电商开荒,没有超头主播,货品供给不足……定金+尾款模式背后的套路天涯老用户的自救,让我明白情怀是最不值钱的东西抖音上线酒店日历房,其他平台会慌吗?从需求到设计开发,产品质量问题如何分析靠咱们看腻的电视剧,爱奇艺和腾讯在东南亚成了顶流如何让你的“对内B端产品”看起来有价值?设计走查知多少产品思考:视觉冲击!以图片展示金额,“省钱卡”这样玩就对了多多买菜为什么比美团买菜要便宜?都在骂网暴,为什么网暴一直没有停过韩国漂流记:明星在面前,咖啡在手里,中国互联网公司在广告墙自动驾驶风口退潮的深层逻辑
互联网出海2022:三大方向,九大趋势 99%的产品经理都被需求方左右过思维,你有过吗? 海外反垄断对中国音乐市场的启示 从“土味梗”到“油腻梗”,它们为何一次次成为流量制造机? B站加速“抖音化” 2022年小红书生态营销新趋势,与博主共创品牌 什么样的直播带货更有意义? 设计沉思录 | 你的设计为什么那么糙? 关于产品经理常见的6个误区,你中招了几个? 狂“刀”美团,抖音团购的低价之路能走通吗? 社区团购驶入“深水区” 2019产品运营大会 | 本周末全程在线直播火热进行中(仅39.9元/人) “我毕业五年存款5000”,算失败吗? 滴滴“动态调价与排队等候”功能策略分析 朋友圈、抖音上,多了很多球星的“朋友” 拼多多出海,卷起新一轮电商大战 付费视频,视频平台们绕不过的南墙? 金三银四,00后第一次迈入职场 腾讯,再战电商? 淘宝直播成抖音“学徒”

COPYRIGHT © 2023 知识分享. ALL RIGHTS RESERVED.

Theme Kratos Made By Seaton Jiang