别落后了,开始你的第一方数据分析
一、有哪些第一方数据?
我们常说数据驱动决策,首要的就是选择利用什么数据,今天这里主要探讨的就是用“第一方数据”来驱动决策。第一方数据简单来理解就是自有数据,大多数公司的自有数据就是数据库里面的用户产生的业务数据,数据分析意识高一点的公司在此之外,可能会尝试通过日志收集一些用户的行为数据。所谓行为数据就是包括进入产品,浏览等一系列的使用行为。
所以对于一个产品而言,第一方数据一般就是用户从各种来源(包含来源渠道版本等)来到产品开始,接下来在持续使用产品过程中产生的所有数据,包括用户业务数据和用户的行为数据。
二、流量时代的第一方数据分析
小公司的做法
对于大多数非数据驱动型小公司而言,都没有自己的数据分析平台,所以大多数时候的第一方数据分析,是依赖于工程写脚本,根据需求查数据库去计算。
很多时候时间都浪费在了沟通,确认需求,写脚本,等待结果运算上,我相信很多公司一定有共鸣。
中大公司的做法
对于很多中大型互联网公司,公司内部也开始构建自己的数据分析平台,并且已经开始收集用户的行为数据进行分析,但是大多数对于行为的数据利用还是限制于两种:
第一种做法还是基于Hadoop的统计分析,只是去统计一些关键行为的发生次数,常见的就是计算页面访问量,独立用户数,留存率等指标。
第二种做法就是利用行为数据进行个性化的数据推荐。
在过去的十几年,流量时代,得益于人口红利,人群较为单一,业务没有现在那么垂直细分多样化,所以大家的关注点都在于怎么拉新(拉取新用户),上面这一些指标可以比较概括的了解到产品的发展状况,并且结合渠道的维度筛选,也能满足比较拉新流量的需求。
综合两类公司的做法来看,其实用户的产品互动行为数据基本上始终被当做一个黑盒子来看,推荐算法虽然对这些数据利用的比较好但是只是一个对单用户纵深的分析做法,而横向的用户分析最终止于高度汇总的报表,并不能探索和验证用户在产品上的行为如何影响了公司的业务指标。一个典型的现象就是很多产品的迭代决策靠的是猜测或者直觉。
三、现有数据分析存在的问题
但最近几年的创业浪潮兴起,业务越来越多样化,人群越来越多样化,不同于过往流量时代时人口红利,单靠根据DAU,PV这些泛指标指示发展状况,然后逼着眼睛找流量带来新客户,现在更多的是对提供用户的留存和客户忠诚度的需求,所以分析这些指标高低趋势变化背后的原因也愈加重要了。所以如何去寻找分析背后的价值呢?
数据分析场景化
大多的数据分析工具,包括很多中大公司的数据分析平台,搭建的出发点就有一些问题,不是从解决问题的场景出发,而是要支持多牛逼的数据交叉查询,然后就成了纯粹的基础分析平台工具,这样越抽象,对于解决问题就会越远,需要人参与解读的就越多。对于大多数公司而言没有专业的数据分析师,自然用市面上的通用工具就很难发挥出价值。同样,大公司数据部门饱受诟病,也有很多原因因为各个业务线对于分析的需求不一致,要不然统一平台开发迭代慢,要不然就是定制化的分析需求太多,内耗也就很大。到最后花费大力气兼容的分析需求其实最后也不会用的太多,metrics太多不一定是好事,有价值才是最好的。
所以分析必须从场景化出发,才能更快速解决问题。那么有哪些场景呢?一般来讲,也就是公司的各个职能分析需求,例如产品,销售,运营,ERP,CRM,客服,财务等等,分析需求也就需要应用到这些场景中去了。每一个场景都有自己关注的指标类型,比如产品就是用户持续使用情况,访问路径等等,销售就是客户转化周期和转化漏斗,运营是活动效果监测,来源对比等等,所以需要将分析从这些场景所需要关注的指标去抽离工具,能满足这些场景分析的思路或者关注指标进行设计。
数据分析难点
通常数据分析难的问题在于以下几点:没有分析目标
没有分析目标带来最大的两个问题是:
第一,会收集所有的数据,总觉得可能用得上,会分析。
第二,收集了很多维度的数据,无从下手,不知道哪些维度可以找到问题。
不懂基本的分析方法
基本上会看整体的变化趋势或指标,但是不太会筛选业务相关的指标数据进行查看,所以忽视了很多指标是虚荣指标:
一来可能是某些指标单调变化,无法反映真实情况。
二是没有同期群的对比,影响数据剥离对比。
三是只注重结果,但是不会用漏斗去分析路径,或者用自定义留存去观察满足某一条件用户的实际使用情况。
不能验证跟踪
在推荐系统中用户的反馈很重要,同样在数据分析过程中,我们也需要去验证一些分析结果,也要跟踪改进后的用户效果。
四、场景时代的第一方数据分析
指标会转向跟更多业务相关,并且数据不再是高度汇总的报表,而是我们能循蹈到这些报表背后的元数据关系,过去数据分析大多都是根据预想分析展开维度,基于这些维度统计发生次数,丢失的用户的行为路径,所以也就很难找到背后数据组织的逻辑,打开产品黑盒子,利用起第一方数据分析,很重要的一点就是需要基于用户维度进行分析,例如诸葛io分析平台就是基于用户的。
另外一方面产品的业务数据大多也是从用户的行为数据转化过来的,所以类似诸葛io分析会记录用户的行为用业务维度描述,这样了解不是一个个粗粒度的页面访问,而是功能模块的流向,当以用户维度记录这些流向之后,自然也就能从最后业务指标的变化,找到流失人群或者价值人群了,那么对于提供用户的留存度和客户忠诚度也就有了方向,找到价值人群的价值共性,或者弥补流失人群的缺陷共性。
五、第一方数据分析如何落地
对于简单的分析,可以用后台工程师利用ELK(Elasticsearch+Logstash+Kibana)这一类的技术组件进行搭建分析平台,但是对于更复杂的,还是不要自己搭建平台,内耗太大,我相信随着诸葛io,GrowingIO,AppAdhoc等这一类的平台兴起,对于大多数公司而言分析也会变得越来越简单,并且不同过去大多数据分析平台多为第三方数据分析,虽为免费使用,实际数据会被交换给其他平台,而这些第一方的数据分析平台也会更加保障数据的安全性。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14