在這個(gè)信息爆炸的時(shí)代，數(shù)據(jù)已經(jīng)成為了一種新的能源。數(shù)據(jù)分析能力的高低，直接影響到我們在職場中的競爭力。數(shù)據(jù)作為一個(gè)定量的維度，可以支持設(shè)計(jì)方案的推導(dǎo)和決策，以及對方案效果的驗(yàn)證。想要證明你的設(shè)計(jì)，數(shù)據(jù)是最直觀的展現(xiàn)，掌握一些數(shù)據(jù)分析方法，能有效量化你出色的設(shè)計(jì)。接下來讓我們對數(shù)據(jù)分析的整體框架、數(shù)據(jù)如何處理加工做一探究竟吧。
設(shè)計(jì)師通過分析用戶數(shù)據(jù)來理解用戶需求和行為，從而設(shè)計(jì)出更符合用戶期望的產(chǎn)品，提高用戶體驗(yàn)。
利用數(shù)據(jù)來支持設(shè)計(jì)決策，確保設(shè)計(jì)選擇基于實(shí)際的用戶反饋和行為，從而提高設(shè)計(jì)的有效性和商業(yè)價(jià)值。
數(shù)據(jù)提供了持續(xù)改進(jìn)的依據(jù)，設(shè)計(jì)師可以根據(jù)用戶反饋和使用數(shù)據(jù)不斷調(diào)整和優(yōu)化設(shè)計(jì)，同時(shí)激發(fā)創(chuàng)新思維，探索新的設(shè)計(jì)解決方案。
人均頁面訪問量（Page Views per User）是衡量用戶對網(wǎng)站內(nèi)容興趣度的一個(gè)指標(biāo)。是指每位獨(dú)立訪客訪問頁面的平均次數(shù)，它反映了用戶對網(wǎng)站內(nèi)容的參與度。在內(nèi)容驅(qū)動(dòng)的網(wǎng)站上，較高的人均頁面瀏覽量通常意味著內(nèi)容具有較高的吸引力和價(jià)值。
用戶在瀏覽特定頁面時(shí)的平均停留時(shí)間，這個(gè)指標(biāo)有助于了解用戶對頁面內(nèi)容的興趣程度。
面上特定內(nèi)容被點(diǎn)擊的次數(shù)與其展示次數(shù)的比率，這個(gè)比率可以顯示內(nèi)容的吸引力和用戶的參與度。
指的是在一定數(shù)量的用戶中，完成特定操作（如購買、注冊）的比例。這個(gè)比率是衡量網(wǎng)站或產(chǎn)品效果的重要指標(biāo)。
用戶訪問網(wǎng)站后，僅查看了一個(gè)頁面就離開的比例。這個(gè)比率可以反映用戶對頁面內(nèi)容的初步興趣和滿意度。
設(shè)計(jì)師需要考慮如何通過視覺吸引力、易用性和品牌信息來吸引新用戶。
設(shè)計(jì)師需要確保產(chǎn)品的核心功能易于使用，并且能夠激發(fā)用戶的興趣和參與度。
設(shè)計(jì)師需要關(guān)注如何通過持續(xù)改進(jìn)產(chǎn)品來保持用戶的忠誠度和活躍度。
設(shè)計(jì)師需要考慮如何通過設(shè)計(jì)來促進(jìn)用戶的付費(fèi)行為，提高產(chǎn)品的商業(yè)價(jià)值。
設(shè)計(jì)師需要?jiǎng)?chuàng)造令人愉悅和易于分享的用戶體驗(yàn)，以促進(jìn)口碑傳播和新用戶的引入。
這是一個(gè)衡量用戶推薦產(chǎn)品給他人意愿的指標(biāo)，高NPS通常意味著用戶對產(chǎn)品非常滿意。
用戶滿意度是衡量用戶對產(chǎn)品或服務(wù)整體滿意程度的指標(biāo)。
衡量用戶在特定任務(wù)中成功完成的比例，高任務(wù)完成率通常意味著設(shè)計(jì)是有效的。
用戶在完成任務(wù)過程中遇到的錯(cuò)誤次數(shù)，低錯(cuò)誤率表明設(shè)計(jì)直觀且用戶友好。
用戶停止使用產(chǎn)品的比例，低流失率表明產(chǎn)品能夠持續(xù)吸引用戶。
若以支付業(yè)務(wù)為例，我們可以這樣理解：
用戶數(shù)據(jù)
(誰)
行為數(shù)據(jù)
(做了什么) 和
業(yè)務(wù)數(shù)據(jù)
(結(jié)果如何)。
用戶數(shù)據(jù)主要涉及支付服務(wù)使用者的個(gè)人信息和偏好。
個(gè)人信息：用戶的姓名、聯(lián)系方式、電子郵件地址、注冊時(shí)間等。
支付偏好：用戶偏好的支付方式（如信用卡、借記卡、電子錢包等）。
安全設(shè)置：用戶設(shè)置的支付安全問題、密碼強(qiáng)度、雙因素認(rèn)證等。
賬戶狀態(tài)：用戶的賬戶是否活躍、賬戶等級(jí)、VIP狀態(tài)等。
行為數(shù)據(jù)記錄了用戶在支付平臺(tái)上的行為模式和交互細(xì)節(jié)。
交易頻率：用戶每天、每周或每月進(jìn)行支付的次數(shù)。
交易時(shí)間：用戶進(jìn)行支付活動(dòng)的高峰時(shí)段。
交易類型：用戶進(jìn)行的交易類型，如在線購物、賬單支付、轉(zhuǎn)賬等。
交易金額：用戶支付的平均金額、最大交易金額和最小交易金額。
用戶界面交互：用戶在支付界面上的操作，如點(diǎn)擊、滾動(dòng)、輸入等。
應(yīng)用使用情況：用戶打開支付應(yīng)用的頻率、使用時(shí)長、退出率等。
業(yè)務(wù)數(shù)據(jù)關(guān)注支付業(yè)務(wù)的運(yùn)營效果和商業(yè)成果。
交易總量：在一定時(shí)間內(nèi)完成的支付交易總數(shù)。
交易總額：在一定時(shí)間內(nèi)通過支付平臺(tái)處理的總金額。
手續(xù)費(fèi)收入：支付平臺(tái)從每筆交易中獲得的手續(xù)費(fèi)總額。
市場占有率：支付服務(wù)在同類市場中所占的份額。
風(fēng)險(xiǎn)管理：欺詐交易的檢測和預(yù)防，風(fēng)險(xiǎn)交易的比例。
客戶滿意度：通過調(diào)查或反饋收集的用戶滿意度評(píng)分。
在數(shù)據(jù)分析框架中可分為：
數(shù)據(jù)生成、獲取數(shù)據(jù)、數(shù)據(jù)建模、數(shù)據(jù)分析
和
數(shù)據(jù)應(yīng)用
五大層次。
"數(shù)據(jù)生成"是整個(gè)數(shù)據(jù)分析流程的第一步，涉及收集和記錄與支付交易相關(guān)的各種信息：
①交易數(shù)據(jù)記錄：每次支付交易發(fā)生時(shí)，都會(huì)生成交易數(shù)據(jù)，包括交易金額、交易時(shí)間、交易雙方（付款方和收款方）信息等。
②用戶行為跟蹤：用戶在支付平臺(tái)的行為，如登錄、瀏覽、搜索、點(diǎn)擊等，都會(huì)被跟蹤并記錄下來。
③設(shè)備和網(wǎng)絡(luò)信息：用戶使用的設(shè)備類型（手機(jī)、平板、電腦等）、操作系統(tǒng)、瀏覽器版本、IP地址等信息也會(huì)被記錄。
④地理位置數(shù)據(jù)：用戶進(jìn)行交易時(shí)的地理位置信息，可以通過IP地址或GPS定位獲得。
⑤支付方式和渠道：用戶選擇的支付方式（信用卡、借記卡、電子錢包、銀行轉(zhuǎn)賬等）和支付渠道（線上、線下、移動(dòng)設(shè)備等）。
⑥安全和風(fēng)險(xiǎn)數(shù)據(jù)：包括與交易安全相關(guān)的數(shù)據(jù)，如密碼輸入、驗(yàn)證碼、風(fēng)險(xiǎn)評(píng)分、欺詐檢測等。
⑦用戶反饋和評(píng)價(jià)：用戶對支付服務(wù)的滿意度評(píng)價(jià)、反饋意見、投訴記錄等。
⑧系統(tǒng)日志：支付系統(tǒng)生成的日志文件，記錄了系統(tǒng)運(yùn)行狀態(tài)、錯(cuò)誤信息、維護(hù)活動(dòng)等。
⑨市場和競爭數(shù)據(jù)：來自市場調(diào)研的數(shù)據(jù)，包括用戶調(diào)研、競爭對手分析等。
⑩法規(guī)和合規(guī)數(shù)據(jù)：與支付業(yè)務(wù)相關(guān)的法律法規(guī)變化、合規(guī)性要求等信息。
?性能指標(biāo)：系統(tǒng)性能指標(biāo)，如交易處理時(shí)間、系統(tǒng)響應(yīng)時(shí)間、成功率等。
?交易后數(shù)據(jù)：交易完成后的相關(guān)信息，如退款、爭議解決、客戶服務(wù)互動(dòng)等。
通常使用第三方工具如ETL將業(yè)務(wù)系統(tǒng)的數(shù)據(jù)經(jīng)過抽取（Extract）、清洗轉(zhuǎn)換（Transform）之后加載（Load）到數(shù)據(jù)倉庫的過程，數(shù)據(jù)呈現(xiàn)在BI的數(shù)據(jù)源。
例如，電子商務(wù)公司的數(shù)據(jù)分析團(tuán)隊(duì)，需要整合來自不同業(yè)務(wù)系統(tǒng)的數(shù)據(jù)：
①使用ETL工具：選擇一個(gè)適合的ETL工具，如FineBI，來自動(dòng)化數(shù)據(jù)抽取、轉(zhuǎn)換和加載過程。
②連接數(shù)據(jù)源：配置ETL工具，連接到訂單管理系統(tǒng)、客戶關(guān)系管理系統(tǒng)、網(wǎng)站點(diǎn)擊流日志等數(shù)據(jù)源。
③數(shù)據(jù)抽取：設(shè)置定期任務(wù)，從各個(gè)業(yè)務(wù)系統(tǒng)中抽取數(shù)據(jù)。
④數(shù)據(jù)清洗和轉(zhuǎn)換：
-
清洗訂單數(shù)據(jù)，去除重復(fù)訂單，修正錯(cuò)誤的客戶信息。
-
轉(zhuǎn)換點(diǎn)擊流數(shù)據(jù)，計(jì)算頁面訪問次數(shù)、用戶停留時(shí)間等指標(biāo)。
-
標(biāo)準(zhǔn)化日期和時(shí)間格式，統(tǒng)一不同系統(tǒng)中的數(shù)據(jù)表示。
⑤數(shù)據(jù)加載：將清洗和轉(zhuǎn)換后的數(shù)據(jù)加載到數(shù)據(jù)倉庫中，例如Amazon Redshift或Snowflake。
⑥BI工具連接：在Tableau或Power BI中創(chuàng)建連接到數(shù)據(jù)倉庫的數(shù)據(jù)源。
-
設(shè)計(jì)儀表板，展示銷售趨勢、客戶行為分析、產(chǎn)品性能等關(guān)鍵指標(biāo)。
-
發(fā)布報(bào)告，提供深入的業(yè)務(wù)分析和洞察。
-
實(shí)體可能包括“客戶”、“產(chǎn)品”、“訂單”和“支付”。
-
屬性包括客戶的姓名、地址，產(chǎn)品的名稱、價(jià)格，訂單的日期、狀態(tài)等。
②設(shè)計(jì)維度和度量指標(biāo)：
-
度量指標(biāo)可能包括總銷售額、訂單數(shù)量、平均訂單價(jià)值等。
-
維度表可能包括“時(shí)間”（年、季度、月、日）、“產(chǎn)品”（類別、品牌、SKU）、“客戶”（地理位置、會(huì)員等級(jí)）等。
-
事實(shí)表可能包括“銷售事實(shí)”，與時(shí)間、產(chǎn)品、客戶等維度表關(guān)聯(lián)，并包含銷售額、訂單數(shù)量等度量指標(biāo)。
客戶ID：與“客戶”維度表關(guān)聯(lián)的外鍵。
產(chǎn)品ID：與“產(chǎn)品”維度表關(guān)聯(lián)的外鍵。
時(shí)間ID：與“時(shí)間”維度表關(guān)聯(lián)的外鍵。
銷售數(shù)量：該銷售記錄中產(chǎn)品的數(shù)量。
支付方式：支付方式的描述（在某些情況下，這也可以是一個(gè)維度表）。
產(chǎn)品類別：產(chǎn)品所屬的類別。
價(jià)格：產(chǎn)品的銷售價(jià)格。
庫存數(shù)量：當(dāng)前的庫存數(shù)量。
會(huì)員等級(jí)：客戶的會(huì)員等級(jí)。
除了維度和度量，聚合（Aggregation）是數(shù)據(jù)分析中的一個(gè)核心概念，它涉及將多條數(shù)據(jù)記錄根據(jù)一個(gè)或多個(gè)維度進(jìn)行分組，并在每個(gè)組內(nèi)應(yīng)用度量來計(jì)算匯總統(tǒng)計(jì)信息。聚合操作極大地簡化了數(shù)據(jù)的復(fù)雜性，使得分析者能夠從宏觀層面理解數(shù)據(jù)集的總體特征和趨勢。
聚合是數(shù)據(jù)源里的多行數(shù)據(jù)按照一定的標(biāo)準(zhǔn)計(jì)算成一個(gè)數(shù)據(jù)，不管數(shù)據(jù)集里有1行還是多行，視圖里的數(shù)據(jù)都是聚合后的結(jié)果，一行數(shù)據(jù)也是要聚合的，當(dāng)然一行數(shù)據(jù)聚合的結(jié)果是一樣的。維度為數(shù)據(jù)聚合提供了依據(jù)，而度量是依據(jù)維度聚合得到的結(jié)果。
維度（Dimensions）：維度是數(shù)據(jù)的一個(gè)屬性，用于對數(shù)據(jù)進(jìn)行分組。例如，時(shí)間、地理位置、產(chǎn)品類別等。
度量（Measures）：度量是數(shù)據(jù)的數(shù)值屬性，用于在分組后進(jìn)行計(jì)算。例如，銷售額、訂單數(shù)量、利潤等。
聚合函數(shù)（Aggregate Functions）：聚合函數(shù)用于對分組內(nèi)的數(shù)據(jù)執(zhí)行計(jì)算，常見的聚合函數(shù)包括
-
-
-
計(jì)數(shù)去重（COUNT(DISTINCT)）
-
-
-
-
場景設(shè)定：我們想要分析2021年3月1日至2021年3月15日期間，PC端的訂單成功率。
數(shù)據(jù)分組：首先，根據(jù)時(shí)間維度（created_at）和設(shè)備維度（device），我們將數(shù)據(jù)分為不同的組。我們關(guān)注的是時(shí)間在2021年3月1日至2021年3月15日之間，且設(shè)備為PC的訂單。
-
總訂單數(shù)：對選定時(shí)間段和設(shè)備類型的所有訂單進(jìn)行計(jì)數(shù)，使用COUNT([訂單ID])。
-
成功訂單數(shù)：對選定時(shí)間段和設(shè)備類型的成功訂單進(jìn)行計(jì)數(shù)，使用COUNT([成功訂單ID])或SUM([成功標(biāo)志字段])（假設(shè)有一個(gè)字段表示訂單是否成功）。
計(jì)算成功率：訂單成功率可以通過成功訂單數(shù)除以總訂單數(shù)來計(jì)算，即SUM([成功訂單數(shù)]) / SUM([總訂單數(shù)])。
結(jié)果解釋：如果在指定的時(shí)間和設(shè)備條件下，總訂單數(shù)為2（SUM([總訂單數(shù)]) = 2），成功訂單數(shù)為1（SUM([成功訂單數(shù)]) = 1），那么訂單成功率為0.5（1/2 = 0.5），意味著成功率為50%。
數(shù)據(jù)應(yīng)用是將數(shù)據(jù)分析成果轉(zhuǎn)化為實(shí)際行動(dòng)的過程，其中
數(shù)據(jù)決策
和
監(jiān)控告警
是兩個(gè)重要的應(yīng)用領(lǐng)域。
數(shù)據(jù)決策（Data-Driven Decision Making）
①問題定義：明確需要解決的業(yè)務(wù)問題或決策需求。
②數(shù)據(jù)收集與分析：收集相關(guān)數(shù)據(jù)，并進(jìn)行分析以發(fā)現(xiàn)模式、趨勢和關(guān)聯(lián)。
③洞察提煉：從數(shù)據(jù)分析中提煉出有價(jià)值的洞察。
④方案生成：基于洞察生成不同的業(yè)務(wù)策略或行動(dòng)方案。
⑥行動(dòng)實(shí)施：執(zhí)行決策，并在業(yè)務(wù)中實(shí)施相關(guān)行動(dòng)。
⑦效果評(píng)估：評(píng)估決策實(shí)施的效果，收集反饋數(shù)據(jù)。
⑧持續(xù)優(yōu)化：根據(jù)效果評(píng)估結(jié)果，持續(xù)優(yōu)化決策過程。
監(jiān)控告警（Monitoring and Alerting）
監(jiān)控告警是指使用數(shù)據(jù)分析來持續(xù)監(jiān)控業(yè)務(wù)活動(dòng)，并在檢測到異常或特定事件時(shí)觸發(fā)告警的機(jī)制
①確定關(guān)鍵指標(biāo)：確定需要監(jiān)控的關(guān)鍵業(yè)務(wù)指標(biāo)（KPIs）。
②建立基線：為這些指標(biāo)建立正常運(yùn)行時(shí)的基線或閾值。
③實(shí)時(shí)數(shù)據(jù)流：實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)流，以便實(shí)時(shí)監(jiān)控這些指標(biāo)。
④告警規(guī)則設(shè)置：設(shè)置告警規(guī)則，定義何時(shí)觸發(fā)告警。
⑤告警系統(tǒng)集成：集成告警系統(tǒng)，如電子郵件、短信或應(yīng)用通知。
⑥自動(dòng)化響應(yīng)：在可能的情況下，設(shè)置自動(dòng)化響應(yīng)措施。
⑦人工干預(yù)：對于需要人工判斷的情況，確保快速響應(yīng)。
⑧告警分析：分析告警原因，進(jìn)行根本原因分析。
⑩告警優(yōu)化：根據(jù)告警的準(zhǔn)確性和效果，優(yōu)化告警規(guī)則和流程。
隨著大數(shù)據(jù)、人工智能和機(jī)器學(xué)習(xí)等技術(shù)的發(fā)展，數(shù)據(jù)應(yīng)用的潛力將進(jìn)一步擴(kuò)大，幫助產(chǎn)品在快速變化的商業(yè)環(huán)境中保持競爭力。有效的數(shù)據(jù)應(yīng)用不僅需要技術(shù)的支持，還需要文化、人才和流程的配合，以確保數(shù)據(jù)能夠真正轉(zhuǎn)化為價(jià)值。
希望對大家有所幫助，歡迎提出意見以供改正～
