第三方数据不让提 数据分析的终极目标：推动业务持续增长
专业出黑
本文整理自，广州向日葵信息科技有限公司数据产品负责人罗玲上周日（8月13日）在 Club深圳站上的分享《金融数据平台方案的实战分享》。 Club 是诸葛io针对金融科技领域举办的数据巡展，本次深圳站的主题为“数据驱动，智慧金融”。
活动中，诸葛io增长团队负责人邱千秋与特邀金融大咖：玖富证券CIO&MD周海根，广州向日葵信息科技有限公司数据产品负责人罗玲，一起分享金融数据应用实例及对数据金融未来的探讨。
玖富证券CIO&MD周海根的发言，从宏观的金融大数据角度分析了智能投顾领域的应用，
诸葛io增长团队负责人邱千秋，从业务场景角度分析了诸葛io针对互金行业的解决方案，
广州向日葵信息科技有限公司数据产品负责人 罗玲
之前一直负责公司的网站开发，接触过网站架构，开发语言，这为此后从事数据分析、理解整个数据平台打下良好基础。
数据产品、报表架构师、报表开发、开发猿、BI负责人、数据分析师，这些都是我的标签，现在我的角色是增长黑客（ ），我们的工作就是搭建一个自上而下的指标体系，逐渐将增长黑客的理念落地到项目中。推荐2本书：一本 （增长黑客），一本京东数化运营，其中有成型的数据分析方法。
漏斗
用户分群、用户画像，用户行为分析，从海量用户中“淘金子”，即漏斗（筛出目标且有价值的用户）。正如现代管理学之父所说的“你无法衡量的话就无法提高”。
海量访客进入官网直到最核心的产品详情页，再到购物车，可以看到2次转化过程，从访客-产品页的转化率21%，“漏”下来10316人，其中与1062人到达的购物车，整体转化率2.1%。
反过来看说明什么？100人中才留下2个到达购物车的用户，此刻必须将“精细化运营”提上日程，尽快提高转化率。精细化运营可横向或纵向分析每一个场景，找到可增长的关键点。
从纵向看，转化环节可再细分：从访客-产品页，从产品页-购买点击数-购物车的人数，从购物车-完成支付的人数，支付之后同样可以再进一步细分，比如：首次支付-第二次支付的周期，进而实现持续支付，这也是一个用户漏斗，找到最终为公司带来更多价值的客群。每个细分转化率从20%中抽出14%，其中是否存在可优化的空间？访客进入到产品是对整个产品设计的感知，用户体验是否要区分新老用户，为新用户提供产品价值方面的引导，而针对老用户，可以根据其历史行为进行喜好推荐。另外，支付环节如果体验不顺畅，很可能导致某个很有购买意向的用户放弃支付而离开，总之，通过精细化运营找到优化关键点，每优化一个环节，将带来整体转化率的大幅度提升。
从横向看，转化路径是相对固定的，但横向分析需要拆分，当前用户所在平台、所处环境、所在地域等属性，需要从横向分析角度做纵向转化分析，看不同人群间有哪些不同行为特征/属性特征，针对不同人群，采取相对应的运营策略/产品体验。
常见第三方分析
如果公司没有较为完整的数据分析团队，谷歌出品的平台，可将企业分析所需的模块和指标都灵活的呈现出来，大概有120+纬度，200+指标，供企业自由组合参考。
国内百度统计也是常用分析平台，作为数据智能决策平台——诸葛io，仅以SQL查询功能为例，这个功能就像我们在餐馆点餐、服务员送餐一样，有一个固定流程，SQL是一个查询数据的固定语法，有固定格式，套用固定格式即可查询到所需数据，我觉得，这个功能是产品和运营有必要了解的，这将为今后的数据采集工作带来极大便利。
需要强调的是，工具是为提升效率实现业务增长的，很多平台都提供很多固定分析模块，例如：实时报表，定制化报表，频道管理、自定义事件，交易转化等灵活的分析工具，借助工具提升数据采集的效率，节省制作报表的时间。
常用分析方法
点击图片 查看大图
大数据必须经过清洗、分析、建模、可视化才能体现其潜在的价值。传统的数据中心工作流大概是，各个业务部门提出需求给到分析师，涉及到前期埋点、临时数据（比如：活动/专题/推广数据），四面八方的数据源：第三方数据，第一方业务数据。
ETL工程师（从事系统编程、数据库编程与设计，掌握各种常用的编程语言的专业技术人员。也叫数据库工程师），主要精力通常在数据分析和清洗，如果产品/运营部门向TA提出各种（临时/一次性）的报表需求，这势必造成极大地人力浪费。
如果数据中心与数据需求方（产品/运营）达成一个共同意识，将数据平台更高效的应用到实际业务中，那么就需要搭建一套数据平台，涉及到常用的分析指标和筛选纬度：如，城市、渠道、商品、时间等。举例：活动A、B、C可能只是以不同的创意形式呈现，而目标是一致的，那么即可形成一个工具型报表。
小步快跑，即梳理全公司核心指标体系，以公司最核心的收入为“圆点”向外延展指标体系，像做一个产品，将数据平台拆成一个小小的版本不断迭代，持续与业务部门沟通，定期为提供可参考的指标，如此落地到业务中。
通过数据采集、数据清洗，将数据应用于业务，实现数据驱动，在实时报表中可视化的呈现出最核心的关键数据以及趋势变化，需要强调的是，即使使用第三方分析工具，也可以搭建一套自己的核心数据平台。
新用户-活跃-留存的增长黑客漏斗转化中，除了引导用户首次购买外，还可以将有过二次购买，甚至有多次且持续购买的价值用户，通过用户分群的方式进行精细化运营。谷歌直到2015年才把网站留存率作为网站价值的核心评估指标，由此可见留存率是很重要的指标，电商特别强调复购概念，用户首次下单支付前的关键性动作是什么？刺激到用户哪一个兴奋点？如果找到那个点，是否可以找到一些增长方式实现快速增长，这在用户生命周期中将衍生出很多运营方案。
数据分析的终极目标是推动业务增长，在达成共识的基础上，通过具体指标共同推进，所以类似目标仪表盘的形式可帮助企业形成合力，“一个公司，一个目标”的仪式感，从加强数据驱动意识开始，让各个部门明确所做的每一件都能切实的起到目标的改善/提升/优化。
市场营销
“
“数据驱动”优化SEM项目
优化前：转化 40/天
2周优化后：转化 120/天
将SEM前期推广数据、转化数据、交易数据等所有数据整合成可视化报表实时监控：根据每个词的ROI调整推广策略/运营策略。
再强调一下精细化运营，以电商用户的生命周期为例，基于到运营策略和基础平台的搭建从首单到第二、第三单支付，从新手到忠诚用户的转化，让用户在生命周期中更好、更快的成长。同时，通过用户分群，比如将有相同购物偏好的用户作为一个群，向他们推荐他们感兴趣的商品。
用户分群是根据用户行为划分的，并不是简单的根据自然属性来划分的（比如：不是简单的将男和女用户进行分群的），而是深入洞察到女性用户在平台上的行为特征，将她归入某一类运营客群中，最终激励她（们）完成转化。
总之，数据分析要结合用户生命周期和用户需求，根据马斯洛需求层次理论首先满足用户基本需求，进而满足情感需求，而诸葛io作为一款数据智能决策平台，让用户分析不仅是纸上谈兵，而且让数据更好的服务于业务，应用于业务增长。
数据分析从来不是一劳永逸的，产品在不断迭代，业务在不断更新，从认知到决策，数据更多的是起到了辅助的作用，从梳理需求、到采集、到分析、到实践、再到衡量，始终循环在企业增长的整个过程中的，一切都应以能准确解决问题、驱动业务增长为前提。
