編輯導語：無論是產(chǎn)品還是運營，數(shù)據(jù)分析都是其日常工作中不可忽略的一個板塊，那么數(shù)據(jù)分析的整體框架應該如何搭建？本篇文章里，作者以支付業(yè)務為例，對數(shù)據(jù)分析的整體框架、數(shù)據(jù)如何處理加工做了相應闡述，一起來看一下吧。

我以支付業(yè)務為例來講解。

用戶來到支付收銀臺后，在頁面上有很多點擊行為，比如選擇各種支付方式，微信支付、ApplePay 支付等最后完成支付，也有可能點擊左上角返回鍵或者右上角訂單中心離開當前頁面。

這個過程會產(chǎn)生很多數(shù)據(jù)，從數(shù)據(jù)大類上分成：用戶數(shù)據(jù)、行為數(shù)據(jù)和業(yè)務數(shù)據(jù)。

誰（用戶數(shù)據(jù)）做了什么（行為數(shù)據(jù)）結果如何（業(yè)務數(shù)據(jù)）？

用戶數(shù)據(jù)指用戶本身的特性，如用戶畫像，使用你產(chǎn)品的用戶男性多還是女性多，年齡多大等。

行為數(shù)據(jù)指用戶使用產(chǎn)品在頁面上的各種點擊行為，在頁面上停留時長等。

業(yè)務數(shù)據(jù)指用戶行為之后，實際產(chǎn)生的結果，業(yè)務數(shù)據(jù)會落庫業(yè)務數(shù)據(jù)表。分析業(yè)務數(shù)據(jù)的意義，可以衡量商業(yè)價值，是業(yè)務最終呈現(xiàn)結果，用以推動公司業(yè)務的發(fā)展。

用戶數(shù)據(jù)和行為數(shù)據(jù)通常可以從第三方數(shù)據(jù)工具，如友盟、Google Analytics 直接獲取，業(yè)務數(shù)據(jù)一般要內(nèi)部建設。

今天重點講業(yè)務數(shù)據(jù)搭建完整過程，以阿里云的Quick BI為例。

在整個數(shù)據(jù)分析的框架中，分為五大層次，依次是：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)應用。

一、數(shù)據(jù)生成

還是以支付業(yè)務為例，用戶選擇支付方式完成支付后，落庫核心的兩張業(yè)務表：訂單表和交易表。一個訂單會對應多筆交易（每選擇一種支付方式生成一筆交易，一筆訂單可以使用多個支付方式嘗試支付），其實還會產(chǎn)生其他表，比如收貨地址表等。

二、獲取數(shù)據(jù)

通常使用第三方工具如ETL將業(yè)務系統(tǒng)的數(shù)據(jù)經(jīng)過抽?。‥xtract）、清洗轉換（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。

三、數(shù)據(jù)建模

所有數(shù)據(jù)進到數(shù)倉以后，需要根據(jù)實際想要看的業(yè)務數(shù)據(jù)進行數(shù)據(jù)建模，建模后的數(shù)據(jù)呈現(xiàn)在數(shù)據(jù)集。數(shù)據(jù)集作為數(shù)據(jù)源和可視化展示的中間環(huán)節(jié)，承接數(shù)據(jù)源的輸入，并為可視化展示輸出數(shù)據(jù)表。

1. 構建數(shù)據(jù)模型

數(shù)據(jù)建模是什么含義呢？

底層的業(yè)務數(shù)據(jù)表其實很多，幾十張上百張都有，但到了業(yè)務數(shù)據(jù)分析階段，當需要分析的數(shù)據(jù)存儲在不同的表，可以通過數(shù)據(jù)關聯(lián)，把多個表連接起來，形成模型進行數(shù)據(jù)分析。

比如上述的業(yè)務底層訂單表到了數(shù)據(jù)分析階段衍生的訂單表字段發(fā)生變化，name 和 city 是從業(yè)務地址表取來的數(shù)據(jù)。

總的來說，數(shù)據(jù)模型是完全面向數(shù)據(jù)分析的業(yè)務場景形成的新表。以支付業(yè)務為例，我構建的數(shù)據(jù)模型有：用戶表、訂單表和交易表。

2. 設計維度和度量指標

對數(shù)據(jù)字段可以進行下一步分類：

• 維度（Dimensions）
• 度量（Measures）

在統(tǒng)計學中，單一數(shù)據(jù)字段可以被分為離散和連續(xù)。離散通常是維度，比如城市名稱、用戶名字，特征是有限數(shù)量的值；連續(xù)通常是度量，比如銷量、利潤或成功率，特征是不可羅列，可能為任一數(shù)值。維度和度量中有許多灰色區(qū)域，比如金額，可以做維度，也可以做度量。

在上述訂單表中，device、city 等是維度，對order_id 計數(shù)的總訂單數(shù)、對status = success 計數(shù)的成功訂單數(shù)是度量。

度量可以再分原子度量和派生度量。

原子度量指從維度里直接獲取到，上表中的總訂單數(shù)和成功訂單數(shù)。

派生度量并不能直接從數(shù)據(jù)表中獲取，而需要基于已有數(shù)據(jù)進行加工處理得到，上表中的訂單成功率是成功訂單數(shù)/總訂單數(shù)得到。

四、數(shù)據(jù)分析

有了維度和度量的概念后，接著引入聚合概念。對于數(shù)據(jù)分析來說，往往關心的并不是最底層一行一行的的明細數(shù)據(jù)，更注重分析數(shù)據(jù)的角度，關心的是數(shù)據(jù)的總體特征。

聚合，簡單講就是數(shù)據(jù)源里的多行數(shù)據(jù)按照一定的標準計算成一個數(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)都是聚合后的結果，一行數(shù)據(jù)也是要聚合的，當然一行數(shù)據(jù)聚合的結果是一樣的。實際上，維度為數(shù)據(jù)聚合提供依據(jù)，而度量是依據(jù)維度聚合得到的結果。

配置了聚合計算的計算字段，將根據(jù)配置的維度自動進行聚合運算。

如：

• 求和：SUM([字段])
• 計數(shù)：COUNT([字段])
• 計數(shù)去重：COUNT(DISTINCT [字段])
• 求平均值：AVG([字段])

表述的業(yè)務含義為時間周圍為2021.3.1 ~ 2021.3.15 范圍內(nèi)pc端的訂單成功率為0.5。

計算過程：根據(jù)created_at=2021.3.1 ~ 2021.3.15 和device =pc ，SUM([總訂單數(shù)])= 2，SUM([成功訂單數(shù)])=1，SUM([成功訂單數(shù)])/SUM([總訂單數(shù)])=1/2=0.5。

Quick BI 提供電子表格和儀表盤兩種可視化工具做以上分析。

電子表格：

儀表盤：

通過可視化的圖標去分析數(shù)據(jù)，找出機會點或者異常。

五、數(shù)據(jù)應用

通過可視化的圖表去分析數(shù)據(jù)，找出機會點或者異常?？梢哉f，前面1、2、3、4 所有的工作都在為了第5部分數(shù)據(jù)應用上。

數(shù)據(jù)從用戶中來，通過一系列的數(shù)據(jù)沉淀、處理和分析找出機會點做決策再回到用戶中去，提升用戶體驗，帶動業(yè)務增長，此即數(shù)據(jù)驅動業(yè)務。

六、結語

本篇文章介紹了分析數(shù)據(jù)的數(shù)據(jù)框架拆解、數(shù)據(jù)處理加工過程。

但是海量數(shù)據(jù)怎么看，看哪些？度量指標應該怎么設計，度量指標中什么是業(yè)務的北極星指標等此文還沒提到。

接下來文章將會介紹數(shù)據(jù)指標體系搭建和數(shù)據(jù)分析的一些方法，也是整個數(shù)據(jù)分析體系中最核心的內(nèi)容。

#專欄作家#

花開不敗，微信公眾號：涵小仙女，人人都是產(chǎn)品經(jīng)理專欄作家。文藝女青年一枚，白天工作，晚上碼字，愛美、愛跑步、愛旅行，愿我手寫我心，余生不將就。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉載

題圖來自 Unsplash，基于 CC0 協(xié)議