在數(shù)據(jù)監(jiān)控的工作中，做好一份數(shù)據(jù)日?qǐng)?bào)，是基礎(chǔ)的要求之一，那么，我們要怎么做好日?qǐng)?bào)的設(shè)計(jì)呢？這篇文章里，作者結(jié)合互金項(xiàng)目，對(duì)日?qǐng)?bào)的設(shè)計(jì)、數(shù)據(jù)的獲取和匯總等方面進(jìn)行了總結(jié)分析，并對(duì)大模型日?qǐng)?bào)的的可能性發(fā)表了他的看法，一起來看。

今天重回原始安排——怎么設(shè)計(jì)互金項(xiàng)目的日?qǐng)?bào)，順便講講頭部玩家的大模型日?qǐng)?bào)是怎么玩的。本文共計(jì)2100字，預(yù)計(jì)需要閱讀8分鐘。

數(shù)據(jù)是運(yùn)營(yíng)的基礎(chǔ)，越靠近業(yè)務(wù)核心，數(shù)據(jù)能力越重要，互金的運(yùn)營(yíng)，也不例外。而運(yùn)營(yíng)日常對(duì)數(shù)據(jù)的使用，主要是三個(gè)方面：數(shù)據(jù)監(jiān)控、數(shù)據(jù)分析、數(shù)據(jù)結(jié)論輸出策略。做好一份數(shù)據(jù)日?qǐng)?bào)，是數(shù)據(jù)監(jiān)控工作最基礎(chǔ)的要求。

要做好數(shù)據(jù)監(jiān)控，我們需要知道數(shù)據(jù)監(jiān)控的目的是什么，然后才能對(duì)癥下藥。數(shù)據(jù)監(jiān)控的目的很簡(jiǎn)單，是快速了解當(dāng)前數(shù)據(jù)情況，并能基于數(shù)據(jù)發(fā)現(xiàn)淺層問題。其中，快速了解數(shù)據(jù)是主要目的，發(fā)現(xiàn)淺層問題是次要目的。那設(shè)計(jì)日?qǐng)?bào)，就要以滿足這兩種需求為目標(biāo)。

一、快速了解數(shù)據(jù)現(xiàn)狀

那么，怎么設(shè)計(jì)日?qǐng)?bào)，才能幫助我們快速了解數(shù)據(jù)呢？拆解是最好的辦法。把數(shù)據(jù)拆解成結(jié)果數(shù)據(jù)和過程數(shù)據(jù)，拆解成核心數(shù)據(jù)和細(xì)分?jǐn)?shù)據(jù)，拆解成屬性、行為、業(yè)務(wù)數(shù)據(jù)，分別展示，就能讓數(shù)據(jù)一目了然，主次分明。

以助貸業(yè)務(wù)的新用戶部分為例，新戶助貸的核心目標(biāo)，是提升借款總額。那么結(jié)果數(shù)據(jù)就是UV、借款金額、借款人數(shù)、借款件均，而過程數(shù)據(jù)就是總轉(zhuǎn)。那么這5個(gè)指標(biāo)就是最重要的核心指標(biāo)。

再往下拆解到業(yè)務(wù)一級(jí)節(jié)點(diǎn)，新戶要經(jīng)歷從活躍到進(jìn)件，到授信成功，再到申請(qǐng)借款，再到借款成功5個(gè)步驟。那么結(jié)果數(shù)據(jù)就要再加上這5個(gè)步驟的規(guī)模指標(biāo)，就是UV、新戶申請(qǐng)、授信成功、授信件均、授信總金額、借款申請(qǐng)、借款成功、借款件均、借款總金額。

過程數(shù)據(jù)就要把總轉(zhuǎn)，拆解成這5個(gè)步驟的分別轉(zhuǎn)化率，包括新戶注冊(cè)率、授信申請(qǐng)率、授信完成率、授信通過率、借款申請(qǐng)率、借款完成率、借款通過率、總轉(zhuǎn)化率。有了這5個(gè)核心指標(biāo)，12個(gè)一級(jí)節(jié)點(diǎn)指標(biāo)，我們就能從業(yè)務(wù)結(jié)果數(shù)據(jù)和過程數(shù)據(jù)上，從核心目標(biāo)和一級(jí)結(jié)構(gòu)上，快速了解業(yè)務(wù)的整體情況。

接下來，我們來拆解細(xì)分?jǐn)?shù)據(jù)。細(xì)分?jǐn)?shù)據(jù)，首先可以拆分成行為數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)，用戶在活躍、注冊(cè)、授信、借款等頁面的行為情況，即行為數(shù)據(jù)；而在授信系統(tǒng)、借款系統(tǒng)里產(chǎn)生的數(shù)據(jù)，即為業(yè)務(wù)數(shù)據(jù)；而用戶的渠道來源、授信資方等，即為屬性數(shù)據(jù)。

行為數(shù)據(jù)按照這種交叉拆分，活躍UV就可以拆解成不同引流入口的數(shù)據(jù)。注冊(cè)可以再按注冊(cè)頁訪問、點(diǎn)擊注冊(cè)、注冊(cè)成功、注冊(cè)申請(qǐng)率、注冊(cè)成功率，注冊(cè)總轉(zhuǎn)化率拆分步驟數(shù)據(jù)。登陸可按已登陸未進(jìn)件用戶活躍的版塊拆分?jǐn)?shù)據(jù)。進(jìn)件則可以按用戶在進(jìn)件頁面的瀏覽、進(jìn)入下一步的用戶數(shù)、每一步的申請(qǐng)率、通過率、授信整體流程的完成率等拆分。借款則類似進(jìn)件，可以按不同資方和借款的頁面完成拆分。

業(yè)務(wù)數(shù)據(jù)則可按進(jìn)入業(yè)務(wù)系統(tǒng)的人數(shù)、通過率、件均、總金額、資方分別拆分。

該表只是示例，不和文章內(nèi)容完全一致，且需按實(shí)際業(yè)務(wù)調(diào)整

二、快速發(fā)現(xiàn)數(shù)據(jù)問題

快速了解數(shù)據(jù)的捷徑在數(shù)據(jù)拆解，而快速發(fā)現(xiàn)問題的方法在對(duì)比。

對(duì)比有兩種方向，一是縱向?qū)Ρ龋布磿r(shí)間維度的對(duì)比，比如日環(huán)比，周環(huán)比，周同比、月同比、年同比。二是橫向?qū)Ρ?，也即空間維度的對(duì)比，比如行業(yè)內(nèi)對(duì)比、相似業(yè)務(wù)線對(duì)比、新老戶對(duì)比、不同渠道、不同資方對(duì)比。

怎么在日?qǐng)?bào)里添加對(duì)比項(xiàng)呢，因?yàn)槭敲咳諗?shù)據(jù)，重點(diǎn)數(shù)據(jù)一定要有日環(huán)比數(shù)據(jù)，也要有7日數(shù)據(jù)波動(dòng)情況，也要有月同比數(shù)據(jù)。其中，日環(huán)比和月同比只需各一列的數(shù)據(jù)，所以重點(diǎn)數(shù)據(jù)和細(xì)分?jǐn)?shù)據(jù)這兩列必不可少。而7日波動(dòng)數(shù)據(jù)更新成本高，可以只放重點(diǎn)數(shù)據(jù)。

日環(huán)比、月同比、波動(dòng)趨勢(shì)右側(cè)，即為原始數(shù)據(jù)，方便比對(duì)

另外，當(dāng)我們按季度、按月度、按周度設(shè)定放貸目標(biāo)時(shí)，為了基于目標(biāo)完成情況，不斷調(diào)整策略，可以在重點(diǎn)數(shù)據(jù)中，增加一項(xiàng)目前指標(biāo)完成進(jìn)度，以便掌控總指標(biāo)完成情況。

這樣下來，一張互金行業(yè)的日?qǐng)?bào)就設(shè)計(jì)完成了，不同的業(yè)務(wù)，按照這種邏輯，根據(jù)業(yè)務(wù)節(jié)點(diǎn)進(jìn)行調(diào)整即可。下面我們說下這些數(shù)據(jù)的獲取和匯總方法。

三、數(shù)據(jù)的獲取和整合

在數(shù)據(jù)獲取上，主要按數(shù)據(jù)采集方法的不同進(jìn)行區(qū)分，比如行為數(shù)據(jù)一般靠埋點(diǎn)采集，業(yè)務(wù)數(shù)據(jù)一般靠業(yè)務(wù)系統(tǒng)底表記錄，而屬性數(shù)據(jù)，則靠在埋點(diǎn)或系統(tǒng)底表中增加字段，除渠道數(shù)據(jù)外，很少需要單獨(dú)的采集辦法。

那要從不同的地方匯總數(shù)據(jù)，有兩種不同的情況。一種是行為業(yè)務(wù)數(shù)據(jù)割裂的，需要直接在對(duì)應(yīng)的系統(tǒng)里消費(fèi)對(duì)應(yīng)的數(shù)據(jù)，比如很多行為數(shù)據(jù)采集工具，都有附帶的分析工具，像行業(yè)做的最好的神策，有一套神策分析的工具，可以直接使用做對(duì)應(yīng)的行為分析。業(yè)務(wù)底表，則要在對(duì)應(yīng)的取數(shù)平臺(tái)，比如hive、spark等，sql取數(shù)。

另一種情況，則是將行為數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)做了打通。有直接通過采數(shù)工具進(jìn)行打通，行為數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)、屬性數(shù)據(jù)全部采集到一個(gè)系統(tǒng)內(nèi)進(jìn)行消費(fèi)的；也有導(dǎo)入到自己的數(shù)倉，自己進(jìn)行用戶關(guān)聯(lián)，前后端數(shù)據(jù)的打通的。

割裂的數(shù)據(jù)，需要分別在兩個(gè)平臺(tái)取數(shù)后，再在另一平臺(tái)聚合，比如通過python腳本抓取行為數(shù)據(jù)，通過sql查詢底表數(shù)據(jù)，最后手動(dòng)聚合到Excel表內(nèi)。而打通好的數(shù)據(jù)，則既可以導(dǎo)出到第三方比如Excel消費(fèi)，也可以制成報(bào)表，自動(dòng)更新。對(duì)比下來，自然是打通的數(shù)據(jù)效率使用更高。

四、大模型日?qǐng)?bào)有未來么

講完了日?qǐng)?bào)的設(shè)計(jì)、數(shù)據(jù)的獲取和匯總，再來聊一些先進(jìn)的東西——大模型自動(dòng)化分析。有些業(yè)內(nèi)頭部公司，開發(fā)了一套數(shù)據(jù)監(jiān)控解析的AI工具，它可以基于設(shè)計(jì)好的報(bào)表和配置好的指標(biāo)關(guān)系，從數(shù)量和比例兩方面出發(fā)，實(shí)時(shí)對(duì)各部分?jǐn)?shù)據(jù)的變動(dòng)生成評(píng)價(jià)，找到影響最大的變動(dòng)點(diǎn)。

這套東西的好處在于，它可以從庫內(nèi)所有維度分析數(shù)據(jù)，可以自動(dòng)化生產(chǎn)并發(fā)送數(shù)據(jù)簡(jiǎn)報(bào)，可以根據(jù)數(shù)據(jù)波動(dòng)情況，實(shí)時(shí)發(fā)送告警。

而它的不足之處，則在于它并不能完全了解業(yè)務(wù)渠道、策略、活動(dòng)、產(chǎn)品等方面的調(diào)整，也沒有資深運(yùn)營(yíng)人員的經(jīng)驗(yàn)。它只能看到數(shù)據(jù)的變化點(diǎn)，并不能找到數(shù)據(jù)變動(dòng)的業(yè)務(wù)原因，并產(chǎn)出策略。目前它還僅是簡(jiǎn)報(bào)生成工具，但是，在人工智能飛速發(fā)展的當(dāng)下，假以時(shí)日，它取代運(yùn)營(yíng)人員進(jìn)行監(jiān)控分析決策，也不是不可能。

以上就是信貸行業(yè)頭部玩家的運(yùn)營(yíng)方法和演變階段的總結(jié)，下周我們還會(huì)繼續(xù)基礎(chǔ)實(shí)踐篇的更新。

大致會(huì)有怎么建立業(yè)務(wù)增長(zhǎng)模型，怎么設(shè)計(jì)業(yè)務(wù)預(yù)估模型和業(yè)務(wù)策略庫、怎么設(shè)計(jì)策略執(zhí)行表等基礎(chǔ)實(shí)踐篇，還會(huì)有怎么應(yīng)用增長(zhǎng)模型拆解指標(biāo)快速發(fā)現(xiàn)增長(zhǎng)點(diǎn)、怎么應(yīng)用UJM模型做新戶landing、怎么應(yīng)用生命周期模型做老用戶經(jīng)營(yíng)等方法應(yīng)用篇，還會(huì)有怎么做觸達(dá)AB實(shí)驗(yàn)、怎么對(duì)流量來源歸因、怎么設(shè)計(jì)常規(guī)活動(dòng)、怎么做智能決策模型設(shè)計(jì)等場(chǎng)景實(shí)踐篇。