《经营诊断与波动分析实践.pdf》由会员分享,可在线阅读,更多相关《经营诊断与波动分析实践.pdf(19页珍藏版)》请在三个皮匠报告上搜索。
1、DataFunSummitDataFunSummit#20242024经营诊断与波动分析经营诊断与波动分析实践实践演讲人-李薇-快手-数据产品经理经营诊断及波动分析重要性经营诊断及波动分析重要性目录目录 CONTENTCONTENT指标诊断分析体系指标诊断分析体系设计设计经营诊断经营诊断数据产品数据产品设计设计DataFunSummitDataFunSummit#202420240101经营诊断及指标分析经营诊断及指标分析重要性重要性Part1 Part1 为什么要建设指标体系与经营为什么要建设指标体系与经营诊断产品?诊断产品?Part2 Part2 如何建设指标分析体系?如何建设指标分析体系
2、?Part3 Part3 经营诊断数据产品价值和经营诊断数据产品价值和能力能力为什么要建设指标体系和经营诊断的产品?现状:从数据内容上,缺少一套目标驱动的经营分析体系支撑业务动作。从数据能力上,需要承载这部分数据的数据产品需要有较高密度的有效信息,清晰直观的展示数据逻辑关系。痛点痛点1:强目标导向,需要大量数据信息辅助决策强目标导向,需要大量数据信息辅助决策痛点痛点2:业务场景复杂,业务场景复杂,各场景各场景数据不一致,数据不一致,数据出口数据出口多,导致多,导致无法输出有效结论无法输出有效结论现状:业务单元多+链路复杂+场景多样,导致数据多+口径不固定+数据不一致+结论不清晰目标:建设一套能
3、快速定位问题并做出直观展现的经营诊断产品工具如何建设稳定的指标衡量体系?【策略【策略1】与分析师共建,共同建设目标观测体系;落地数据治理思路,同源同端同口】与分析师共建,共同建设目标观测体系;落地数据治理思路,同源同端同口径,解决一致性问题径,解决一致性问题确定指标体系:通过对业务的深入了解与既往业务数据沉淀,抽象核心指标体系形成初版,并与分析师拉齐共识,明确指标主题及负责人,完善维度指标命名&口径&数据更新频率等信息规范,最终形成指标体系。建设标准数据:基于标准化口径的维度指标数据体系,统一进行数据底层设计与开发,保障各应用底层统一性。拉齐目标标准:针对核心目标指标及分部门目标指标进行抽象和
4、总结。形成部门+O+KR+核心指标的形式,统一的目标需求结构和目标看数方式。【策略【策略2】抽象归纳业务场景,研读阶段性汇报分析材料,结合业务】抽象归纳业务场景,研读阶段性汇报分析材料,结合业务理解沉淀分析方法理解沉淀分析方法论论业务场景归纳+理解沉淀:大(业务目标透传会+总结会+对外的分享会),中(业务周会),小(需求对接的过程)分析材料研读:YBR/QBR/MBR/WBR(周期性经营分析报告),项目专项定期分析报告,ab实验分析报告等等经营诊断数据产品价值&能力帮 助 不 同 角 色 快 速 看 全 经 营 数帮 助 不 同 角 色 快 速 看 全 经 营 数据,据,为 不 同 角 色 提
5、 供 不 同 数 据为 不 同 角 色 提 供 不 同 数 据解 决 方 案。解 决 方 案。数 据 资 产 体 系 做数 据 资 产 体 系 做 支 撑支 撑管 理 层 视 角:管 理 层 视 角:业 绩 达 成、经 营 决 策;业 务 域 视 角:业 务 域 视 角:运 营 决 策、策 略 迭 代 等;场 景 视 角:场 景 视 角:营 销 分 析、大 促 决 策 等;营 销 分 析、大 促 决 策 等;DataFunSummitDataFunSummit#202420240202指标诊断指标诊断分析体系分析体系设计设计Part1 Part1 指标预警指标预警Part2 Part2 指标诊
6、断指标诊断指标预警:发现数据异常波峰波谷,偶发的、突然性的波动。绝对值异常点绝对值异常点周期性的波动。同环比异常同环比异常持续走低或者持续走高。持续性的波动。趋势趋势异常异常1、什么是数据异常?2、用什么方式判断异常?绝对值+同环比综合判断。标准差判别法。阈值阈值判断。判断。可使用prophet等算法。将真实值与预测值对比,不断迭代模型。预测预测模型。模型。模型模型预测预测结合预测模型预测北极星指标计算预计算预测残差测残差预测残差=预测值-真实值判断偏判断偏离程度离程度结合2sigma原理判断残差是否出现明显偏离辅助补辅助补充同环充同环比趋势比趋势结合同环比表现综合判断综合综合判定判定结合模型
7、偏离程度与同环比波动综合判断指标诊断:拆解分析SOP 指标诊断:常用数据方法-指标拆解1、加法型直接拆解计算方式:分维度或指标(本期值-基期值)/总(本期值-基期值)优点:业务解释度强,利用基础指标偏移量占比计算贡献度,简单易懂。缺点:因子量级影响大。2、超均贡献法计算方式:计算超均贡献值=(因子波动率-指标波动率)*因子本期值;因子贡献度=因子贡献值/维度下所有因子贡献值绝对值之和优点:综合了指标量级与波动率。缺点:优点在于定位因子,但数字本身解释性较差。加法型加法型贡献度。贡献度。1.一阶拆分法(log转化法)计算方式:取对数的方式,总贡献度为100%优点:解释度更强。2、控制替代法计算方
8、式:轮换控制单一变量。优点:适用于排序定位因子。缺点:拆解顺序会影响结果;无法保证下级指标的贡献度在-100%,100%的范围,业务解释性较差。乘法型贡献度。乘法型贡献度。指标诊断:常用数据方法-维度拆解常用方法:基尼系数,JS散度等维度影响值维度影响值找到影响最大的找到影响最大的维度。维度。1.使用加法贡献度,同上文原子指标拆解原子指标拆解维度。维度。计算方式:考虑分子分母在本期基期的权重占比,从而计算贡献度。优缺点:若权重与结果指标双重变动,会被放大影响。复合指标拆解维度复合指标拆解维度加权占比加权占比法。法。计算方式:见下图优点:可以综合评判结构变化的影响及量级变化的影响。对变化影响有抵
9、消作用,解释度更强。复合指标拆解维度复合指标拆解维度综合贡献法。综合贡献法。DataFunSummitDataFunSummit#202420240303经营诊断数据产品设计经营诊断数据产品设计经营诊断类数据产品的特点&要求流程化&节点&信息明确1、需要有一致的生产过程、设计标准、上线回测、问题处理方案2、关键节点一个都不能少,关键节点的负责人需要明确3、关键信息的维护与迭代,保障多场景复用的有效性数据&产品高效迭代1、需求多,需要快速适配业务变化的基建,来提高迭代的效率以及数据的新鲜性2、迭代快,需要高效产品工具和流程来匹配需求梳理归纳,诊断动线明确1、需求方众多,根据碎片化信息拼凑全局,理
10、出结构化信息矩阵2、结合异动/分析SOP,用实际数据做演练,明确诊断动线3、产品设计精简,保障信息有效连贯4、涉及多次需求返讲,认知拉齐用户满意度1、需要有一套可量化的指标体系评价产品的好坏,包括用户渗透率、保障稳定性等2、定期进行用户调研、用户培训等3、针对不同角色,透传诊断产品的应用价值经营诊断类数据产品设计要点功能性功能性+连贯性连贯性+通用性,缺一不可通用性,缺一不可功能性功能性从提升效率到提升效果可查-可看-诊断-策略-应用连贯性连贯性连接全流程是否达成-是否异动-定位问题-拆解问题-运营抓手通用性通用性异动产品的工具化 or 半工具化(通用化模版/流程)经营诊断类数据产品技能点基础
11、基础A A进阶进阶B B理想理想C C看清看清看全现状看全现状寻找根因寻找根因1、指标达成分析2、指标波动分析3、指标拆解&维度下钻找到问题与抓手提升诊断提升诊断效率效率生成策略方案生成策略方案1、报警:指标预警2、输出:结论自动化3、追人:异动反馈闭环闭环业务全流程业务全流程应用分析结果应用分析结果1、联动业务系统,如外投、策略分发等,闭环业务动作2、联动外部信息,拓展认知数据数据产品能力点产品能力点数据产数据产品功能品功能点点业务认知数据分析能力诊断框架设计用户为本管理思维实体化产品通用化设计数据赋能业务全局思考设计行业及竞对认知经营诊断类数据产品实战中的挑战数据准确性&一致性1、指标生命
12、周期维护流程、内容准确2、产品加工逻辑需再口径中明确标注或维护3、实时&离线、内部&外部等数据一致保障数据保障性1、及时性:产出时效保障(监控、报警)2、稳定性:查询性能的保障(雾化视图、双流保障、专属集群等)3、保障性:核心产品数据上线与校验流程、数据异常的处理和周知流程等数据&产品拓展性1、数据:快速适配业务变化的基建及应用模型,多维叉乘和下钻的灵活性2、产品:低代码开发、配置化、组件的复用性3、多重解决方案:移动端、数据推送、自助取数工具、自助报告工具等阶段性的目标与Roadmap1、从业务出发,结合产品规划,制定阶段性目标2、从业务中来到业务中去,找到核心用户共建3、分别制定内容迭代与功能迭代的目标,小步快跑经营诊断&策略输出1、横向:以业绩达成为总,业务各个场景为分,实现总分连贯分析下钻2、纵向:每个业务主题场景内部也均为总分,根据场景的不同,分别进行细化分析3、高密度信息的有效表达与输出4、与运营工具结合产品运营与推广1、信息透传:产品迭代信息同步、数信息同步、目标用户维护、权限维护等2、定期培训:针对目标用户,定期组织分享培训,实战分析的case分享3、推广运营:业务大群分享经营诊断类产品设计示意图 感谢观看感谢观看谢谢观看感谢观看感谢观看