本文作者為桑文鋒，Sensors?Data 創(chuàng)始人&CEO，前百度大數據部技術經理。2005 畢業(yè)于浙江大學計算機系，2007年 加入百度并負責組建并帶領團隊，從零實現(xiàn)了百度用戶日志的大數據平臺。

一、大數據思維

在 2011年、2012年 大數據概念火了之后，可以說這幾年許多傳統(tǒng)企業(yè)也好，互聯(lián)網企業(yè)也好，都把自己的業(yè)務給大數據靠一靠，并且提的比較多的大數據思維。

那么大數據思維是怎么回事？我們來看兩個例子：

【案例 1：輸入法】

首先,我們來看一下輸入法的例子.我 2001年 上大學，那時用的輸入法比較多的是智能 ABC，還有微軟拼音，還有五筆.那時候的輸入法比現(xiàn)在來說要慢的很多，許多時候輸一個詞都要選好幾次，去選詞還是調整才能把這個字打出來，效率是非常低的。

到了 2002年，2003年 出了一種新的輸出法——紫光拼音，感覺真的很快，鍵盤沒有按下去字就已經跳出來了。但是，后來很快發(fā)現(xiàn)紫光拼音輸入法也有它的問題，比如當時互聯(lián)網發(fā)展已經比較快了，會經常出現(xiàn)一些新的詞匯，這些詞匯在它的詞庫里沒有的話，就很難敲出來這個詞。

在 2006年 左右，搜狗輸入法出現(xiàn)了。搜狗輸入法基于搜狗本身是一個搜索，它積累了一些用戶輸入的檢索詞這些數據，用戶用輸入法時候產生的這些詞的信息，將它們進行統(tǒng)計分析，把一些新的詞匯逐步添加到詞庫里去，通過云的方式進行管理。

 

比如，去年流行一個詞叫 “然并卵”，這樣的一個詞如果用傳統(tǒng)的方式，因為它是一個重新構造的詞，在輸入法是沒辦法通過拼音 “ran?bing?luan” 直接把它找出來的。然而，在大數據思維下那就不一樣了，換句話說，我們先不知道有這么一個詞匯，但是我們發(fā)現(xiàn)有許多人在輸入了這個詞匯，于是，我們可以通過統(tǒng)計發(fā)現(xiàn)最近新出現(xiàn)的一個高頻詞匯，把它加到司庫里面并更新給所有人，大家在使用的時候可以直接找到這個詞了。

二、數據驅動

對于數據驅動這一點，可能有些人從沒有看數的習慣到了看數的習慣那是一大進步，是不是能看幾個數這就叫數據驅動了呢？這還遠遠不夠，這里來說一下什么是數據驅動？或者現(xiàn)有的創(chuàng)業(yè)公司在進行數據驅動這件事情上存在的一些問題。

 

一種情況大家在公司里面有一個數據工程師，他的工作職責就是跑數據。

 

不管是市場也好，產品也好，運營也好，老板也好，大家都會有各種各樣的數據需求，但都會提給他。然而，這個資源也是有限的，他的工作時間也是有限的，只能一個一個需求去處理，他本身工作很忙，大家提的需求之后可能并不會馬上就處理，可能需要等待一段時間。即使處理了這個需求，一方面他可能數據準備的不全，他需要去采集一些數據，或做一些升級，他要把數據拿過來。拿過來之后又在這個數據上進行一些分析，這個過程本身可能兩三天時間就過去了，如果加上等待的時間更長。

對于有些人來說，這個等待周期太長，整個時機可能就錯過了。比如，你重要的就是考察一個節(jié)日或者一個開學這樣一個時間點，然后想搞一些運營相關的事情，這個時機可能就錯過去了，許多人等不到了，有些同學可能就干脆還是拍腦袋，就不等待這個數據了。這個過程其實就是說效率是非常低的，并不是說拿不到這個數據，而是說效率低的情況下我們錯過了很多機會。

 

對于還有一些公司來說，之前可能連個數都沒有，現(xiàn)在有了一個儀表盤，有了儀表盤可以看到公司上個季度、昨天總體的這些數據，還是很不錯的。

 

對老板來說肯定還是比較高興，但是，對于市場、運營這些同學來說可能就還不夠。

比如，我們發(fā)現(xiàn)某一天的用戶量跌了 20%，這個時候肯定不能放著不管，需要查一查這個問題出在哪。這個時候，只看一個宏觀的數那是遠遠不夠的，我們一般要對這個數據進行切分，按地域、按渠道，按不同的方式去追查，看到底是哪少了，是整體少了，還是某一個特殊的渠道獨特的地方它這個數據少了，這個時候單單靠一個儀表盤是不夠的。

 

理想狀態(tài)的數據驅動應該是怎么樣的？就是一個自助式的數據分析，讓業(yè)務人員每一個人都能自己去進行數據分析，掌握這個數據。

前面我講到一個模式，我們源頭是一堆雜亂的數據，中間有一個工程師用來跑這個數據，然后右邊是接各種業(yè)務同學提了需求，然后排隊等待被處理，這種方式效率是非常低的。理想狀態(tài)來說，我們現(xiàn)象大數據源本身整好，整全整細了，中間提供強大的分析工具，讓每一個業(yè)務員都能直接進行操作，大家并發(fā)的去做一些業(yè)務上的數據需求，這個效率就要高非常多。

三、數據處理的流程

大數據分析這件事用一種非技術的角度來看的話，就可以分成金字塔，自底向上的是三個部分，第一個部分是數據采集，第二個部分是數據建模，第三個部分是數據分析，我們來分別看一下。

【數據采集】

 

首先來說一下數據采集，我在百度干了有七年是數據相關的事情。我最大的心得——數據這個事情如果想要更好，最重要的就是數據源，數據源這個整好了之后，后面的事情都很輕松。

用一個好的查詢引擎、一個慢的查詢引擎無非是時間上可能消耗不大一樣，但是數據源如果是差的話，后面用再復雜的算法可能都解決不了這個問題，可能都是很難得到正確的結論。

我覺得好的數據處理流程有兩個基本的原則，一個是全，一個是細。

●?全：就是說我們要拿多種數據源，不能說只拿一個客戶端的數據源，服務端的數據源沒有拿，數據庫的數據源沒有拿，做分析的時候沒有這些數據你可能是搞歪了。另外，大數據里面講的是全量，而不是抽樣。不能說只抽了某些省的數據，然后就開始說全國是怎么樣?？赡苡行┦》浅Ｌ厥?，比如新疆、西藏這些地方它客戶端跟內地可能有很大差異的。

●?細：其實就是強調多維度，在采集數據的時候盡量把每一個的維度、屬性、字段都給它采集過來。比如：像 where、who、how 這些東西給它替補下來，后面分析的時候就跳不出這些能夠所選的這個維度，而不是說開始的時候也圍著需求。根據這個需求確定了產生某些數據，到了后面真正有一個新的需求來的時候，又要采集新的數據，這個時候整個迭代周期就會慢很多，效率就會差很多，盡量從源頭抓的數據去做好采集。

【數據建?！?/p>

有了數據之后，就要對數據進行加工，不能把原始的數據直接報告給上面的業(yè)務分析人員，它可能本身是雜亂的，沒有經過很好的邏輯的。

這里就牽扯到數據建框，首先，提一個概念就是數據模型。許多人可能對數據模型這個詞產生一種畏懼感，覺得模型這個東西是什么高深的東西，很復雜，但其實這個事情非常簡單。

 

我春節(jié)期間在家干過一件事情，我自己家里面家譜在文革的時候被燒教了，后來家里的長輩說一定要把家譜這些東西給存檔一下，因為我會電腦，就幫著用電腦去理了一下這些家族的數據這些關系，整個族譜這個信息。

我們現(xiàn)實是一個個的人，家譜里面的人，通過一個樹型的結構，還有它們之間數據關系，就能把現(xiàn)實實體的東西用幾個簡單圖給表示出來，這里就是一個數據模型。

數據模型就是對現(xiàn)實世界的一個抽象化的數據的表示。我們這些創(chuàng)業(yè)公司經常是這么一個情況，我們現(xiàn)在這種業(yè)務，一般前端做一個請求，然后對請求經過處理，再更新到數據庫里面去，數據庫里面建了一系列的數據表，數據表之間都是很多的依賴關系。

 

比如，就像我圖片里面展示的這樣，這些表一個業(yè)務項發(fā)展差不多一年以上它可能就牽扯到幾十張甚至上百張數據表，然后把這個表直接提供給業(yè)務分析人員去使用，理解起來難度是非常大的。

這個數據模型是用于滿足你正常的業(yè)務運轉，為產品正常的運行而建的一個數據模型。但是，它并不是一個針對分析人員使用的模型。如果，非要把它用于數據分析那就帶來了很多問題。比如：它理解起來非常麻煩。

另外，數據分析很依賴表之間的這種格子，比如：某一天我們?yōu)榱颂嵘阅?，對某一表進行了拆分，或者加了字段、刪了某個字短，這個調整都會影響到你分析的邏輯。

 

這里，最好要針對分析的需求對數據重新進行解碼，它內容可能是一致的，但是我們的組織方式改變了一下。就拿用戶行為這塊數據來說，就可以對它進行一個抽象，然后重新把它作為一個判斷表。

用戶在產品上進行的一系列的操作，比如瀏覽一個商品，然后誰瀏覽的，什么時間瀏覽的，他用的什么操作系統(tǒng)，用的什么瀏覽器版本，還有他這個操作看了什么商品，這個商品的一些屬性是什么，這個東西都給它進行了一個很好的抽象。這種抽樣的很大的好處很容易理解，看過去一眼就知道這表是什么，對分析來說也更加方便。

 

在數據分析方，特別是針對用戶行為分析方面，目前比較有效的一個模型就是多維數據模型，在線分析處理這個模型，它里面有這個關鍵的概念，一個是維度，一個是指標。

維度比如城市，然后北京、上海這些一個維度，維度西面一些屬性，然后操作系統(tǒng)，還有 IOS、安卓這些就是一些維度，然后維度里面的屬性。

通過維度交叉，就可以看一些指標問題，比如用戶量、銷售額，這些就是指標。比如，通過這個模型就可以看來自北京，使用 IOS 的，他們的整體銷售額是怎么樣的。

這里只是舉了兩個維度，可能還有很多個維度?？傊ㄟ^維度組合就可以看一些指標的數，大家可以回憶一下，大家常用的這些業(yè)務的數據分析需求是不是許多都能通過這種簡單的模式給抽樣出來。

四、數據分析方法

接下來看一下互聯(lián)網產品采用的數據分析方法。

 

對于互聯(lián)網產品常用的用戶消費分析來說，有四種：

（1）?第一種是多維事件的分析，分析維度之間的組合、關系。

（2）第二種是漏斗分析，對于電商、訂單相關的這種行為的產品來說非常重要，要看不同的渠道轉化這些東西。

（3）第三種留存分析，用戶來了之后我們希望他不斷的來，不斷的進行購買，這就是留存。

（4）第四種回訪，回訪是留存的一種特別的形式，可以看他一段時間內訪問的頻次，或者訪問的時間段的情況

【方法 1：多維事件分析法】

首先來看多維事件的分析，這塊常見的運營、產品改進這種效果分析。其實，大部分情況都是能用多維事件分析，然后對它進行一個數據上的統(tǒng)計。

1.????【三個關鍵概念】

 

這里面其實就是由三個關鍵的概念，一個就是事件，一個是維度，一個是指標組成。

l?事件就是說任何一個互聯(lián)網產品，都可以把它抽象成一系列事件，比如針對電商產品來說，可抽象到提交、訂單、注冊、收到商品一系列事件用戶行為。

l?每一個事件里面都包括一系列屬性。比如，他用操作系統(tǒng)版本是否連 wifi；比如，訂單相關的運費，訂單總價這些東西，或者用戶的一些職能屬性，這些就是一系列維度。

l?基于這些維度看一些指標的情況。比如，對于提交訂單來說，可能是他總提交訂單的次數做成一個指標，提交訂單的人數是一個指標，平均的人均次數這也是一個指標；訂單的總和、總價這些也是一個指標，運費這也是一個指標，統(tǒng)計一個數后就能把它抽樣成一個指標。

2.????【多維分析的價值】

來看一個例子，看看多維分析它的價值。

 

比如，對于訂單支付這個事件來說，針對整個總的成交額這條曲線，按照時間的曲線會發(fā)現(xiàn)它一路在下跌。但下跌的時候，不能眼睜睜的看著它，一定要分析原因。

怎么分析這個原因呢？常用的方式就是對維度進行一個拆解，可以按照某些維度進行拆分，比如我們按照地域，或者按照渠道，或者按照其他一些方式去拆開，按照年齡段、按照性別去拆開，看這些數據到底是不是整體在下跌，還是說某一類數據在下跌。

 

這是一個假想的例子——按照支付方式進行拆開之后，支付方式有三種，有用支付寶、阿里 PAY，或者用微信支付，或者用銀行看內的支付這三種方式。

通過數據可以看到支付寶、銀行支付基本上是一個沉穩(wěn)的一個狀態(tài)。但是，如果看微信支付，會發(fā)現(xiàn)從最開始最多，一路下跌到非常少，通過這個分析就知道微信這種支付方式，肯定存在某些問題。

比如：是不是升級了這個接口或者微信本身出了什么問題，導致了它量下降下去了？

【方法 2：漏斗分析】

漏斗分析會看，因為數據，一個用戶從做第一步操作到后面每一步操作，可能是一個雜的過程。

 

比如，一批用戶先瀏覽了你的首頁，瀏覽首頁之后可能一部分人就直接跑了，還有一部分人可能去點擊到一個商品里面去，點擊到商品可能又有很多人跑了，接下來可能有一部分人就真的購買了，這其實就是一個漏斗。

 

通過這個漏斗，就能分析一步步的轉化情況，然后每一步都有流失，可以分析不同的渠道其轉化情況如何。比如，打廣告的時候發(fā)現(xiàn)來自百度的用戶漏斗轉化效果好，就可能在廣告投放上就在百度上多投一些。

【方法 3：留存分析】

 

比如，搞一個地推活動，然后來了一批注冊用戶，接下來看它的關鍵行為上面操作的特征，比如當天它有操作，第二天有多少人會關鍵操作，第 N 天有多少操作，這就是看它留下來這個情況。

【方法 4：回訪分析】

 

回訪就是看進行某個行為的一些中度特征，如對于購買黃金這個行為來說，在一周之內至少有一天購買黃金的人有多少人，至少有兩天的有多少人，至少有 7 天的有多少人，或者說購買多少次數這么一個分布，就是回訪回購這方面的分析。

上面說的四種分析結合起來去使用，對一個產品的數據支撐、數據驅動的這種深度就要比只是看一個宏觀的訪問量或者活躍用戶數就要深入很多。

五、運營分析實踐

下面結合個人在運營和分析方面的實踐，給大家分享一下。

【案例 1：UGC 產品】

 

首先，來看 UGC 產品的數據分析的例子?？赡軙治鏊脑L問量是多少，新增用戶數是多少，獲得用戶數多少，發(fā)帖量、減少量。

諸如貼吧、百度知道，還有知乎都屬于這一類的產品。對于這樣一個產品，會有很多數據指標，可以從某一個角度去觀察這個產品的情況。那么，問題就來了——這么多的指標，到底要關注什么？不同的階段應該關注什么指標？這里，就牽扯到一個本身指標的處理，還有關鍵指標的問題。

【案例 2：流失用戶召回】

 

這種形式可能對其他產品就很有效，但是對我們這個產品來說，因為我們這是一個相對來說目標比較明確并且比較小眾一點的差別，所以這個投放的效果可能就沒那么明顯。

在今年元旦的時候，因為之前申請試用我們那個產品已經有很多人，但是這里面有一萬人我們給他發(fā)了帳號他也并沒有回來，我們過年給大家拜拜年，然后去匯報一下進展看能不能把他們撈過來一部分。

 

這是元旦的時候我們產品的整體用戶情況，到了元旦為止，9月25號發(fā)布差不多兩三個月時間，那個時候差不多有 1490 個人申請試用了我們這個產品。但是，真正試用的有 724 個，差不多有一半，另外一半就跑了，就流失了。

我們就想把這部分人抽出來給他們進行一個招回活動，這里面流失用戶我們就可以把列表導出來，這是我們自己的產品就有這樣的功能。有人可能疑惑我們怎么拿到用戶的這些信息呢？

 

這些不至于添加，因為我們申請試用的時候就讓他填一下姓名、聯(lián)系方式，還有他的公司這些信息。對于填郵箱的我們就給發(fā)郵件的，對于發(fā)手機號的我們就給他發(fā)短信，我們分析這兩種渠道帶來的效果。

 

先說總體，總體我們發(fā)了 716 個人，這里面比前面少了一點，我把一些不靠譜的這些信息人工給它干掉了。接下來，看看真正有 35 個人去體驗了這個產品，然后 35 個人里面有 4 個人申請接入數據。

因為我們在產品上面做了一個小的改進，在測試環(huán)境上面，對于那些測試環(huán)境本身是一些數據他玩一玩，玩了可能感興趣之后就會試一下自己的真實數據。這個時候，我們上來有一個鏈接引導他們去申請接入自己的數據，走到這一步之后就更可能轉化成我們的正式客戶。

這兩種方式轉化效果我們其實也很關心，招回的效果怎么樣，我們看下面用紅框表示出來，郵件發(fā)了 394 封。最終有 32 個人真正過來試用了，電話手機號322 封，跟郵件差不多，但只有 3 個過來，也就是說兩種效果差了 8 倍。

這其實也提醒大家，短信這種方式可能許多人看短信的比較少。當然，另一方面跟我們自己產品特征有關系，我們這個產品是一個 PC 上用起來更方便的一個產品。許多人可能在手機上看到這個鏈接也不方便點開，點開之后輸入帳號也麻煩一點。所以，導致這個效果比較差。