经营诊断与波动分析实践
经营诊断与波动分析实践 演讲人-李薇-快手-数据产品经理 目录CONTENT 经营诊断及波动分析重要性 指标诊断分析体系设计 经营诊断数据产品设计 01 经营诊断及指标分析重要性 Part1为什么要建设指标体系与经营诊断产品？ Part2如何建设指标分析体系？ Part3经营诊断数据产品价值和能力 为什么要建设指标体系和经营诊断的产品？ 痛 点1：强 目 标 导 向 ， 需 要 大 量 数 据 信 息 辅 助 决 策 •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2：业 务 场 景 复 杂 ，各 场 景数 据 不 一 致 ，数 据 出 口多 ， 导 致无 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 总 结 。形 成 部 门+ O + K R +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2】 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 ：Y B R / Q B R / M B R / W B R（ 周 期 性 经 营 分 析 报 告 ） ， 项 目 专 项定 期 分 析 报 告 ，a b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 数据 ，为 不 同 角 色 提 供 不 同 数 据解 决 方 案 。 管 理 层 视 角 ： 业 务 域 视 角 ：运 营 决 策 、 策 略 迭 代 等 ； 场 景 视 角 ：营 销 分 析 、 大 促 决 策 等 ； 02 指标诊断分析体系设计 Part1指标预警Part2指标诊断 指标预警：发现数据异常 1、什么是数据异常？ 趋 势异 常 绝 对 值 异 常 点 同 环 比 异 常 持 续 走 低 或 者 持 续 走 高 。持 续 性 的 波 动 。 波 峰波 谷 ， 偶 发 的 、 突 然 性 的 波 动 。 周 期 性 的 波 动 。 2、用什么方式判断异常？ 阈 值判 断 。 预 测模 型 。 绝 对 值+同 环 比 综 合判 断 。 标 准 差 判 别 法 。 可 使 用p r o p h e t等 算 法 。 将 真 实 值 与 预 测 值 对 比 ， 不 断 迭 代模 型 。 指标诊断：拆解分析SOP 指标诊断：常用数据方法-指标拆解 乘 法 型 贡 献 度 。 加 法 型贡 献 度 。 1、加法型直接拆解•计算方式：分维度或指标（△本期值-△基 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。 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、控制替代法 2、超均贡献法•计算方式：计算超均贡献值=（因子波动率 •计算方式：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。 -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。 指标诊断：常用数据方法-维度拆解 原 子 指 标 拆 解维 度 。 维 度 影 响 值— —找 到 影 响 最 大 的维 度 。 1.使用加法贡献度，同上文 常用方法：基尼系数，JS散度等 复 合 指 标 拆 解 维 度— —综 合 贡 献 法 。 复 合 指 标 拆 解 维 度— —加 权 占 比法 。 •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。对变化影响有抵消作用，解释度更强。 •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。 03 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 需求梳理归纳，诊断动线明确 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 1、需求方众多，根据碎片化信息拼凑全局，理出结构化信息矩阵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 数据&产品高效迭代 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 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 经营诊断类数据产品设计要点 功 能 性 从 提 升 效 率 到 提 升效 果可 查- >可 看- >诊 断- >策 略- >应 用 通 用 性 异动产品的工具化or半工具化（通用化模版/流程） 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 经营诊断类数据产品实战中的挑战 数据准确性&一致性 阶段性的目标与Roadmap 1、指标生命周期维护流程、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 1、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 数据保障性 经营诊断&策略输出 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 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 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 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 感谢观看谢谢观看 感谢观看
