想你(1惫1贬)冲想你(1惫1贬)无弹窗全文阅读冲想你(1惫1贬)最新章节吧...
在医院，是别人帮我们做，还有麻醉。
2024年12月24日，除了北京银行的经历，夏远洋还于2012年12月至2014年3月参与筹备中加基金，并担任中加基金首任督察长。
想你(1惫1贬)冲想你(1惫1贬)无弹窗全文阅读冲想你(1惫1贬)最新章节吧...
指标管理系统从0到1从规划到落地这篇文章手把手教会你2023-12-29 14:53·人人都是产物经理为了做好指标管理公司可能会落地一套指标管理系统以解决问题但实际上指标管理系统想做好可能并不如想象中的那么容易这其中有很多坑需要我们提前避开这篇文章里作者就做了解读一起来看看吧假如你所在的公司业务发展迅猛在强调用好数据的当下如果没有好用的系统肯定都会逐渐碰到如下问题：不知道有啥：公司数据资产多如牛毛但知道和找到对的数据却困难重重；需求满足慢：搞清楚自己该要啥该找啥你会发现公司业务多变化快需求多取数人力不足；指标对不齐：数据变更快变更记录不及时数据来源多、数据处理人员多、口径多多份数据对不齐；问题排查慢：系统数据出问题数据加工链路长碰到人员流动和交接问题排查慢修复耗时长发现数据问题定位数据问题解决数据问题经常搞得基层员工焦头烂额（如果你在基层干过真的而是叫天天不应叫地地不灵）千里之堤溃于蚁穴这些看似不起眼的小问题慢慢就会积攒成大问题甚至会严重影响到整个组织的日常工作、战术目标达成、战略愿景的实现落后的生产力和需求严重不匹配时当非技术出身的管理层、领导层都能感受到问题的严重性时于是就可以从上而下开展轰轰烈烈的优化治理专项这种公司信息化升级往大了说可以说是数据治理、数字化转型之路一般来说大家说的都是构建高效智能的数据中台数据治理可能也提上了日程数据治理的核心是什么核心是统一数据口径数据口径的抓手就是【指标】从产物的视角来看指标管理最终的目标是：让大家能清楚看到、方便用到一、前期规划市面上对于【如何建立指标体系】的方法论一搜一大堆相对而言讲如何构建指标管理系统的少了不少不过只要耐心搜寻大厂的竞品就等着你发掘而且文档还比较全等你拥有了这些参考信息系统就实现了80%了因为功能和界面交互都很好抄就差工程师帮你把系统开发出来了但其实指标管理系统想做好并不容易因为可能做完系统进行指标管理落地时更多问题会凸显出来尤其是在业务已经发展起来的阶段作为一个有很多失败经验的老产物接下来给你分享一些微不足道的经验第一你要定位问题你要搞清楚这个系统到底要解决什么问题现状是怎么样的谁在推动做指标管理、指标治理这件事情很多时候推动这件事情的人是带有研发背景、数据分析背景的领导而这些领导规划做这件事也不是很清楚呢或许是因为看了一场其他同行的分享被案例里的故事给说服了然后开始未雨绸缪提前规划这件事情但是在你规划系统去解决问题之前问题真的被定位了吗可能也不好定量描述问题有多严重当前的损耗有多大那是否有人定性地进行了描述呢领导对这块问题的认知是什么如果没啥认知让我们解决的问题是什么呢你可以把这些问题抛出来问那个任命你来做这件事的人这个问题是否在更高的层面拉通了认知能争取到多少解决问题的时间窗口多少资源世人都晓神仙好惟有功名忘不了做好数据治理科学管理指标数据驱动业务大家都会喊口号为的是做成之后拿好处可是真正能落实的人并不多很多时候我们不敢提问不敢抛出问题组织让我们做什么我们就一股脑去做了当这些问题并未暴露出来我们都不清楚价值、意义就贸贸然开始做那最后谁来认可咱们解决问题的价值呢第二你要有抓手当你搞定了第一个问题定义和价值问题你准备开始做了而真正想要落地你必须从全局出发做一步脑子要往后多推演几步你要思考：假如我们要按照敏捷迭代的方式去做第一个版本MVP应该是什么样子我们要针对什么样的问题场景交付什么内容用户能做什么样的应用做这个系统的价值到底应该如何体现内容层面你要考虑应该将哪些指标纳入管理范围这些指标怎么用起来指标数据从何而来应用层面应用的场景是什么 单纯地看指标的口径还是说要快速地取指标数据价值层面如何评判这些指标真的被业务用起来了用户查询了多少次用来做了多少次报表我们要对自己掌握的信息有个把握当下我们现在掌握了哪些信息比如现在已经有哪些指标做成了看板了哪些指标还没有其次还想掌握哪些信息对于未来也要有所考量公司的战略层面还有哪些业务粗略情况如何是否需要指标分析这块我们只能基于业务情况进行粗浅的预估总的来说动手之前花个1-3天时间深度搜集信息制定策略谋定而后动二、准备工作作为一名数据产物经理你要面对的是关注数据结果及其呈现形式、但不懂技术或者没空关心技术的业务方99%的人尤其是做业务的人不会关注数据怎么来的、数据怎么加工的大家只会关注数据结果取结果若碰到问题直接会把问题抛出来让技术人员解决当我们发现在线表格已经无法满足公司管理需要时我们开始规划指标管理系统你要做几点：洞察业务需求、目标用户习惯、明确系统价值；了解组织的管理要求设计人机交互和底层数据系统；协调技术人员传递需求场景完成系统建设；切入业务场景、运营和推广系统并最终让业务用起来这里提醒一下：在MVP阶段甚至可以不做用于增删改查的后台管理只需要做好数据初始化即可也就是直接批量将数据录入数据库的方式因为MVP阶段一定是先让数据能用起来而不是做一个非常完善的管理后台三、系统模块划分两个模块之下系统可以分为2个模块：面向业务应用的功能、用于后台管理的功能1. 面向业务应用的功能当中核心包含2块：指标取数和指标查询两者互为因果因为想取数要知道有什么指标；因为知道有什么指标才知道如何取数早期如果业务很单一不用考虑复杂的业务域、数据域也不用考虑指标体系甚至压根就不要做指标取数系统因为找数据分析师、数据研发做一些SQL模板在不同的情况下换下输入的条件参数执行下就OK了当组织人数达到一定程度研发人员已经无法快速响应业务各种复杂的看数需求有了一定的复用性组织架构也开始进行划分数据权限也开始划分指标取数是看数需求处理流程的SOP化、自动化2. 用于后台管理的功能当中包括5个模块分别是：原子指标管理；衍生/复合指标管理；维度管理；修饰词、修饰词类型管理；业务域、数据域管理里面的第3、第5点跟数据仓库建模是可以公用的因为指标体系和基于业务构建的数据仓库表是密不可分的再次强调如果没有复杂的业务没有非常多的指标需要从业务、技术、运维层面进行统一的管理那真的是不需要构建指标管理系统四、功能详解1. 面向业务应用的功能1）指标取数① 指标取数场景分析以下两个场景哪个更加适合用指标取数来解决呢场景A：产物设计了一个新功能想看看这个新功能的曝光点击、转化效果等数据场景B：运营新挖了一个主播来平台直播想看看这个主播、直播间的各种情况我个人认为B更适合A场景其实要从功能规划阶段就要规划埋点到上线之后能够通过点位、事件进行指标查看针对功能的事件分析场景一般来说指标相对固定人数、次数、比率指标取数跟完全自助的探索分析是不同的而更像是有固定指标目标而只是单纯修改某些维度变量里面对指标的覆盖就可以更广（可以来源于埋点的指标也可以来源于业务统计指标）② 指标取数流程分析当业务提了如下需求：我想查看xxx直播间的活跃情况DAU还有新增用户、拉活用户取数的一般流程是怎么样的呢a. 确认指标口径（维度、修饰词）比如业务说我想看DAU数据分析师会问：是整个平台还是分端（WEB端、移动端）业务反馈想看新增用户数数据分析师会基于实际情况反馈：目前新增用户包括了信息流（抖音、快手等）、非信息流（手机厂商应用商店）哪些渠道没接入如果是新渠道需要等渠道回传数据接入才能看第一步要确认指标的口径一般就是维度和修饰词b. 确认数据及时性、数据范围口径确认后要确认数据的及时性（是实时还是离线离线的级别是怎么样小时、天、周）除此以外还会确认时间周期看多长时间范围的数据近1天、近7天、近30天、历史截止当前c. 确认结果交付方式和数据呈现形式确认好数据后接下来就是以什么方式来交付到底是人工取数后导出Excel比如也就是日报、周报汇报给老板还是说要支持自动化的自助查看比如做成数据自动刷新的看板还是做成支持用户输入参数的取数模板② 指标取数产物化一般来说当数据同事建设好了数仓底表建设好了维度、修饰词那就可以做自助指标取数就可以系统化、产物化了交互流程可以参考如下：业务可以组合各种维度、修饰词、时间周期自己设置查询条件指标取数核心功能：能支持用户基于维度进行指标的挑选然后进行即系查询并能下载指标结果后台系统需要做的就是管控这些用户对应的维度、修饰词、时间周期的使用权限选择指标的界面可以参考如下：选择完维度和指标后可以在取数界面点击查询进行取数指标取数的产出结果案例如下：如果还能跟BI系统打通支持各种关联分析比如针对某个指标制作折线图、柱状图如果还能加上趋势预测等等自动分析功能那就更好了对比指标取数标签取数的道理是相同的不过标签取数的结果都是人数我们需要针对这群人再进行下钻分析（后面再讲）2）指标查询指标查询可以理解为一个商场的指引台当你到了一个大商场你会不知道目标店铺在哪里当你转得晕头转向的时候有个向导告诉我们目标店铺在哪一层哪个方向（左拐、右拐、直行别讲什么东南西北）指标查询也是如此它能在以下几个场景发挥作用：当你晕头转向时告诉你系统中现在有哪些指标对应的负责人是谁当你没指标权限时基于系统反馈的指标负责人信息你可以通过IM系统找到对应的联系人当你发现数据有问题指标有错误系统有故障你可以找对口的负责人进行排查比如当你看到近1天观看时长这个指标这个时长的单位是什么呢如果指标的名称上没展示那就可以通过指标的详情来了解是小时还是分钟还是秒再比如人均观看时长分子分母分别是什么分子是观看时长那分母是平台近1天的全部活跃用户还是有观看行为的用户还是有有效观看的用户呢这也是需要解释的比如我们可以在数据地图中让用户快捷查询指标当然我们也可以直接在取数的界面进行必要信息的展示和提示这样就不必要再到另外的界面去查询对于业务来说这种系统越简单越好需要跳转的页面越少越好甚至可以结合NLP系统对业务使用的业务语言转化为技术语言然后进行取数比如问我想知道最近元梦之星的直播情况请告诉我有哪些维度和指标并直接帮我取数按照Excel的形式给出结果然后系统自动判断并执行即系查询操作并按照Excel格式给出不过如果系统底层数据没做好治理也没积累案例实现难度比较大更加关键是中型公司落地一个模型的收益能不能覆盖投入的成本2. 用于后台管理的功能设计完了面向业务应用的功能接下来我们再考虑用于管理、支撑的后台功能首先问自己一个问题：MVP阶段需要复杂的管理功能吗需要什么样的数据支持呢回答这个问题需要有点技术背景但如果你不懂技术其实也没问题第一指标能取数那肯定需要有数据源第二业务人员进行的各种取数条件的设置可能要能转化为从数据源里取数的语言（取数脚本）这里需要两个东西：具体的表数据（数据源）、以及解释取数配置的东西（生成取数脚本的逻辑）有了这两项只要提前在代码里配置好哪怕没有管理功能用户在界面上的操作也能取到结果而设计功能当我们的底层表、指标、维度、修饰词等等信息变得庞杂以后能够更加方便地查询、管理接下来我们再来看要有哪些功能1）原子指标管理这里基于原子指标是否要指定来源的事实表可以区分为两种做法抛开这个点我们先说公共的部分解释一个原子指标需要告诉使用者：指标的中文名称、英文名称、指标的单位、指标的业务含义、业务的负责人除此以外我们还可以对指标进行分类包含业务域、主题域、业务过程、数据域等（我不建议划分太细划太细其实也挺难找的）接下来我们再说两种不同的做法第一种原子指标指定来源事实表这里核心就是要指定指标的字段是基于数仓中的哪个事实表中的哪个字段进行何种计算最终的出来第二种原子指标不指定来源事实表原子指标不记录和表之间的关系纯粹就是做公共部分的记录指标和表的绑定关系放在衍生指标中进行设定下图是新增原子指标：2）衍生/复合指标管理对应的也有两种管理方式还是记住那个公式：衍生指标 = 维度 + 修饰词 + 时间周期 + 原子指标第一种通过原子指标来绑定表关系衍生指标核心是增加维度、修饰词、时间周期等信息第二种这里管理的核心是将具体事实表的一些字段记录下来对应的是哪些衍生/复合指标既然有依赖关系那么在衍生指标这块就可以看到指标之间的血缘了可以进行可视化呈现指标管理小结：其实不管哪种方式关键就是要告诉系统：指标要从哪个表中的哪个字段进行取数也就是指标和表之间的关系只有记录了这些信息未来才能基于这个逻辑关系去生成取数的脚本这里也照应前面文章里说的：表里面没有原子指标原子指标只不过是定义指标的最基础的业务含义、取数方式、哪怕指定事实表也只是定义技术语义下的指标口径是什么（也就是所谓的基于SQL的计算方式定义）3）维度管理维度管理的核心是将维度的逻辑和具体的维度物理表映射起来比如数仓底层建了不同的品类有对应的一个维度表那么我们就可以录入品类的维度（或者是事实表里的维度属性字段）用户想要查看不同分区的直播数据选择了分区维度下的指标比如品类观看时长那么最终生成取数脚本的时候会将维度属性字段放置到group by字段中比如业务在最终筛选的时候选择了王者荣耀和元梦之星这两个游戏（相当于是确定了维度的取值范围）在 where 匹配条件里加了匹配符比如where tag_id = 1 or 2那么最终的结果就是：衍生指标 = 维度 + 时间周期 + 修饰词 + 原子指标那么当我们构建了衍生指标之后我们是能够通过维度反向筛选有哪些可选的衍生指标的4）修饰词、修饰词类型管理这块相当于词库管理修饰词、修饰词类型的增删改查然后用于构建衍生/复合指标的时候进行关联直播常见的修饰词有有效观看、有效开播、礼物流水消费金额里面的礼物流水5）业务域、数据域管理这块也相当于词库管理业务域、数据域的增删改查用于对指标进行分类比如用户在筛选时先有大致的一个业务划分然后再去找维度和指标3. 指标管理功能总结看完了这么多感觉很复杂是吧化繁为简先抛开修饰词、业务域、数据域只关注指标和维度我建议你从SQL（结构化查询语言）的角度去重新理解指标管理为什么数据产物经理要懂点技术我认为核心是要懂点SQL因为懂了SQL才能从SQL（物理模型语言）的角度去理解这些一切一切其实SQL也不用掌握太深只要看懂最简单的代码就够了我们看看下面这段语句其含义是：统计2023年12月12号当天不同支付类型的订单数量select dt as dt, pay_type as pay_type, count(order_id) as cnt from dwd_order where dt = 20231212 group by dt, pay_type假如我们的支付方式有两种：wechat和alipay那么最终的表格会如下：看完SQL我们再问问问题在SQL里维度是什么在哪里维度就是对应的group by的字段这个字段是可以来源于事实表的主键也可以是事实表关联维度表后取得维度表得字段指标是什么在哪里是count(order_id）吗不如果你只往查询系统里输入count(order_id）系统是没有执行结果的只有当你指定了表表取数的时间范围（时间周期）指定的维度才能取到结果如果不指定时间范围那就是整个表全部的范围（也就是从有这张表的那天起的全部数据）如果不指定维度那就是全维度（也就是所有的订单总数）如果我们从刚刚的结果表里取数呢指标是什么我们不需要定义count(order_id)了我们的SQL可以这样写：select dt as dt ,pay_type as pay_type ,cnt as from dwd_order where dt = 20231212这就是为什么指标能有两种管理办法因为不管哪种只要最终生成的SQL能从物理表里取到正确的结果就行了当你理解了SQL是如何取数如何描述指标那你就能理解为什么要构建所谓的原子指标管理、衍生指标管理、维度管理五、产物运营1. MVP阶段就要考虑后续运营前文说到要MVP要基于场景、用户需求去初始化我们的最小可用产物第一个版本我们为了快速产生价值很多地方是简陋的但你要时刻牢记正是因为舍弃我们才有获得这套系统相当于是将之前的业务提需求、开发开发报表的流程进行了系统化并且记录了过程信息（也就是指标、维度、事实表等等对象的元数据）当这套管理体系和对应的系统建设完成时后续只需要进行日常的运营和维护当我们的产物功能上线以后接下来就进入新的PDCA循环了Plan（计划）、Do（执行）、Check（检查）和Act（处理）不仅可以对系统的内容（数据资产）进行进一步的丰富在交互和用户指引方面也有很多工作可以做2. 在问题中迭代系统当然你也会面临一些内容和功能层面的问题比如业务方希望你能在指标取数中增加新的指标而这需要开发新的底层表录入指标数据直到丰富整体的指标体系比如当指标过多用户不方便进行指标的搜索、查询时要做一些必要的指标分类、说明文档、操作指引等再比如因为公司规划原因某些业务停滞某些数据也不再需要了如果公司对成本管控比较严可以从数据的实际应用情况出发基于指标体系、数仓表血缘等对不再使用的报表及其整个调度任务体系进行下线处理以便节约存储和计算的成本总而言之这套系统完善之后能解决50%以上的规范化的取数、看数问题就不错了而针对特定场景的分析还需要人工来支持人工智能先人工才能智能当然问题是解决不完的人的需求是满足不完的~六、总结和未来展望1. 总结从规划的注意事项再到落地的功能规划和涉及介绍了很多大致上为你描绘了指标管理不过我想提醒你那些能够落地指标管理的公司都是天选公司它们汇聚了优秀人才跟随着时代的发展基于技术和管理的创新跨过了层层考验在重重磨难之中成为大业务量的公司拥有真正的大数据真正地利用数据发挥价值但凡少创了一个关都到不了所谓数据驱动业务的阶段对于大多数实体业务经营型的公司来说科学的指标管理是业务发展的助推器数据和对应数据管理系统的发展离不开强力的业务支撑绝对不要为了做而做管理指标的目标也不仅仅是为了更好地查看数据其目标是做出更优质的决策拿到更好的业务结果2. 未来展望在生成式AI如火如荼进行的时候我们可不可以利用AI来做更多呢AI能在哪些场景嵌入现有的工作流改善当前工作流做更加深入的落地呢比如业务方看完数据后直接用语音、文字给AI发送指令请给近30天没在平台消费的用户发送满30减5的消费券通知并自动生成统计任务在1小时候给我反馈通知发送的达到量、点击量消费券的使用量产生的交易金额人还是做主导但是基于数据做决策、做动作、回收数据的整体链路更加高效长路漫漫道阻且长~以上感谢阅读~专栏作家Lee公众号：数据产物小lee人人都是产物经理专栏作家关注直播、短视频和文娱领域、擅长数据架构、CDP及数据治理相关工作本文原创发布于人人都是产物经理未经许可禁止转载题图来自 Unsplash基于 CC0 协议该文观点仅代表作者本人人人都是产物经理平台仅提供信息存储空间服务
一是能减则减。对纳入白名单的证券公司，取消发行永续次级债和为境外子公司发债提供担保承诺、为境外子公司增资或提供融资的监管意见书要求。新民晚报讯（记者 徐驰）前天下午1时许，奉贤区育秀路育秀十一区小区旁一处空地上的废旧电瓶起火。事发后，消防部门迅速到场处置，所幸火灾未造成人员伤亡。