? ? ? 一個熱愛數據產品的工具人。

? ? ? “數據人創作者聯盟”成員。

? ? ? 接：業務數倉建模，平臺工具+數倉構建數據產品

? ? ? 01?引言

? ? ? 滴滴橙心優選主要做社區電商，筆主主要負責電商中商城用戶行為數據建設。用戶行為數據具有巨大的商業潛力，他可以最大程度的還原用戶在商城的購物場景，產品可以根據用戶行為對產品體驗進行優化，運營可以根據用戶行為做精細化運營方案。電商環境中用戶行為非常多，且分析視角多元，如何在電商復雜的業務場景中讓業務利用好用戶行為數據，是數據產品需要解決的問題。

? ? ? 02?大數據生態組建

? ? ? 以下是筆主利用滴滴的平臺工具（大數據生態組建）及數據倉庫能力構建的數據產品，分享出來，與大家探討一下

? ? ? 關于滴滴的平臺工具（大數據生態組建）：

? ? ? omega：一站式埋點數據解讀

• 數據夢工廠：一站式全流程數據開發體驗
• 數據地圖：一站式元數據中心，數據資產圖譜
• 指標字典：消除指標二義，定義最準確的指標
• 數易：敏捷、自助式數據分析和可視化平臺
• 異動分析：自動化數據分析定位工具

? ? ?關于滴滴的平臺工具（大數據生態組建）在用戶行為數據中的應用場景：

? ? ? 用戶行為數據也可以說是埋點數據，由一系列的用戶事件構成，例如用戶注冊、用戶登陸、用戶瀏覽商品、用戶加購等。區別于其他訂單類的業務數據，埋點數據沒有固定的業務流，是片段的，需要根據業務場景對數據進行組裝，進行結構化。

? ? ? 舉例：如圖所示，需要看首頁banner有多少人看到了，有多少人點擊了

? ? ? 業務流程：拆解需求->設計埋點->埋點上線->etl數據->展示數據

? ? ? 1、拆解需求

? ? ? 核心：拆解展示數據依賴的業務要素，確保埋點時必須有這些業務要素

? ? ? 有多少人看，有點少人點，其次是哪個位置。這里面有幾個屬性，人、看了什么、點擊了什么、在什么位置，設計埋點的時候需要有用戶信息，位置信息，曝光信息，點擊信息

? ? ? 2、設計埋點（滴滴omega平臺）

? ? ? 優先結構化埋點，分為四部分，業務線、業務線頁面、頁面模塊（區域）、區域中的元素

? ? ? 確認事件類型，分為曝光事件、點擊事件

? ? ? 確認事件屬性，分為公共屬性（大家通用）、私有屬性（單獨業務線具有）

• 對應1:模塊是橙心優選APP（a）->首頁(b)->banner區域(c)->banner圖(d)
• 對應2:事件類型有兩個，一個是曝光（sw），一個是點擊(ck)
• 對應3:事件屬性暫且定義公有屬性，私有屬性按照大家的分析場景可以自己補充，因為和人相關，所以必須攜帶userid,為了方便做用戶畫像，可以把用戶攜帶的設備信息也帶上，譬如imei,設備類型。私有屬性也舉個例子，這個部分d點位有可能是圖，有可能放商品，分析的時候想區分都放了哪些圖，所以需要一個參數去區分不同的圖，定一個私有屬性為資源id

? ? ? ?3、埋點上線

? ? ? 設計需求的過程中對應的四點，一定要確定前端都傳輸了，并且告訴測試著四點是必須要側的，保證以上數據就可以滿足最基礎的數據質量

? ? ? 注意：有些參數涉及到前后端的交互，溝通時需要注意，其他還OK

? ? ? 4、etl數據（數夢）

? ? ? 埋點數據在業務系統中，需要回收到數倉，數倉去開發腳本任務，也叫etl的過程

? ? ? 設計表結構

? ? ? ?新建周期任務，準備腳本

? ? ? 腳本發布

? ? ? 執行任務、重跑數據

? ? ? 注意關于數據層級與數據倉庫：

? ? ? 數據要有層級、要有結構，并且滿足多方人的看數據訴求，要保證所有人對于數據的理解一致。數據建模的過程也是etl的一部分（后面講這部分，這個內容是業務數據產品的核心）

? ? ? 5、數據展示（數易）

? ? ? 新建數據集

? ? ? 配置加速

? ? ? 創建報表

? ? ? 可視化展示，用數據集去拖看板就OK

? ? ? 數據中臺構建的是數據產品矩陣與一套解決方案，利用滴滴豐富的大數據生態組建，可以迅速提升數據應用的迭代能力

? ? ? 數據中臺需要以數據價值、需求場景為導向，以業務板塊和分析維度為架構，去構建數據中心。

? ? ? 基于數據價值，需求場景為導向，對數據中臺數據提出了更高的要求，包括增強數據的協同能力，建立豐富且厚實的數據資產，打造最具價值的場景應用，實現普惠的數據消費能力，實現數據可視化、可分析、可決策、可行動。每個公司的數據能力層次不齊，通過數據中臺的能力，可以讓公司不同域的數據達到同等程度。

? ? ? 03?業務指標統一

? ? ? 數據產品不是簡單的指標羅列，不是按需的看板迭代，是一系列業務指標和分析方法組成的有機體。好的數據產品可以加速數據的使用效率，提升數據的可讀性，數據產品是業務數據化的體現。業務指標的主旨是明確數據口徑，明確數據差異，明確數據使用場景。

? ? ? 前兩篇筆主分享了大數據生態組建和數倉建模，這篇主要分享基于數倉建模后對指標的管理，確保所有人對同一指標的理解一致.

? ? ? 指標背景

? ? ? 指標是業務和數據的結合，是量化業務效果的依據

? ? ? 指標是數據共享的橋梁，是促進業務合作的潤滑劑，是共同達成目標的依據

? ? ? 指標問題：

? ? ? 指標問題，反映在數據上，即為數據不一致問題。

? ? ? ?口徑有交叉，數據不一致：同一場景數據源不一致、不同的場景加工口徑不一致，都導致數據不一致。數據邏輯不明確，數據不一致：高密度的開發，導致邏輯分叉多，產品抽象度差，牽一發而動全身，整個產品都是黑合。

? ? ? 指標生命周期變，數據不一致：業務有生命周期，指標也有生命周期，業務是一直變化，指標卻沒有跟著變化

? ? ? 結果：同一個指標被業務來回問，溝通成本極高數據不一致會造成業務溝通障礙，影響大家對業務的認知，很難對齊目標

? ? ? 指標目標

? ? ? 規范統一指標，解決數據不一致問題，提升數據對外服務質量和效率，使各部門合理高效利用數據

? ? ? 落地步驟

? ? ? 指標在各個環節都會出現不一致的現象，我們需要明確指標的應用場景及加工邏輯

? ? ? 04 數據應用案例（這部分業務背景大家可以在前面文章里面找找）

? ? ? 1、全面梳理指標

? ? ? 2、基于業務場景明確指標

? ? ? 3、基于數倉明確指標定義

? ? ? 4、新建指標明確定義

? ? ? 想了解更多數據知識也歡迎看，7?位大廠產品聯合寫的《大數據實踐之路：數據中臺+數據分析+產品應用》這本書。