数据指标体系：构建方法与应用实践

目　　录
前　言
第一篇　数据指标体系基础知识
第1章　数据指标体系简介　2
1.1　数据指标概述　2
1.1.1　什么是数据指标　2
1.1.2　数据指标的分类　3
1.1.3　好的数据指标的4个评价标准　4
1.1.4　选择数据指标时需要注意的4个问题　6
1.2　数据指标体系概述　8
1.2.1　数据指标体系的3个要素　8
1.2.2　基于数据指标形成数据指标体系　9
1.2.3　为什么需要数据指标体系　10
1.3　数据指标体系的构建及落地流程概括　11
1.3.1　数据指标体系的构建流程　11
1.3.2　数据指标体系如何落地　12
1.4　构建数据指标体系的方法论汇总　13
1.4.1　北极星指标　13
1.4.2　OSM/GSM模型　14
1.4.3　AARRR模型　15
1.4.4　UJM模型　15
1.4.5　HEART模型　15
1.4.6　PULSE模型　16
1.4.7　MECE模型　16
第二篇　数据指标规划
第2章　数据指标梳理　18
2.1　梳理数据指标的不同视角　18
2.2　用户数据指标概述　19
2.2.1　用户规模指标　20
2.2.2　用户行为指标　20
2.3　业务数据指标概述　21
2.3.1　工具类产品数据指标　21
2.3.2　内容类产品数据指标　22
2.3.3　社交类产品数据指标　23
2.3.4　交易类产品数据指标　23
2.3.5　游戏类产品数据指标　24
第3章　用户规模数据指标　25
3.1　获取用户　25
3.1.1　获取用户的渠道　25
3.1.2　获客阶段的关键指标　26
3.1.3　买量用户成本相关指标　26
3.1.4　构建渠道成本用户字典时需要注意的问题　28
3.1.5　用户成本指标在数据分析中的作用　29
3.2　新增用户　30
3.2.1　如何定义用户　30
3.2.2　如何定义“增”　31
3.2.3　如何定义“新”　31
3.3　活跃用户　32
3.3.1　什么是活跃用户　32
3.3.2　评价活跃用户的指标　32
3.3.3　活跃用户的构成　33
3.3.4　警惕活跃用户存在的陷阱　34
3.3.5　活跃用户数量持续增长与业务的关系　36
3.4　留存用户　37
3.4.1　用户留存率的计算及问题本质　37
3.4.2　平均留存率与加权留存率　39
3.4.3　深入解读用户留存　42
3.4.4　反映用户留存的相关指标　43
第4章　用户行为数据指标　45
4.1　使用类指标　45
4.1.1　使用次数　45
4.1.2　使用时长　46
4.1.3　使用时间间隔　47
4.2　访问类指标　48
4.2.1　访问人数与访问次数　48
4.2.2　转化率　49
4.2.3　页面访问深度　49
4.3　付费类指标　50
4.3.1　付费行为指标概述　50
4.3.2　付费规模及质量相关指标　51
4.3.3　人均付费情况相关指标?　53
4.3.4　生命周期价值　53
4.4　传播类指标　54
第5章　业务数据指标　55
5.1　工具类产品及其数据指标　55
5.1.1　工具类产品的细分　55
5.1.2　工具类产品的价值　56
5.1.3　工具类产品的盈利模式　56
5.1.4　工具类产品需要关注的数据指标　57
5.2　内容类产品及其数据指标　58
5.2.1　内容类产品的特点　58
5.2.2　内容类产品需要关注的数据指标　59
5.3　社交类产品及其数据指标　62
5.3.1　社交的流程　62
5.3.2　社交类产品的三要素　63
5.3.3　社交类产品的分类　64
5.3.4　社交类产品需要关注的数据指标　64
5.4　交易类产品及其数据指标　65
5.4.1　交易类产品的类型　65
5.4.2　交易类产品的核心模块　66
5.4.3　交易类产品需要关注的数据指标　66
5.5　游戏类产品及其数据指标　69
5.5.1　游戏行业产业链　69
5.5.2　游戏运营的核心要素　70
5.5.3　游戏的分类　70
5.5.4　游戏类产品的核心数据指标　72
第6章　分析维度　75
6.1　数据指标与分析维度　75
6.1.1　什么是维度　75
6.1.2　数据指标与维度之间的关系　76
6.1.3　维度在数据分析中的作用　77
6.2　数据分析中常用的分析维度　77
6.2.1　分析维度汇总　78
6.2.2　各类数据分析维度详解　78
6.3　维度在数据分析中的应用　81
第三篇　数据指标体系框架设计
第7章　数据指标体系构建的方法论　84
7.1　数据指标体系的通用方法论　84
7.1.1　数据指标体系的通用方法论概述　84
7.1.2　引领数据指标体系构建的OSM模型　85
7.1.3　通用方法论中各步骤实现方法简要概括　85
7.2　明确业务目标，梳理北极星指标　86
7.2.1　如何找到业务的北极星指标　87
7.2.2　如何判断是否为优秀的北极星指标　88
7.2.3　选择北极星指标还需要关注产品的生命周期　91
7.2.4　梳理北极星指标的方法论　94
7.3　梳理业务流程，明确过程指标　95
7.3.1　两个模型指导业务流程梳理　95
7.3.2　梳理业务流程并明确过程指标的方法论　96
7.3.3　案例分析：拆解业务流程，明确过程指标  97
7.4　指标下钻分级，构建多层级数据指标体系  98
7.4.1　如何实现指标的下钻分级  98
7.4.2　案例分析：完成指标下钻分级  100
7.4.3　案例分析：数据分析培训机构的北极星指标课程收入拆解  101
7.5　添加分析维度，构建完整的数据指标体系  102
7.5.1　数据指标体系的维度概述  102
7.5.2　案例分析：电商北极星指标GMV的分析维度  103
第8章　数据指标体系方法论的案例实践  105
8.1　案例：以职场在线教育为例实践
数据指标体系构建  105
8.1.1　业务场景介绍  105
8.1.2　4个步骤实现数据指标体系构建  106
8.1.3　数据指标体系如何辅助业务目标实现  109
8.1.4　构建数据指标体系的过程总结  110
8.2　案例：以电子阅读工具为例实践数据指标体系构建  110
8.2.1　业务场景介绍  110
8.2.2　4个步骤实现数据指标体系构建  111
8.2.3　数据指标体系如何辅助业务目标实现  117
8.2.4　构建数据指标体系的过程总结  118
8.3　案例：以图文内容社区为例实践数据指标体系构建  118
8.3.1　业务场景介绍  119
8.3.2　4个步骤实现数据指标体系构建  119
8.3.3　构建数据指标体系的过程总结  125
8.4　案例：以网约车为例实践数据指标体系构建  125
8.4.1　业务场景介绍  125
8.4.2　4个步骤实现数据指标体系构建  126
8.4.3　数据指标体系如何辅助业务目标实现  130
8.4.4　构建数据指标体系的过程总结  131
8.5　案例：以社交电商为例实践数据指标体系构建  131
8.5.1　业务场景介绍  131
8.5.2　4个步骤实现数据指标体系构建  133
8.5.3　数据指标体系如何辅助业务目标实现  136
8.5.4　构建数据指标体系的过程总结  138
第四篇　数据采集和加工
第9章　数据采集  140
9.1　数据埋点概述  140
9.1.1　什么是数据埋点  140
9.1.2　数据埋点在数据指标体系构建中的作用  142
9.1.3　数据埋点能够采集哪些数据  142
9.1.4　数据埋点的分类  143
9.2　数据埋点的实现步骤  145
9.2.1　数据埋点流程介绍  145
9.2.2　实现数据埋点设计的6个步骤  146
9.3　案例：以用户注册转化为例实践数据埋点方案设计  147
9.3.1　实现用户注册转化埋点方案设计的6个步骤  148
9.3.2　用户注册转化埋点方案汇总  150
第10章　数据指标开发与数据仓库建模  153
10.1　数据指标体系规范  153
10.1.1　构建数据指标体系的理论支撑  153
10.1.2　各类数据指标的命名规范  155
10.1.3　用户规模、行为以及业务数据指标的中英文命名规范  158
10.2　数据仓库模型设计  160
10.2.1　数据仓库介绍  160
10.2.2　数据仓库模型层次?  161
10.2.3　数据仓库建模方法及实施流程概述  164
10.3　案例：以用户注册转化为例实践数据指标体系规范设计  165
10.3.1　数据调研，明确需求?  165
10.3.2　业务过程及统计指标梳理  167
10.3.3　数据仓库模型设计  171
10.3.4　数据仓库建模流程梳理?  178
第五篇　数据指标体系应用
第11章　BI工具实现数据指标体系构建  180
11.1　Superset概述  180
11.1.1　常见的BI工具介绍  180
11.1.2　Superset下载安装  181
11.1.3　Superset连接MySQL数据库  187
11.2　Superset的图表功能及基本操作  189
11.2.1　Superset图表功能分类  189
11.2.2　表格  190
11.2.3　KPI图  192
11.2.4　关系图  196
11.2.5　分布图  202
11.2.6　时间序列图  211
11.2.7　地理空间图  216
11.3　案例：使用Superset构建数据指标监控看板  216
11.3.1　用户获客漏斗分析  216
11.3.2　用户活跃及留存分析  220
11.3.3　用户付费分析  222
11.3.4　数据指标监控看板搭建  230
11.4　案例：使用Excel代替BI工具搭建数据监控看板  232
11.4.1　使用Excel制作动态看板的6个关键步骤  232
11.4.2　Excel动态看板在实际工作中的运用?  235
第12章　数据指标体系如何指导数据异动分析  237
12.1　数据异动分析流程概述  237
12.2　数据波动多少才是异动  239
12.2.1　透过业务含义理解异常指标?  239
12.2.2　数据异动的统计学理论支撑?  239
12.2.3　快速确定数据是正常波动还是异常波动的方法?  241
12.2.4　建立数据告警，及时监测数据异动  243
12.3　数据异动的类型及引起因素  243
12.3.1　数据异动的类型  243
12.3.2　数据传输问题引起的数据异动  244
12.3.3　业务内部因素引起的数据异动  244
12.3.4　外部因素引起的数据异动  246
12.3.5　其他未知因素引起的数据异动  246
12.3.6　不同类型数据异动排查维度汇总  247
12.4　维度拆解快速定位异动原因  248
12.4.1　维度拆解概述  248
12.4.2　维度拆解，分析共性?  248
12.4.3　案例研究，分析个性?  250
12.4.4　维度上升，验证共性?  251
12.4.5　输出业务化的数据结论  251
12.5　多个维度均有变化如何快速找出异常的维度  252
12.5.1　多个维度均有变化怎么办  252
12.5.2　相对熵方法介绍  252
12.5.3　案例分析  253
12.6　指标拆解量化异动对于大盘的贡献度  254
12.6.1　加法指标  254
12.6.2　除法指标  256
12.6.3　乘法指标  260
12.6.4　新增维度如何拆解贡献度  264
12.7　案例：留存率下降5%应如何分析  265
12.7.1　案例简介  265
12.7.2　案例分析  265