热门标签 | HotTags
当前位置:  开发笔记 > 开放平台 > 正文

如何实现数据监控_如何搭建数据监控体系?

对于做数据的同学来说,如何搭建出有效的数据监控体系呢?如何找准监控关键,明确我们要控制谁、什么时候控制、控制力度以及控制效果呢࿱

对于做数据的同学来说,如何搭建出有效的数据监控体系呢?如何找准监控关键,明确我们要控制谁、什么时候控制、控制力度以及控制效果呢?面对这一系列的问题,笔者将一一作出解答。

1bbde4c6544da7ff8eccd869bdda8d25.png

做数据的同学们都经常听到一句话:“建立销售/运营/商品数据监控体系”。这玩意拆开看每个字都认识,合起来听得一脸蒙懵圈,时常发问:

  • 啥是数据监控体系?
  • 这玩意和数据指标体系有啥区别?
  • 我做的这些个报表,到底算不算体系?
  • 为啥没感觉谁被我“监控”了???!

种种疑问,今天系统解答一下。

之所以同学们有疑惑,是因为:

一来大部分企业没有真正重视数据,同学们辛辛苦苦做的报表都没几个人看。

二来是大量同学只会在已经发生+巨大问题的时候做出响应,缺少事前判断能力。导致即使基于数据提了意见,业务也回一句:“我早知道了”(如下图):

5c6c5540f25bdcb61a9bab23b2d1498c.png一、什么是数据监控体系

监控,顾名思义,是监督和控制。

理论上监督和控制也可以不用数据,比如传统的车间主任、生产队长、监考老师,都是一线现场监督与控制。

但远在万里之外的企业集团总部,是没法派出千里眼顺风耳现场监督的。因此就有了数据监控:通过数据指标来进行监督和控制。

当业务变得复杂,单一数据无法满足监控需求,因此就有了数据监控体系。

但是它不等于数据指标体系。单纯的数据指标体系可没有监督与控制的作用。

做数据的同学最清楚,每天发出去的报表,十个人能有一个人看就不错了。一线的连数据都爱答不理,谈何监督与控制。

所以单纯的数据指标体系只是一个工具,如何把工具与管理流程结合起来,才是数据监控体系的最难环节。

二、如何搭建数据监控体系

如数据监控体系的名字,监督+控制,因此搭建数据监控体系包含两大关键工作:

  1. 建立数据指标体系,对业务情况进行监督
  2. 将数据应用到管理流程,实现控制

之前已经分享过如何建立数据指标体系,大家可以参见《数据分析体系是什么?该怎么搭建?》,今天重点说说控制该怎么个控制法。

很多做数据的同学是技术出身,一提起“控制”最直观的能想到的就是骂自己起床,催自己结婚生娃的老妈子。然后感慨:我又没做过“销售/运营/产品/风控,我要怎么控制呀……”

实际上企业里的管理完全不需要这么琐碎纠结。就像我们不需要会造汽车,也能控制汽车(开汽车)一样,关键要解决以下四个问题:

第一,明确要控制谁

动作的指向要明确。很多同学会说:“GMV降了,要搞高”这话就跟没说一样。GMV看似跟每个部门有关系,是全公司的事。可人人负责,就等于人人无责。太宏观的目标指向不明,自然没法起到控制作用。可以喊的具体点,比如:

  • GMV降了→ 高端用户消费少了→ 用户运营想想办法
  • GMV降了→ 某类商品降幅大了→ 商品运营想想办法
  • GMV降了→ 外部流量太少了 → 渠道投放想想办法

总之把整体目标,具体到某个部门,某个小组,最好是直接挂上丫的KPI/OKR指标,这样指向明确,才能有效。

为达到这个目标,在建数据指标体系的时候,做分类维度的就不能随意做,而是要把和部门分工有关的分类维度(比如分公司、商品、用户层级等等)突出出来,方便落实责任人。

第二,啥时候控制

如果真的等到GMV跌到不行了才来喊:要搞高,就太迟了。实际上影响业务走势的很多因素可以提前预见,比如:

  • 正向因素:大促销、新品上市、传统旺季
  • 负向因素:系统BUG、缺货、传统淡季
  • 不定像因素:系统改版、换季

因此,控制是有时间状态走向判断的。标准的用语是这四句:

  • 过去+负向 → 关注XX问题
  • 过去+正向 → 发现XX经验
  • 未来+负向 → 警惕XX风险
  • 未来+正向 → 提示XX机会

因此在搭建数据监控体系的时候,得总结过往经验,了解未来内部计划,甚至收集一些竞争情况,这样把态势判断提前准备好,才能赶在事前多喊“警惕”“提示”而不是事后人人都看到了,才嚷嚷“要搞高”。

553d42d3e68c94c4334b735aa6cd8228.png

第三,多大力度控制

这时候可以喊“要搞高”了!

是滴,没错,被陈老师调侃了一路的“要搞高”本身并没有问题,是个标准的建议方式。

在给出控制意见的时候,先讲方向,再讲力度,最后才是细节。不同问题严重程度,对应的力度是不同的。

这里也有标准话术:

  • 要注意(出现异动)
  • 要行动(要搞高,要搞低)
  • 立即行动(!!!)

如果对问题评估做的到位,在立即行动之后,是有进一步的描述的。比如:“如流量质量不能在3天内得到改善,本月KPI将不达标”。做这种推测和预测有关,因此让很多同学很纠结,预测的到底对不对。其实完全没必要。

在管理上,行动力比精准的预测更重要

预知到了问题,如果业务部门行动给力,问题早早就处理完了,哪里还用什么精准预测。

如果业务部门不行动,一直在纠结:“我看不会出问题吧”“它如果自然反弹了呢?”,最后就会坐失良机,铁定扑街呀,还需要预测。

所以往往做推测用的是最简单的逻辑,比如一个月3000万业绩,每天就得100万。1000万流量转化20万购买,所以5万购买就得250万流量,类似。做控制是为了推动业务部门行动,不是给推诿找理由,切记切记。

第四,控制完啥效果

做控制最重要的就是效果。效果是有层次的:

  • 初级:控制被业务接收
  • 中级:业务按控制行动
  • 高级:行动对指标有显著作用

搭建数据监控体系,最不能少的环节就是结果回顾。而且要先看是哪个层级的效果,再看具体效果大小。很多时候根本还没到最后指标变化,而是业务方压根就没听建议,最后捅出篓子来才慌慌张张跑来问“为什么”。

这一环看似简单,实际很难做到:

一来很多业务部门态度趾高气扬,懒得沟通。

二来很多做数据的同学薄皮大馅,脸皮太薄不敢沟通,闷头搞各种算法模型,只有自己知道。这样就很难实现监控体系的流畅运转了。

最后要强调的是:数据监控体系是用来发现问题的,不是用来解决问题的。

监控监控,监督和控制,他本来就不是教学和讨论。你见过哪家奴隶监工拿着教科书到田里监督干活的,都是手里鞭子一挥“啪!”一声。

有些同学把监控搞得复杂无比,硬塞一堆指标希望直接读出问题分析,这样做会极大拖慢监控运转效率。在方向不清晰的时候,看的数据越多,脑子越乱。

三、为什么你做的不是数据监控体系

常见的问题,比如:

  1. 数据指标体系缺判断标准。只知道喊“涨了”“跌了”,不知道报“好了”“坏了”
  2. 数据指标就真的是个指标。和管理流程脱节,没有清晰责任,没有对应跟进人
  3. 缺少数据以外的业务梳理。不知道干了啥,不知道在干啥,不知道要干啥
  4. 缺少确认问题的跟进反馈。不知道人家听了没有,不知道人家干了没有,不知道人家干成了没有,光盯着数字发呆。
  5. 贪大求多,塞了一大堆指标,花花绿绿显得高大上。结果跑数累似,看数晕死。

本质上数据监控体系就是温度计。体温固然重要,但体温反映出的发烧症状才是更重要的

想读懂症状,自然得多学医,得在发现人发热咳嗽以后赶紧送院,得了解发烧病人接触了谁,去过那里,得做进一步的化验而不是揪着体温计不放。

这些才是让数据监控真正落到实地的地方。大家最近都被体温计测来测去,其中滋味,你品,你细品。

有兴趣的话,下次我们专门分享如何用体温计哦,看看如此简单的工具,其中蕴藏的深刻奥秘。希望大家喜欢。

#专栏作家#

接地气的陈老师,微信公众号:接地气学堂,人人都是产品经理专栏作家。资深咨询顾问,在互联网,金融,快消,零售,耐用,美容等15个行业有丰富数据相关经验。

本文原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议



推荐阅读
  • 一、Hadoop来历Hadoop的思想来源于Google在做搜索引擎的时候出现一个很大的问题就是这么多网页我如何才能以最快的速度来搜索到,由于这个问题Google发明 ... [详细]
  • Linux服务器密码过期策略、登录次数限制、私钥登录等配置方法
    本文介绍了在Linux服务器上进行密码过期策略、登录次数限制、私钥登录等配置的方法。通过修改配置文件中的参数,可以设置密码的有效期、最小间隔时间、最小长度,并在密码过期前进行提示。同时还介绍了如何进行公钥登录和修改默认账户用户名的操作。详细步骤和注意事项可参考本文内容。 ... [详细]
  • 学习SLAM的女生,很酷
    本文介绍了学习SLAM的女生的故事,她们选择SLAM作为研究方向,面临各种学习挑战,但坚持不懈,最终获得成功。文章鼓励未来想走科研道路的女生勇敢追求自己的梦想,同时提到了一位正在英国攻读硕士学位的女生与SLAM结缘的经历。 ... [详细]
  • 云原生边缘计算之KubeEdge简介及功能特点
    本文介绍了云原生边缘计算中的KubeEdge系统,该系统是一个开源系统,用于将容器化应用程序编排功能扩展到Edge的主机。它基于Kubernetes构建,并为网络应用程序提供基础架构支持。同时,KubeEdge具有离线模式、基于Kubernetes的节点、群集、应用程序和设备管理、资源优化等特点。此外,KubeEdge还支持跨平台工作,在私有、公共和混合云中都可以运行。同时,KubeEdge还提供数据管理和数据分析管道引擎的支持。最后,本文还介绍了KubeEdge系统生成证书的方法。 ... [详细]
  • 近年来,大数据成为互联网世界的新宠儿,被列入阿里巴巴、谷歌等公司的战略规划中,也在政府报告中频繁提及。据《大数据人才报告》显示,目前全国大数据人才仅46万,未来3-5年将出现高达150万的人才缺口。根据领英报告,数据剖析人才供应指数最低,且跳槽速度最快。中国商业结合会数据剖析专业委员会统计显示,未来中国基础性数据剖析人才缺口将高达1400万。目前BAT企业中,60%以上的招聘职位都是针对大数据人才的。 ... [详细]
  • Android中高级面试必知必会,积累总结
    本文介绍了Android中高级面试的必知必会内容,并总结了相关经验。文章指出,如今的Android市场对开发人员的要求更高,需要更专业的人才。同时,文章还给出了针对Android岗位的职责和要求,并提供了简历突出的建议。 ... [详细]
  • “你永远都不知道明天和‘公司的意外’哪个先来。”疫情期间,这是我们最战战兢兢的心情。但是显然,有些人体会不了。这份行业数据,让笔者“柠檬” ... [详细]
  • Go语言实现堆排序的详细教程
    本文主要介绍了Go语言实现堆排序的详细教程,包括大根堆的定义和完全二叉树的概念。通过图解和算法描述,详细介绍了堆排序的实现过程。堆排序是一种效率很高的排序算法,时间复杂度为O(nlgn)。阅读本文大约需要15分钟。 ... [详细]
  • 企业数据应用挑战及元数据管理的重要性
    本文主要介绍了企业在日常经营管理过程中面临的数据应用挑战,包括数据找不到、数据读不懂、数据不可信等问题。针对这些挑战,通过元数据管理可以实现数据的可见、可懂、可用,帮助业务快速获取所需数据。文章提出了“灵魂”三问——元数据是什么、有什么用、又该怎么管,强调了元数据管理在企业数据治理中的基础和前提作用。 ... [详细]
  • 本文介绍了前端人员必须知道的三个问题,即前端都做哪些事、前端都需要哪些技术,以及前端的发展阶段。初级阶段包括HTML、CSS、JavaScript和jQuery的基础知识。进阶阶段涵盖了面向对象编程、响应式设计、Ajax、HTML5等新兴技术。高级阶段包括架构基础、模块化开发、预编译和前沿规范等内容。此外,还介绍了一些后端服务,如Node.js。 ... [详细]
  • 2018年人工智能大数据的爆发,学Java还是Python?
    本文介绍了2018年人工智能大数据的爆发以及学习Java和Python的相关知识。在人工智能和大数据时代,Java和Python这两门编程语言都很优秀且火爆。选择学习哪门语言要根据个人兴趣爱好来决定。Python是一门拥有简洁语法的高级编程语言,容易上手。其特色之一是强制使用空白符作为语句缩进,使得新手可以快速上手。目前,Python在人工智能领域有着广泛的应用。如果对Java、Python或大数据感兴趣,欢迎加入qq群458345782。 ... [详细]
  • 本文讨论了同事工资打听的话题,包括同工不同酬现象、打探工资的途径、为什么打听别人的工资、职业的本质、商业价值与工资的关系,以及如何面对同事工资比自己高的情况和凸显自己的商业价值。故事中的阿巧发现同事的工资比自己高后感到不满,通过与老公、闺蜜交流和搜索相关关键词来寻求解决办法。 ... [详细]
  • windows便签快捷键_用了windows十几年,没想到竟然这么好用!隐藏的功能你知道吗?
    本文介绍了使用windows操作系统时的一些隐藏功能,包括便签快捷键、截图功能等。同时探讨了windows和macOS操作系统之间的优劣比较,以及人们对于这两个系统的不同看法。 ... [详细]
  • 本文介绍了在Win10上安装WinPythonHadoop的详细步骤,包括安装Python环境、安装JDK8、安装pyspark、安装Hadoop和Spark、设置环境变量、下载winutils.exe等。同时提醒注意Hadoop版本与pyspark版本的一致性,并建议重启电脑以确保安装成功。 ... [详细]
  • 【Windows】实现微信双开或多开的方法及步骤详解
    本文介绍了在Windows系统下实现微信双开或多开的方法,通过安装微信电脑版、复制微信程序启动路径、修改文本文件为bat文件等步骤,实现同时登录两个或多个微信的效果。相比于使用虚拟机的方法,本方法更简单易行,适用于任何电脑,并且不会消耗过多系统资源。详细步骤和原理解释请参考本文内容。 ... [详细]
author-avatar
YI恐龙_554
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有