数据可视化如何选择数据指标.docVIP

数据可视化如何选择数据指标 / 一、故事引出的问题 橙歪瓜是电商公司负责某条业务线的产品负责人，每天都会通过数据可视化屏幕观察业务线的数据变化，近期发现订单量有较高的上升趋势，好像有些异常，询问后运营后，得知这些天有运营活动。想来是运营活动导致的订单量和GMV激增，橙歪瓜也没有太在意，没想到几天后，出事了！ 公司新来的一个运营同事在新的活动中进行100元无门槛优惠券的配置，由于错误配置，所有用户可以无限制领取，且优惠券全场通用。黑灰产及羊毛党利用该“漏洞”领取大量优惠券，完成了千万的套利，导致公司在2天之内损失惨重。 可怜的橙歪瓜，谁能想到看似一个运营活动导致的订单量增加，却是一个重大的问题呢？ 1. 订单量的激增为什么无法被感知是一个问题 橙歪瓜每天都通过可视化屏幕，进行日常的业务监测。 通过GMV（交易总额）、日订单量，我们可以明显地感觉到业务处于一个飞速的增长。 这是一个好的信号，通常来说，运营活动导致订单量激增，很多时候依然处于大家印象的“正常”范畴。 一方面因为新的运营活动必然做出了一些有利的促销活动，好像也能为订单量的激增做出解释；另一方面单从可视化屏幕进行观察，订单量、GMV的突兀增长变化也不能直接反映出优惠券被无限领取和大量使用的问题，所以每天通过可视化屏幕观察数据的小小橙也没能察觉到这是个问题。 事实上，数据可视化没能为用户做好预警，是因为订单量和GMV这2个数据指标无法明确传达业务异常的含义，如果在可视化屏幕中，新增一项图表，用来展示优惠券业务的数据情况：假设某电商平台使用优惠券的订单在全部订单中的正常占比是2%~10%，优惠金额在总订单金额的正常占比是在2%-6%，这是一个正常的区间。 当单日订单中，使用优惠券的订单超过10%，且订单优惠金额占比超过6%，这就已经很明确地反映出优惠券的业务出现异常了，橙歪瓜也能很清晰地就能感知到这个问题。 然而这些“关键信息”的缺失，导致用户未能及时发现风险；如果我们希望数据可视化能够更好地为用户提供分析决策的依据，第一步则是找到这些“关键信息”。 2. 什么样的信息是关键的 传递的信息真正是用户最初想要的，能够依据此信息分析出他想要的结论，那么这个信息就是关键的。所以可以看出，信息是否关键，取决于与用户目的的契合程度。 因此，要想确定关键信息，找到关键的数据指标，第一步，是确认用户的目的。 二、确认用户目的——择取关键指标 1. 结合应用场景感知用户目的 回到数据可视化的应用场景，数据可视化常被应用在2种场景。 数据可视化屏幕常见于展厅或公司前台，当投资人或合作客户来访时，首要看到的就是公司当前阶段全局的业务发展数据，各条业务线的关键数据指标展示可以让他们对公司当前的发展情况一目了然，体现企业实力的同时也为接下来的交流隐性的增加双方的合作机会。 数据可视化屏幕常见于实时监控中心/内部数据平台，不同于展厅那种向外界呈现全局数据的应用场景，监控中心/数据平台的面向对象通常是各个业务线的负责人，他们更关注自己业务线的细节信息。 如今一些互联网公司，产研团队和运营团队是分离的，产研不在公司产品运营城市的当地，因为不在一线，业务负责人/产品人员很多时候难以了解到线上运营的一些实际情况，往往只能通过用户主动反馈，有时候才能发现业务当中存在的一些问题。 然而被动地等待用户去主动的反馈是有极大的风险的，问题发现得越晚，给业务层面带来的损失可能就越大。 而数据进行可视化表达后，管理人员可以直接通过相关数据观测，实时了解到业务的发展情况或异常问题，进而及时做出策略调整来抓住业务增量的机会或降低异常造成的损失。 假设某网约车平台中隐藏着这么一个问题：高峰期大量叫车的订单在3分钟内会被乘客主动取消，造成司机空驶一段距离后被突然取消，浪费司机运力。司机自己即使知道被取消订单的缘由，但不主动向平台反馈，业务负责人/产品经理也是很难发现这个问题的。 但借助数据可视化，业务负责人无需外界反馈，观测订单转化漏斗图（下单——订单被取消转化率）、乘客取消原因占比，即可发现到大量叫到车的订单被乘客主动取消的这个问题。 而越早发现问题，业务负责人也就可以更早地定位问题点，实际经过分析后发现很多乘客取消订单，是因为派单的司机距离自己较远（接驾距离超过5公里），此时业务负责人则可以及时地调整派单策略中的派单距离上限，来缓解这个问题。 结合可视化的应用场景了解用户对目的后，之后我们选择关键的数据指标，就有了选择的依据。 2. 基于业务目标思考可用数据 选择关键的数据指标的前提是，我们清晰地了解当前有哪些数据可供我们选择，所以此前我们需要整理出现有可用的相关数据指标。 业务目标是我们自始而终的驱动力，基于业务目标出发，我们将业务策略、业务度量贯穿，自上而下地思考现有可用的数据指标。 业务策略：我们为了达成业务目标采用了