从看企业构建大数据体系的六层级

　　小编按：很干货的一篇讲大数据在中国巨头公司如何落地的文章，从业务架构，平台架构，甚至算法层都做了剖析，原文据说是内训PPT，对于需要在项目中落地大数据的朋友有相当的借鉴意义。
　　本文将企业大数据体系的构建分为六个层级，但并非是线性过程，每个层级之间或有基础关系，但并不是说一定要逐层构建。例如创业型公司，在缺乏数据研发实力的时候，多数会借助第三方平台进行数据上报与分析。
　　下面一张图，是本文的精华概括，后面一一展开与大家探讨。
　　本文将企业大数据体系的构建分为六个层级，但并非是线性过程，每个层级之间或有基础关系，但并不是说一定要逐层构建。例如创业型公司，在缺乏数据研发实力的时候，多数会借助第三方平台进行数据上报与分析。
　　下面一张图，是本文的精华概括，后面一一展开与大家探讨。
　　一、数据基础平台
　　基础的数据平台建设工作，包含数据平台建设，数据规范，数据仓库、产品数据规范，产品ID，用户ID，统一SDK等。
　　很多公司的数据无法有效利用，就是缺乏统一规范，产品数据上报任由开发按照自己的理解和习惯上报，没有标准化的SDK和上报协议，并且数据散落在各个部门产品的服务器，无法构建结构化的数据仓库。
　　做数据平台的架构，很多人会理解为高大上的技术活，其实整个数据平台价值的体现，需要公司各个部门的配合，例如关键数据指标体系的建立，需要从各个部门业务指标进行提炼，并得到业务部门认可。常见的关键指标有：DAU、PCU、WAU、MAU、按天留存率（130日留存）、累计留存率（7日、14日、30日累计留存率），新增用户，有效新增用户，活跃转化率，付费转化率，收入指标，ARPU人均收入，渠道效果数据等。
　　下图是腾讯和阿里的数据平台架构。
　　阿里大数据业务架构：
　　阿里云梯分布式计算平台整体架构：
　　二、数据报表与可视化
　　在第一层级中，进行数据指标体系规范，统一定义，统一维度区分，就可以很方便的进行标准化可配置数据报表设计，直观的可视化输出设计，包括行为、收入、性能、质量等多种数据类别。
　　在PPT中以友盟、迅雷、百度、腾讯等公司的数据报表体系进行详细讲解。
　　腾讯数据门户
　　阿里数据地图
　　三、产品与运营分析
　　在建立数据平台和可视化基础上，对已有的用户行为、收入数据等进行各种分析，输出日报、周报、月报、各种专题分析报告。常见的数据分析工作如下：
　　1。ABTEST进行产品分析优化；
　　2。运用漏斗模型进行用户触达分析，如TIPS、广告等曝光到活跃的转化；
　　3。收入效果监控与分析，包含付费转化率、渠道效果数据等；
　　4。业务长期健康度分析，例如从用户流动模型、产品生命周期分析产品成长性和健康度；
　　5。营销推广活动的实时反馈；
　　用户画像也是常见的数据分析方式，包括用户如性别、年龄、行为、收入、兴趣爱好、消费行为、上网行为、渠道偏好、行为喜好、生活轨迹与位置等，反映用户各种特征，以达到全面的了解用户，针对性的为用户提供个性化服务的目的，通常每半年做一次用户画像的专题分析。
　　下图是常见的数据分析思路：
　　常用分析工具：EXCLE，SPSS，SAS，EnterpriseMiner，Clementine，STATISTICA。个人用的比较多的是：EXCEL和SPSS。
　　下图是SPSS常用的数据分析与挖掘方法：
　　四、精细化运营平台
　　基于数据基础上搭建的精细化运营平台，主要的平台逻辑多数是进行用户细分，商品和服务细分，通过多种推荐算法的组合优化进行商品和服务的个性化推荐。另外还有针对不同产品生命周期，用户生命周期构建的产品数据运营体系。
　　五、数据产品
　　广义的数据产品非常多，例如搜索类，天气预报类等等。这里主要讲狭义的数据产品，以BAT三家公司的数据产品为例进行分享。
　　腾讯：广点通、信鸽
　　阿里：数据魔方、淘宝情报、淘宝指数、在云端
　　百度：百度预测、百度统计、百度指数、百度司南、百度精算
　　截取几张PPT如下：
　　六、战略分析与决策
　　战略分析与决策层，更多的是跟很多传统的战略分析、经营分析层面的方法论相似，最大的差异是数据来自于大数据。
　　有很多企业错误的把业务运营监控层和用户客户体验优化层做的事情放在经营分析或者战略分析层来做。傅志华认为业务运营监控层和用户客户体验优化层更多的是通过机器、算法和数据产品来实现的，战略分析、经营分析更多的是人来实现。很多企业把机器能做的事情交给了人来做，这样导致发现问题的效率较低。
　　建议是，能用机器做的事情尽量用机器来做好业务运营监控层和用户客户体验优化层，在此基础上让人来做人类更擅长的经验分析和战略判断。
　　在变化极快的互联网领域，在业务的战略方向选择上，数据很难预测业务的大发展方向，如果有人说微信这个大方向是通过数据挖掘和分析研究出来，估计产品经理们会笑了。从本质上来说，数据在精细化营销和运营中能起到比较好的作用，但在产品策划、广告创意等创意性的事情上，起到的作用较小。但一旦产品创意出来，就可以通过灰度测试，数据验证效果了。