写点什么

干货分享 - 作为 Lead 接手一个新的数据团队一 问题盘点 与 Insights 的发现

  • 2022 年 7 月 22 日
  • 本文字数:2679 字

    阅读完需:约 9 分钟

干货分享-作为Lead 接手一个新的数据团队一 问题盘点 与Insights的发现

这个纪要是我从自己的工作日志中逐步的整理出来的,记录了在 2015 年时接手一个数据团队时的工作内容。


当时受命接手一个新的数据团队需要在前一个 Q 要做哪些工作,这个 Q 中拆分开该如何去做?


我会把当时工作日志中的内容整理出来并通过公众号发出来。这一篇包含三部分内容, 一个工作任务的盘点、盘点问题后的一些 insights 的发现,接下来行动 action;


Stage One 问题汇总:


  1. 业务口径变化非常频繁,每个季度会调整与变化,需要重新写一遍 metric 逻辑,相关的数据统计,报表都需要重新部署,每次重新部署的工作量越来越大(需要拆解的维度越来越细)。周期性周报日报,异常波动分析,主要跟 apps OKR(分发量)有关;这部分基本每周都有涉及。Muce Report ①固化,对于日常需求频繁,且 metric 逻辑变动较小的数据,固化到 muce ①(如应用升级、分类页分发量及 CTR)。

  2. 临时性 assign 的 task,属于专题分析,通常跟核心 metric 波动有关,从常规的监测日报周报也不能直接发现原因,常需投入 2-3 天甚至更长(比如春节后 DLU 的下跌、apps 人均消费的渗透)。

  3. 目前数据预警的周期相对较短,日、周,日常工作中对于 metres 的异常分析会占用大部分的工作时间,专项分析的时间会相对较少,有高价值的业务产出不多。

  4. 紧跟版本(每两周一版)和 feature,埋点、log 测试、feature 效果评估、提出产品和运营建议(比如前两 Q 投入时间最多的是应用升级、详情页相关推荐、分类改版)。新 feature 通常没有 log(区别于 SP 策略评估直接切流量看 policy ID 即可),以上流程得从头到尾跟进。

  5. 目前除了对接产品,也常对接运营,比如 apps 用户的生命周期(对接 push 运营),临时需求杂多。

  6. 宏观数据预测分析和研究,重要但不紧急。

  7. 基础数据底层的维护,工作量不大,一周 1~2 次集中参与解决。

  8. 在 Muce2 ①实施了很多算法,ETL 过程,需要往 muce3 迁移。工作量大,没时间来搞这块

  9. startpage 的数据周期性的异动分析(主要是周报和数据波动较大的时间).想办法通过数据的方法如定投来驱动数据增长. 新特性发布后效果分析与运营建议

  10. 各种临时需求覆盖了绝大部分工作时间,投入到深入的专题分析的时间受到限制。

  11. 由于目前接手的 2 个项目,不定时的临时需求会 double,这些需求紧急性不好评估,会打乱原有的工作计划;

  12. Buffet 平台维护,用户反馈收集和使用问题的解决。但没有人力可以支援项目的优化,心有余而力不足。

  13. 业务分析,无固定对接对象,一般会视业务紧急程度做分析立项和报告的输出。这一部分人力投入相对可控。

  14. 数据组织和梳理。一般服务对象为 ripple,用研,mkt 等。主要是他们对解决底层数据不了解,不懂如何获取数据。一般是针对他们的具体问题进行辅助和指导。这部分工作内容的特定是:需求零散,数量较多,但单个需求并不十分耗时的。

  15. muce3 ①替换 muce2 ①貌似会对已经建立的中间表或结果表以及 muce ①报表有较大影响,很可能之前建立的都不可用了.

  16. 和业务方合作数据驱动产品或运营的案例较少,更多是数据评估产品改动或特性, 起到的价值不大.

  17. 目前支持较少,主要是 push 测试定投用户包提取和效果评估.

  18. 业务变化快,必然导致看数据就着急;有时业务的决策等不及数据结果;在小流量测试中分析的数据有问题,要求快速改进;在产品改进时都是与分析师一起来讨论想看的指标,统计口径与 定义埋点,工程实施后看一下;业务上看数据还是散落在四处,没法统一起去看

  19. CLM 应该是一个长期项目,短期来看不见能有很大产出,做的越久产出越大,不同数据经验人来做产出也不同;现有的业务口径上处在不统一的问题,weekly 经常碰到口径不一致;没有一个全流量图,可查询部分;目前在各个 PM 那边想要获取到的数据可能都存在,只是没有组织在一起;日报的数据来源有时根本找不到

  20. 数据同学 近 2 个月工作内容,结论如下:

  21. 临时需求过多,容易产生二次需求,三次需求;占用大量时间,减少了数据分析、专题分析的时间;造成直接有价值的产出少;

  22. 数据分析师当前临时需求快到到团队极限,同时还面临很多底层建设、口径梳理等;

  23. 临时需求能否分流到产品、运营?提供什么样的工具合适?

  24. APP 主要新版涉及到的页面改动比较多,影响范围较大,对应的 Log 也需跟着调整,这部分是不是可以由负责日志管理的技术来统一下?


Stage Two Insights:


  1. 业务每个 Q 都有变化,涉及口径业务等变化迅速,每次重新部署的工作量越来越大,临时需求较多,没有太多时间投入到更有价值的数据分析,;每个分析师每月需求量有极限;在建设中面临大量的中低层建设开发;没有一点时间搞其他的;变成了人肉取数机

  2. 无从知晓数据分析师对业务的掌握度;通常跟核心 Mertics 波动有关,从日常监控日报、周报中无法直接发现原因,需要投入 2-3 天甚至更长时间做分析,已经变为专题分析;

  3. 版本升级和 featur,需要花费很多精力跟进埋点、log 测试、feature 评估,新的 feature 通常没有 log;需要从头到尾的跟进;没有统一的路径管理;

  4. 如果 muce2 切换 muce3 影响甚大,目前不知道 Muce3 的数据准确性,可用数据 Muce3 覆盖 muce2 百分比;在 muce2 实施日常报表预计在 150+(apps pa)分析师落地的加工逻辑约在 500+条,CLM 使用的加工宽表;往 Muce3 转成本较大;

  5. Buffet 平台新增需求与维护,因为没有数据开发、后台、前台的支持项目优化,心有余力不足;


6 . CLM 的应用前景,流失挽救策略;数据的产出直接作用到业务线;


  1. 业务线在使用数据效率不高,靠产品、运营人肉来扛;在现阶段公司状况下,如何做到小投入大产出,通过杠杆撬动业务;如何协助开拓新业务;


Stage Three To Do List:


  1. 面向培训:面向 Apps PA(未来公司)的产品、运营、工程 ,引导大家对数据认知;与业务经典结合案例(如何寻找大盘波动的秘密,如何探索 Mertics 的趋势),数据分析方法、工具的使用、数据源的获取、数据获取的流程;


--面向分析师自我学习:每个人每 Q 要做 2 场以上业务分享,业务数据探索与发现分享;


--提高分析师在专题分析上产出质量;想办法分流临时需求的同时增加专题分析时间,协助分析质量,分析角度的把握;


  1. 完善数据监控体系、数据分析体系工具,包含分析流程;


--新增日志打印等流程与分析规范化上;


--落地一些业务、数据分析方法加功能上整合的一些数据产品(sample 引入 olap,引入路径,漏斗分析方法论等),提高产品、运营、工程的生产效率;


  1. CLM 在运营上的方法论,探索到很好的落地点;

  2. -- 围绕 Apps PA 的核心指标从数据运营角度探索一些落地模式;


4.临时需求分流:

--培养新人,进入实习生感兴趣的可以培养数据分析能力,简单分流部分简单需求




备注


①(Muce 2、 MUCE 3(13 年~16 年) 公司日志数据分析平台,也承担数据仓库的角色)


② 图片是我家的猫


松子(李博源),BI& 数据产品领域老司机一枚,漂过几个大厂。 个人公众号: 松子聊数据

发布于: 59 分钟前阅读数: 6
用户头像

还未添加个人签名 2018.10.30 加入

公众号:松子聊数据

评论

发布
暂无评论
干货分享-作为Lead 接手一个新的数据团队一 问题盘点 与Insights的发现_经验分享_松子(李博源)_InfoQ写作社区