大数据时代，谁还不会点数据分析，数据驱动已成为各行业的标配，今天，想就自己在搭建数据产品后台分享些自己的心得。

首先，分析下搭建数据产品的目的：帮助公司从上到下了解业务数据情况，从概览、分析、监控三大场景出发，辅助决策，评估策略效果，发现增长或异常情况。那么，数据产品设计该从哪些方向入手呢？部分公司采用付费接入专业数据开发团队的产品，而有实力的互联网公司通常会成立数据团队，搭建自己公司的数据后台，当业务方较多时，则需要考虑后台的扩展性和通用能力；当小团队内部的数据看板则较简单，如优惠券后台提供简单的券发放和使用量，所以，数据产品应从实际业务场景需求出发。

整体将从后台框架及业务场景、基础控件及能力、图表类型及色彩主题三部分展开阐述，以下是今天要分享的第一部分是网站搭建的框架思路即业务场景：

一、后台框架及业务场景

1、数据看板

实时：支持查看实时数据，多用于看核心的数据指标，如双11屏幕上滚动的交易数和GMV，股票面板上交易数据，按小时或分钟刷新数据；

关键指标及趋势：产品或者运营每天都要看的业务关键指标数据，了解整体大盘情况，一般用邮件日报或者数据看板的展现形式，数字指标卡或折线图看趋势

排行榜：该功能可以帮助数据使用方快速发现业绩较好的业务方，多业务线之间对KPI达成的排名，城市之间的排行，热搜词等提供帮助使用者了解好决策的能力，核心是以时间维度变化后突出优势方。

2、目标监测

通常用进度环或进度条的形式，表示随时间波动目标的完成度

目标值：根据业务要求制定某段时间的KPI，比如3月累计订单量要达到100万

进度值：KPI完成值，反映与目标值的差异

预测值：一般还会有一个预测值，反映自然状态下的增长来能达到多少，根据历史数据推算，目标值在预测值基础上设定，下一周期再根据预测值和实际目标完成情况调优。

3、产品业务

产品和业务分析可根据不同角色区分业务线，各部门人员所关心的数据指标存在差异

页面打点：打点系统同步到数据后台，对于运营而言，便于分析流量的来源，策略的效果；对于产品而言，可以清晰的看到页面的转化路径，排查主要指标异常；页面打点产出数据，通过可视化的方式展现，部分公司提供内部使用的APP，与线上产品一致，可以清晰的看到每一块的点击率和流量数据，即页面点击分析。

页面漏斗：帮助我们分析用户在使用产品的核心流程是否顺畅，转化率和流失率是多少，每个环节的转化漏斗是否出现异常，是否可在产品主流程上增加一些提升产品转化率的手段，电商产品运营最多，如你会收到购物车里商品降价的提醒，如支付流程退出时会弹出是否真的要退出，有时还会在用户发生支付退出环节补发1张优惠券引导成功下单；下方图例可以看到在2月1日转化率发生大滑坡，这种情况产品同学就要去分析时哪个环节出了问题，拦截了用户的产品使用路径。

APP版本分析：新老版本的更新人数占比，可以看出使用产品用户的活跃结构，除了更新人数外，也可以反映更新速度，了解用户对产品新老版本的反馈。

渠道来源分析：来源分析帮助我们了解用户和订单的构成，市场投放也可以根据各渠道用户质量决策预算花在哪里更高效

事件分析：我们用事件来表示用户在产品上的行为，可以通过自定义增加事件来查看用户行为的偏好，如用户在京东上查看手机详情这一事件，可以通过事件的属性分析用户更在意手机的价格还是品牌或款式。

活动分析：根据业务场景，对于经常上活动的产品需要开发一套数据分析体系，帮助快速了解活动上线后的数据情况，如淘宝大大小小的节日都会有活动，除了活动页的埋点外，活动投放的站内站外链接构成了活动数据的来源，不同推广渠道对活动影响的大小参与度和转化率均需要考量；活动是临时性的产品，活动可固化为模板来提高效率。

运营日历：如果还能有运营日历就更好了，可以将产品运营重大动作计划更新在日历上，便于大家了解当月重点，运维也好做好流量服务监控。

4、用户管理

用户画像管理：用户分组管理，根据筛选条件，找到目标用户群，并分析目标用户群的属性，以及多个目标用户群之间的对比分析。

用户行为路径：用户路径分析一般采用桑吉图来表示，分析用户路径了解用户对产品主要模块的使用偏好，页面之间的跳转是否顺畅，能不能有更直接的方式省略不必要的步骤减少跳出率。

用户来源结构：来源于渠道一致，用户结构主要是指用户的生命周期结构，用于了解产品后续发展潜力。

5、热力图

从省份→城市→行政区→集中区域通过图形化展示流量的波动，滴滴大数据常会出人们出行的流量图，图上可以感知到这个城市的哪里出现的需求最旺盛，从省份看春运大迁徙的流动去向，一般这种热力图都是实时的，有数据构成无数点，点形成片，特点是以区域为展现形式。对于按区域划分运营的产品，热力地图是有必要的。

6、自定义查询

SQL查询：互联网公司的运营最好是会一点点SQL的技能，当然如果公司的数据资源充足的话也是可以的，提供可视化SQL查询模板，方便运营临时性定制化取数需求。

自定义可视化查询容器：

一直想要一个自定义的查询器，通过拖拽的形式即可完成数字到图形的绘制，将所有产品线的所有指标和维度归类，提供自定义图表样式，加一些图表配色器等，这样则可以实现多维度交叉的数据处理和图形展示。

7、增长和留存分析

增长归因：增长归因是希望能借助程序帮助运营快速发掘指标增长或者下跌的原因是什么，因为老板经常会问这个指标为什么跌了，而运营需要花很多时间去查看影响指标的各维度数据直到定位原因，如果此时系统可以后台跑程序排查一遍原因，然后推送一条消息告诉我是哪里出了问题，那该是多棒的体验，当然，实现起来可能会有些困难，但是技术哥哥们说也不是不可以实现的，毕竟没有技术实现不了的东西，只是时间的问题，运营表示十分崇拜。

留存归因：留存归因同理，从用户核心行为出发，通过数据挖掘找到影响留存的因素，运营可利用结果，铺设引导用户往最容易留存的路上走，把小鲜肉用户变成老司机用户。

备注：以上图片来自于神策数据，诸葛IO，Growing IO，Echarts和antv.design，以上数据产品功能非常齐全，感兴趣的同学可以自行研究，