發(fā)貨地點(diǎn)：廣東省廣州市
發(fā)布時(shí)間：2020-07-05
鐺鐺車（diangdiang）是老北京對(duì)有軌電車的稱呼。因?yàn)樗能囶^掛了一只銅鈴鐺，司機(jī)只要一踩腳下的踏板，鈴鐺便會(huì)發(fā)出鐺鐺的聲響，提醒行人閃避車輛。1958年，前門有軌電車停運(yùn)。2009年1月1日，改造后的新前門大街按照計(jì)劃鋪設(shè)了有軌電車的鐵軌，使消失了50年之久的鐺鐺車重新開通。2014年9月28日，北京首條仿古鐺鐺車為形式的旅游觀光線開通運(yùn)營。該線路將執(zhí)行單一票制，票價(jià)十元，一卡通刷卡有效，線路開通初期刷卡乘車五折優(yōu)惠。以前門、天安門、故宮為基線的北京仿古鐺鐺車2線于2015年3月18日開通運(yùn)營。
拆車件，就是二手件，當(dāng)一輛車輛出現(xiàn)事故或者車主不要了，做拆車件的店家就把這部車收回來，拆這部車上的有用零件再次銷售。當(dāng)然還有一部分拆車件來源于香港的。
拆車件悄悄地成為汽配市場(chǎng)“新寵”，除了價(jià)格極其低廉之外，銷售者更愿意為其披上的原裝進(jìn)口的“馬甲”，用“進(jìn)口車、原廠品質(zhì)”這樣的華麗說辭打動(dòng)消費(fèi)者。究竟拆車件品質(zhì)如何？
本文作者：?jiǎn)卧?GrowingIO聯(lián)合創(chuàng)始人、產(chǎn)品VP。單元明畢業(yè)于復(fù)旦大學(xué)和華盛頓大學(xué)，先后就職于Coursera、LinkedIn和RocketFuel，主要從事互聯(lián)網(wǎng)產(chǎn)品和移動(dòng)分析、用戶增長和貨幣化等方面的工作，有多年數(shù)據(jù)化業(yè)務(wù)驅(qū)動(dòng)經(jīng)驗(yàn)。原文發(fā)于GrowingIO技術(shù)博客，授權(quán)發(fā)布。作為一個(gè)數(shù)據(jù)分析人員，有沒有經(jīng)常被業(yè)務(wù)人員抱怨報(bào)表出的太慢、被工程師嫌棄埋點(diǎn)溝通不精準(zhǔn)、甚至被老板懷疑并沒有創(chuàng)造什么商業(yè)價(jià)值.......好好學(xué)習(xí)這四步分析精髓，從樹懶慢先生變成一部行走的AlphaGo，真正的人工加智能，數(shù)據(jù)分析又快又準(zhǔn)！讓你一舉成為公司頭牌，用數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)增長，快到飛起來！直接上干貨！一、定目標(biāo)首先要設(shè)定好業(yè)務(wù)目標(biāo)，不但能明確接下來分析究竟是為了什么，而且在人人都加班加點(diǎn)不怕猝死的環(huán)境下，可以盡可能的優(yōu)化時(shí)間，放到最能產(chǎn)生價(jià)值的地方。比如下面這些:1.每次開會(huì)前有明確的目的2.接受任務(wù)時(shí)想過真正的需求是什么3.定義指標(biāo)時(shí)想過以后怎么用4.A/B測(cè)試前都設(shè)好成功標(biāo)準(zhǔn)5.制作報(bào)表前想過結(jié)論是什么,推薦什么行動(dòng)6.分析產(chǎn)品時(shí)是要讓用戶更滿意，更多付錢,更長時(shí)間使用,還是更經(jīng)常使用同時(shí)，作為數(shù)據(jù)分析師還要注意團(tuán)隊(duì)合作中可以實(shí)現(xiàn)高效溝通，讓搭檔和老板清楚了解回報(bào)是什么，為什么要支持這個(gè)決定，為什么要分配資源，為什么要放下手中別的活，清晰的目標(biāo)就是溝通的核心，價(jià)值就是讓對(duì)方眼睛發(fā)亮的關(guān)鍵，至于背后處理了多少數(shù)據(jù)，提交了多少SQL，估計(jì)了多少模型參數(shù)，制作了多少漂亮圖表，沒人在乎。數(shù)據(jù)分析，結(jié)果導(dǎo)向。做事前先想想要?jiǎng)?chuàng)造啥價(jià)值，**能直接產(chǎn)生業(yè)務(wù)增長，滿足人的欲望。沒有目標(biāo)，光在那炫酷玩屠龍術(shù)，遲早被老板砍掉，被客戶踢開。二、用產(chǎn)品培養(yǎng)分析師的用戶視野定好了分析目標(biāo)，就要從數(shù)據(jù)分析的基礎(chǔ)，用產(chǎn)品起步了。用產(chǎn)品可以幫助分析師獲取缺失的信息，培養(yǎng)同理心，站在用戶的角度看問題。數(shù)據(jù)的顆粒度再細(xì)也是有限度的，而且是冷冰冰的，反應(yīng)的是抽象后的狀態(tài)。當(dāng)看到一個(gè)注冊(cè)漏斗有很大比例用戶離開時(shí)，說明了什么？數(shù)據(jù)上也許說明了有需要改進(jìn)的地方，但注冊(cè)流程中究竟哪里需要改進(jìn)？用戶到底想要什么樣的體驗(yàn)？用戶現(xiàn)在的感受如何？這些形象具體的信息，或者說沒能記錄的“數(shù)據(jù)”，就需要按照用戶的方式，實(shí)踐幾遍，才會(huì)有所感悟。當(dāng)自己試著去注冊(cè)，卻發(fā)現(xiàn)輸入幾次密碼死活通不過，是不是自然而然心中跑過一萬頭草泥馬？為什么至少要8個(gè)字符？為什么又要大寫，又要小寫，還要數(shù)字，特殊字符?又不是銀行帳號(hào)。而且密碼要求怎么不明確顯示出來?更要命的哪些算特殊字符可能也沒不說清楚，用戶估計(jì)槽都不想吐了。親自使用產(chǎn)品，通過眼睛，耳朵，大腦，和心，體驗(yàn)?zāi)切┍粩?shù)字抽象掉而流失的感覺，也就明白了用戶的沮喪，改哪里，怎么改也就變得清晰。而這一過程，也培養(yǎng)了分析師多角度觀察問題的能力，成為連接用戶和公司的橋梁。理解數(shù)據(jù)定義和業(yè)務(wù)邏輯數(shù)據(jù)如何生成？傳統(tǒng)方法是靠工程師寫事件處理函數(shù)。數(shù)據(jù)需求哪里來？業(yè)務(wù)人員要看得指標(biāo)。那么觸發(fā)條件是什么呢？業(yè)務(wù)和技術(shù)的理解是一樣的么？銷售說，我想知道這個(gè)廣告位點(diǎn)擊率多少。工程師說，廣告位的點(diǎn)擊次數(shù)和瀏覽數(shù)已經(jīng)有了。馬上就拿這兩個(gè)數(shù)據(jù)除一下就去給銷售么？銷售是怎么定義點(diǎn)擊率的？分子分母分別是什么含義？瀏覽次數(shù)是指眼睛看了多少次么？如果親眼去看下廣告，可能發(fā)覺廣告位只要渲染了，即使未在顯示器中出現(xiàn)也算。這一進(jìn)一出，點(diǎn)擊率翻個(gè)倍都有可能，工程師知不知道銷售的確切意思？銷售知不知道工程師的實(shí)現(xiàn)？如果客戶問起如何回答？通過產(chǎn)品使用，才能體會(huì)到數(shù)據(jù)整個(gè)上下游中的定義問題，增強(qiáng)一致性，而不是默認(rèn)工程師給的就是業(yè)務(wù)需要的。隨著無埋點(diǎn)技術(shù)的發(fā)展,現(xiàn)在數(shù)據(jù)分析已經(jīng)能做到由業(yè)務(wù)人員直接進(jìn)行數(shù)據(jù)定義，而無需工程師過多參與。但在定義中，仍會(huì)涉及到具體的定義細(xì)節(jié)，只有通過實(shí)實(shí)在在的使用產(chǎn)品，才能體會(huì)這些細(xì)節(jié)上的差異和因此帶來的蝴蝶效應(yīng)。體會(huì)細(xì)節(jié)差異除此之外，用產(chǎn)品還可以快速檢查數(shù)據(jù)質(zhì)量和邊界條件，特別適合高速迭代。點(diǎn)下按鈕會(huì)否生成重復(fù)記錄？有沒有漏掉的觸發(fā)？輸入框最小幾個(gè)字符，**有沒有設(shè)限，哪些情況會(huì)產(chǎn)生錯(cuò)誤數(shù)據(jù)，定義的標(biāo)識(shí)符是否正確記錄，用下產(chǎn)品，看看下游接收到的數(shù)據(jù)，馬上就能知道。三、看原始數(shù)據(jù)有明確的目標(biāo)，也了解自己的產(chǎn)品，還需要什么？統(tǒng)計(jì)？編程？算法？忽悠？這些當(dāng)然重要，但更重要，也往往更容易被忽略的是建立起對(duì)數(shù)據(jù)本身的感覺。對(duì)數(shù)據(jù)的感覺，說穿了，就是對(duì)數(shù)據(jù)結(jié)構(gòu),具體數(shù)據(jù)形式的熟悉和敏感程度。數(shù)據(jù)分析師需要通過看原始數(shù)據(jù)找感覺列舉些常用的方面如下。表格常用表的作用；數(shù)據(jù)庫總體數(shù)據(jù)量；每天會(huì)增加大約多少數(shù)據(jù)量；一個(gè)時(shí)間范圍內(nèi)的全表掃描需要的大致時(shí)間；是否需要采樣，或安排到半夜進(jìn)行事務(wù)數(shù)據(jù)和分析數(shù)據(jù)的誤差；有否超過允許范圍合計(jì)表的數(shù)據(jù)源；合計(jì)邏輯是什么更新頻率和相對(duì)現(xiàn)實(shí)交互的延遲映射表的關(guān)系，一對(duì)一，一對(duì)多，還是多對(duì)多記錄的是快照，還是所有歷史變化可用索引原始數(shù)據(jù)的結(jié)構(gòu)；哪些信息是鍵值形式，哪些是數(shù)組形式原始數(shù)據(jù)留存政策和時(shí)間。列常用列的意義；列之間的關(guān)系列值的分布；不對(duì)稱情況，是否合適作劃區(qū)哪些有效，哪些過期的；哪些有問題的如果是枚舉值，常用的值，代表什么意思是否有0，負(fù)值，空值，特殊值的排除和處理時(shí)間存儲(chǔ)的形式；UTC還是本地時(shí)間，單位是秒，毫秒還是微秒級(jí)字符串中可能含有的列分隔符；亂碼值是否應(yīng)該獨(dú)特**、是否做到獨(dú)特**數(shù)據(jù)類型，顯示的都是數(shù)字，但是否錯(cuò)誤的存成字符串其他產(chǎn)品迭代中，新舊數(shù)據(jù)的區(qū)分點(diǎn)；不同的業(yè)務(wù)邏輯線下上傳；第三方的離線數(shù)據(jù)源；常用的黑名單、白名單、測(cè)試名單；授人以魚不如授人以漁，看原始數(shù)據(jù)，就是建立對(duì)數(shù)據(jù)感性認(rèn)識(shí)的**方法。讓分析師沉下去，了解公司數(shù)據(jù)生態(tài)圈的各種主要細(xì)節(jié)，從而能高效產(chǎn)生新的聚合信息。而不是浮在上面，只知道一些歸并抽象后的現(xiàn)存量化值。需求千變?nèi)f化，總有很多情況，沒有可以直接使用，合計(jì)好的表格，這時(shí)就需要去建新的業(yè)務(wù)邏輯，生成新的合計(jì)表，對(duì)數(shù)據(jù)細(xì)節(jié)的高度把握，對(duì)流暢完成這一過程有很大幫助。另一方面，挖掘洞察的過程中，很大一部分時(shí)間都是在搞數(shù)據(jù)清理：檢查正確性，去除污染，轉(zhuǎn)變成可用形式等等。而對(duì)數(shù)據(jù)的熟悉程度就直接影響這些工作的效率。而每當(dāng)需要記錄新的跟蹤，也能知道新信息加在哪里更利于使用。日常工作中,推薦兩個(gè)方法去熟悉原始數(shù)據(jù)，一是根據(jù)實(shí)際需求，去觀察相應(yīng)的數(shù)據(jù)來培養(yǎng)感覺。二是可以有意識(shí)的，刻意的投入一些時(shí)間去看當(dāng)前職責(zé)之外，但和公司主要業(yè)務(wù)產(chǎn)品緊密相關(guān)的各種表格，各種原始數(shù)據(jù)的具體內(nèi)容和形態(tài)，會(huì)對(duì)以后的工作產(chǎn)生很大幫助。四、記業(yè)務(wù)指標(biāo)作分析除了需要各種軟硬通用的能力，比如統(tǒng)計(jì)，編程，算法，忽悠等，還得對(duì)公司的業(yè)務(wù)非常熟需。從分析的角度看，增加業(yè)務(wù)的熟悉程度最直接有效的辦法就是記指標(biāo)。如果不看報(bào)表，下面這些問題有幾個(gè)能立即回答出來。數(shù)據(jù)分析師的基本功：熟記指標(biāo)常見的業(yè)務(wù)指標(biāo)公司平均每天／每周／每月營業(yè)額，活躍量，流量大小；周末和周中關(guān)鍵差別和特征；早上，中午，晚上用戶關(guān)鍵差別，活躍數(shù)，流量；北京和上海，各主要地域的市場(chǎng)份額，消費(fèi)能力，平均每用戶營業(yè)額；公司下個(gè)季度預(yù)期增長率，預(yù)期今年的營業(yè)額；桌面和移動(dòng)的活躍比例，收入比web和app的比例免費(fèi)用戶和付費(fèi)用戶比例、主要差異、80%的營業(yè)額由前百分之幾的用戶提供；主要漏斗，如注冊(cè)，登錄，付費(fèi)，提交等，每一步的轉(zhuǎn)化率，流失率主要產(chǎn)品的客戶留存；獲取用戶的成本，用戶的生命周期價(jià)值公司平均每天／每周／每月營業(yè)額，活躍量，流量大小周末和周中一般差別；以上這些指標(biāo)，很多互聯(lián)網(wǎng)公司都有，但能不能記住，是區(qū)別一個(gè)分析師水平的重要方面。好的分析師，這些都爛熟于心，幾乎成為了第二本能。熟記指標(biāo)的優(yōu)勢(shì)熟記關(guān)鍵的指標(biāo)，在看到異常波動(dòng)時(shí)，才會(huì)敏感的察覺有地方不對(duì)，也就是我們通常說的“感覺”。這一點(diǎn)在公司人與人交互中尤其有效，因?yàn)榻换ナ菍?shí)時(shí)性的，需要有立即的反應(yīng)。比如開會(huì)中討論新的方案，需要立即指出可能存在的問題，并給出質(zhì)疑的原因和證據(jù)，引導(dǎo)會(huì)議成員的思路并提出解決方案。而如果對(duì)業(yè)務(wù)指標(biāo)不熟悉，很難有這種感覺，或者就算有所察覺，但因?yàn)椴粔蚴煜げ粔蜃孕牛托枰シ磮?bào)表，找到相應(yīng)的關(guān)鍵指標(biāo)，前前后后可能需要十幾分鐘。這在一個(gè)人做分析時(shí)，沒有太大問題，但在會(huì)議，討論等實(shí)時(shí)性很強(qiáng)的互動(dòng)中，顯然是不合適的。熟記指標(biāo)另一個(gè)巨大優(yōu)勢(shì)是能給分析師帶來巨大的可信度。分析師相比其他職位**的優(yōu)勢(shì)是能接觸到數(shù)據(jù)，海量的數(shù)據(jù)。在規(guī)劃戰(zhàn)略，定位產(chǎn)品時(shí)，很多觀點(diǎn)都是基于邏輯推理，行業(yè)經(jīng)驗(yàn)，類比假定，而分析師就有機(jī)會(huì)提供更加量化的指標(biāo)，為合理的觀點(diǎn)提供強(qiáng)有力的支撐。所謂事實(shí)勝于雄辯，“我們隨機(jī)抽樣，90%用戶支持現(xiàn)在的定價(jià)”就要比“一般大家都這個(gè)價(jià)位”要有說服力的多。長期進(jìn)行以量化事實(shí)為依據(jù)的交互，分析師能贏得很多的信任，從而更有效的領(lǐng)導(dǎo)跨組合作。如何記住業(yè)務(wù)指標(biāo)別小看指標(biāo)的數(shù)量，雖然是大數(shù)據(jù)綜合提煉而成的統(tǒng)計(jì)表征，但指標(biāo)自身可能也是“大數(shù)據(jù)”。拿活躍用戶這一個(gè)指標(biāo)舉例，看過去7天按每天整合，就有7個(gè)數(shù)據(jù)點(diǎn)。如果再按地點(diǎn)北京上海等分類，可能又有10個(gè)點(diǎn)，然后再加上設(shè)備，渠道，付費(fèi)級(jí)別，參與程度，訪問來源等維度，以及互相之前的環(huán)比，同比等等，那一個(gè)指標(biāo)變成幾千或者幾萬個(gè)數(shù)據(jù)點(diǎn)輕而易舉。如果要把這些全記下來，那基本不用干別的活了。比較有效的方法就是抓大放小。首先，如果日活是1234567人，那么后面那些具體數(shù)字基本上沒有太大意義，記一個(gè)120萬人就可以了，要得是那種大致的感覺，不是銀行出納分厘不差的精確。其次，各種維度記幾個(gè)主要值就行，比如地區(qū)就記北京，上海，廣州等。而設(shè)備就是安卓，蘋果，桌面等，不需要背黑莓，winphone等各種小眾移動(dòng)的份額。最后，優(yōu)先記整體情況，只有一個(gè)維度時(shí)的聚合,如果有時(shí)間再看多維度的交叉細(xì)分。比如，N天前，北京、蘋果、付費(fèi)用戶，這4個(gè)維度交叉后的指標(biāo)可能也有價(jià)值，但把不交叉時(shí)的主要時(shí)間、地點(diǎn)、平臺(tái)、用戶類別的指標(biāo)記清楚，覆蓋范圍要廣的多，記的數(shù)量也要小得多。如果你能定下清晰地目標(biāo)、熟練使用產(chǎn)品、熟悉原始數(shù)據(jù)、熟記關(guān)鍵業(yè)務(wù)指標(biāo)，恭喜你已經(jīng)從一名數(shù)據(jù)分析人員進(jìn)階為一名合格的數(shù)據(jù)分析師了。如果你還會(huì)能掌控**、來自硅谷最前沿的數(shù)據(jù)分析產(chǎn)品，比如無需埋點(diǎn)、全量實(shí)時(shí)采集的新一代數(shù)據(jù)分析產(chǎn)品；恭喜你，不只是一名合格的數(shù)據(jù)分析師，簡(jiǎn)直就是一名數(shù)據(jù)科學(xué)家啦。
