科技猎西瓜创客张平曦：从商业目标出发解决数据治理中的困境
在以“矩·变”为主题的神策 2019 数据驱动大会现场，西瓜创客数据分析负责人张平曦发表了名为《从商业目标出发解决数据治理中的困境》的主题演讲。以下内容根据其现场演讲整理所得。主要内容如下：
-
为什么要做数据治理？
-
如何从商业目标出发？
-
如何落地指标体系？
一 、为什么要做数据治理？
西瓜创客是一个极为重视数据驱动力量的企业，在我们公司仅有 50 人时已接入神策数据，在数据驱动从零到一的摸索过程中，逐渐发现数据治理的重要性不容小觑，下面我们通过一个问题来直观感受下——双十一的 GMV 到底是多少？
双十一刚结束时，朋友圈有一个消息显示淘宝的销售额仅 200 亿元，而京东销售额已超千亿元，当时有点惊讶，后来了解到事实是京东十天累计下单 1313 亿元，双十一全天淘宝直播 200 亿，且天猫 1 小时 3 分 59 秒破千亿。很显然，这是由数据口径不一致造成的问题。
该问题不是个例，而是在很多公司均存在的问题，在西瓜创客也出现过。在去年我们的 11 月 5 日至 11 月 12 日的双十一促销快结束时，分析师被各方灵魂拷问，如下图：
CEO：“双十一 GMV 目标只达成了 60%？”
销售总监：“我看到的数据是 90%，你加了 xx 商品的数据么？”
渠道负责人：“我们达成了啊，你看的是哪里的数据？”
销售：“绩效看板和我的销售额怎么对不上呢？”
财务：“本月现金流量标比业务数据少了 100w，怎么回事？”
分析师：“？？？”
这种场景不知你是否似曾相识？在这个困境中，往往分析师 50% 的时间在和业务沟通和核对数据，50% 的时间在做数据清洗，留给真正分析的时间少之又少。而其关键问题很显然，即口径不一致、系统不一致使看到的数据不一样，理解也不一样。
针对这件事，我们做了一个全面复盘，并画了一幅 GMV 的传送链路图：
在图中明确的表示出每个人接收的数据来自于哪个部门，哪个系统。在数据生产端，存在底层数据、数仓、神策数据、第三方数据（如有赞数据、支付宝数据等），不难发现，第三方数据与底层数据是完全割裂的，这也是财务、CEO 看到的数据不一样的原因。但从图来看仍不够直接，我们又做了一个总结，如下图：
问题的症结聚焦一点就是大家的认知依据不一致。通过复盘或解释，最终大家会达成统一的认知，但分析者依然会承担因此而带来的后果和影响，其中，最关键的两个就是低效和质疑。来回反复的沟通，各方 argue 对自己有利的口径导致低效；对数据团队的信任度降低，甚至对数据产生质疑。
为此，西瓜创客开始尝试在数据流的各个环节采取措施进行数据治理，如下图。
方法 1：
在源头上，通过使用的一套“系统事件”的概念，用统一的协议和规则来统一数据源的获取，尽可能覆盖所有的指标，其优点是对于前端事件记录全面，缺点是对于后端事件可能有所遗漏，研发和业务对关键指标的理解差异，甚至将导致关键指标遗漏采集，只可解决 70% 的问题。
方法 2：
在流程上，尝试统一产品研发及业务方的埋点流程和规范，从需求出发确定要采集的数据，最终往往会发现产研部门和业务、数据部门的目标不一致，导致很容易乱，比如业务提出几个紧急需求，开发进行了几个版本迭代后，将数据流、指标就抛之脑后。
方法 3：
在源头和流程上均无法解决时，最后会采用最原始最粗暴也最消耗时间精力的方式——反复的数据清洗。
我们曾经在数据分析团队做过一个调研，询问大家认为分析师应该做的事情和目前正在做的事情之间的 gap，最终答案是大家认为分析师应该做的事情是分析、挖掘、为业务产生价值的东西，而实际在做的就是取数和报表。
这个落差其实很普遍也很痛苦，为真正解决问题，我们回归初心，思考其本质，总结出数据治理的本质和数据的价值是用可信的数据，驱动业务目标的达成。
二、如何从商业目标出发？
从这个角度来看，前面的思考更偏向为数据分析而数据治理，正确的思路应该是从业务目标出发来看待数据治理，我们做了一个梳理，如下图：
每个公司及业务均有一套属于自己的商业逻辑，如西瓜创客会将获客成本、LTV 等作为商业逻辑的关键因素。商业逻辑决定目标是什么？如确定 GMV、复购率、复购的客单价的设定。进而再决定业务逻辑的拆解和对应的业务流程，在其中又会衍生出各种数据需求，针对具体业务可评估需要什么颗粒度的什么数据？当了解到需要什么数仓表后可决定埋点的系统事件类型。最后我们发现，以上 5 模块分别是上游向下游负责，要需求方向业务方负责。
但实际的应用中，往往不时出现灵魂拷问，如下图：
不难发现，单一的上游向下游负责的链条是无法支撑企业的良性运转，无论是目标还是数据质量本身，所以我们又重新基于目标出发的视角，进行梳理，如下图：
本次梳理仍从商业逻辑出发，但在链路中，不再根据任何一个流程或一个单一的事件输出业务需求，而是基于业务和商业逻辑做出一个指标体系，该指标体系主要包含 KPI 及过程指标。
也就是说，用指标体系连接应用环节（商业逻辑和业务逻辑）和生产环节（数仓表和系统事件），如下图：
在实际工作中，每一个人或部门承担的角色和目标不同，如 CEO 的目标是实现商业目标，数据分析师的目标是处理需求，数据开发的目标是搭建数仓表等，当整体梳理为统一的指标体系，这也将让商业目标不是 CEO 一个人的事情，使各部门携手实现商业目标。
三、 如何落地指标体系？
下面通过一个案例进行剖析——DM 单的购买转化业务，针对该业务我们设计了一个简单的漏斗，包含 DM 单访问、发起购买、订单生成、支付成功，但其存在很多问题，如下图：
之后，我们基于商业目标梳理的逻辑，重新对这个场景采取 5 步法确定指标体系和数据埋点，如下：
1.商业逻辑：通过 DM 单将流量转化为 GMV，如下图：
2.业务逻辑：
3.指标体系：
4.中间表
5.事件设计（埋点）
通过这 5 步基本上构建了一个指标体系地图（如下图），已可让所有相关方理解商业目标和达成方式。
在该阶段，企业可进行如下操作：
-
梳理出商业逻辑及业务逻辑，即业务如何实现目标的流程图
-
梳理出数据埋点/系统事件，即在流程图中的位置及详细文档（如下图）
-
指标体系 KPI 及过程指标，即梳理在流程图中的位置及详细命名定义
-
中间表字段及维度（含 QA 测试用例文档），如下图：
-
指标体系及对应的数据看板展示逻辑或产品应用方案，涵盖各方，如下图，包含神策数据和自建后台。
在以上操作结束后，我们继续进行了不同角色的口径梳理，如下图：
如此一来，大家都为商业目标负责，而不是需求本身负责，这是我们的一个实践尝试。在尝试过程中，我们采取了项目组的方式，项目组成员包含研发设计、产品、数据等，且大家一起背该项目的 KPI，在这种组织架构下，团队间的配合也发生了微妙的变化，大家的协作性和理解性大大加强，如下图：
甚至工作的价值感也提升了，举个例子，过去分析师往往聚焦产出本身，如产出多少表或分析报告，但现在其已经通过埋点或研发资源高效实现了，分析师便不需要做提数、做报表、清理数据、发现坑、填坑等工作。现在，分析师做的更多是与业务方沟通，定位业务优化点，优化业务逻辑，匹配对应的数据资源，对业务目标赋能。
经过分析后，仔细思考，你会发现数据流并没有改变，系统也没有改变，只是通过指标体系的链接，各个业务方可看到商业目标实现过程全貌，可准确知道自己的产出起到什么作用，会对什么决策产生影响，且因为指标体系已经从一开始告诉了目标是什么？基于目标的指标口径是什么？基于流程的转化链路是什么？用什么来判断好和不好？企业可不用统一和限制数据传送的链条、限制数据查看权限。
以上，就是西瓜创客的一个小小实践，打造的一个基于目标的指标体系地图的思考和迭代的过程，让所有的相关方理解目标和我们达成目标的方式，从而使他们的业务目标转化为企业的商业目标，整个企业各部门真正朝一个方向发力和突破。
关于西瓜创客
西瓜创客是知名在线少儿编程教育品牌。对标美国 CSTA K-12 计算机科学标准，推出适合中国 6-12 岁孩子的 LEAP 课程体系，独特的 AI 双师教学让孩子高效、扎实地掌握编程语言,培养超强逻辑思考能力，全面强化综合素质，西瓜创客获得由新东方教育文化产业基金领投的 B 轮 1.5 亿元融资
关于神策数据
神策数据是专业的大数据分析平台服务提供商，致力于帮助客户实现数据驱动。公司围绕用户级大数据分析和管理需求，推出神策分析、神策用户画像、神策智能运营、神策智能推荐、神策客景等产品。
