这是我参与「第四届青训营 」笔记创作活动的第13天 业务和数据的闭环 业务和数据，可以理解为映射关系，数据是业务在数字世界里的另一个它。举个例子来说：你衣服鞋子的尺码、喜欢吃什么口味的菜、爱看什么内容的文章、什么时候起床和睡觉等等，所有这些个人的数据都在云端被记录着，它就是你在数字世界里的映射。网上之前流行的一句话很有意思：手机可能比你自己还要了解你。就是因为它里面存储了一个数据的你。 业务数据化： 业务线上化，存储业务所产生的数据，记录业务； 数据业务化： 分析收集的业务数据，评估业务状态，指导业务发展，提升效率； 认知：数据、信息和知识 接下来我们会就其中的数据分析环节展开来讲，在这之前，先宏观的了解一下从数据到决策会经历怎样的一个过程。 我们时刻都在被数据所记录着：年龄、身高、体重、消费金额、运动步数等等，如果只是单纯的去看这些数字是没有意义的，要用心去思考数字背后鲜活的业（灵）务（魂）。说到这里，阿北笑着又重复补充到：业务是有灵魂的！当我们从这些数字中发现业务背后的信息，再将这些数据和信息转化成一组规则来辅助我们决策（知识）的时候，数据就会变得很有价值。这个过程就是：从数据到信息，再到决策（知识）。 对于上面总结的从数据到决策的过程，我们往往会说成根据数据分析的结果去做决策，虽然这样的说法没问题，但不够直接，实际上我们是基于业务理解去做决策的，而数据是帮助我们加深业务理解的工具。数据赋能业务一般会经历四个环节：数据表现、业务原因、业务策略和作用方式。最开始我们通过数据去评估业务状态，发现业务表现异常，再全面的分析数据并结合一线的调研反馈，反复的进行猜想和数据验证，弄清楚数据表现背后的业务原因，然后思考解决问题的策略，再落地执行，监控后续效果并不断的迭代，直到问题被解决，业务发展进入正轨。 再就刚才提到的生病发烧的例子详细解释一下数据赋能业务的过程：体温39度是数据表现，背后的身体原因是发烧了（业务原因），医生说需要打点滴退烧（业务策略），之后你就躺在病床上，护士过来给你输液（作用方式），这些流程走完之后，后续还会要求你持续的测量体温（监控落地效果），如果还一直不退烧的话，可能还需要继续去输液吃药（不断的迭代业务策略），直到最后体温恢复正常（问题被解决），身体进入健康状态（业务发展进入正轨）。 业务策略的闭环 分析数据定位业务问题，基于业务理解，确定解决策略，到最终正向的影响业务，整个过程中，业务策略存在两个闭环：逻辑闭环和业务闭环。 逻辑闭环： 数据分析的过程，逻辑上要闭环，论据要能够支持结论的成立； 业务闭环： 策略在业务上的落地执行要闭环，不断的调整迭代； 这两个闭环是互相影响的，首先要做到的就是论证逻辑闭环，保证结论可以站得住脚。等真正落地执行的时候，业务上可能行不通，就需要基于新的业务理解去迭代论证逻辑，形成新的逻辑闭环，再去落地执行，直到在业务上可以跑通。 所以在数据分析过程中会常出现两类问题： 逻辑闭环相关： 不接地气，指的是策略的逻辑论证没问题，但离业务上跑通还很远； 业务闭环相关： 策略没有落地或者落地反馈周期太长，导致业务理解只停留在当时分析数据的节点，没有得到验证反馈； 建立指标体系是数据分析的第一步。 数据指标中心是规范化开发指标并对其进行管理维护的系统，将指标的组成部分解耦拆分开来，并在逻辑表中进行规范性的定义，在此基础上，后续可以按照一定规则进行自由拼装，实现自定义指标的功能。 在我们日常的数据工作中，指标的重要性毋庸置疑，指标来源于业务的场景化呈现，业务也通过指标来透视出问题，但也正因为如此重要，使用如此频繁，所以导致指标也出现各种混乱、难用、难找等等问题。所以我们必须有一套合理合规的指标治理方法，并将这套方法转化成工具，通过固定流程去约束原本不可控的行为。接下来我们就看看，指标治理的有那些方法论？以及这些方法是如何设计成系统，也就是我们说的——数据指标中心。
