口碑数据分析师:我是如何让1000个业务成功转型为数据运营的

简介: 每天都要对3000万笔交易数据进行分析,口碑是怎么做到的。



我是一名来自口碑的数据分析师,今天给大家介绍一下面对口碑众多的业务方的时候,口碑BI是如何应变和行动,并如何成功助力业务转型为数据运营。


口碑新出发

三年一轮回,2018年1月,口碑重新并入阿里“新”零售体系,换个姿势再战本地生活服务。


口碑资深总监陈盛在“2018口碑新店商峰会”中阐述了口碑接下来的运营思路:2C希望和手淘、支付宝一样成为“超级入口”,帮助商家获取数字化流量的同时,打造“新餐饮体验”;2B则扮演全渠道角色,整合口碑、天猫、饿了么、商家店面的终端销售渠道,把流量、商品、营销的能力在云POS系统上开发给市面上的垂直服务工具(比如客如云、二维火)。C、B两端联网,形成 “大流通”。


数据助力业务

口碑的最新数据显示,平台入驻商户已经超过250万,单日交易笔数超过3000万笔!这么大数据量背后离不开口碑业务同学的通力合作,尤其是奋战在一线的本地生活团队。


从口碑业务人员构成看,本地生活团队负责把总部业务的指标落实和执行。本地生活团队由各个大区组成,各大区又由城市经理、城市运营、城市数据接口人组成。对于这些一线业务同学,如何快速的针对运营数据的分析和梳理十分重要。在为一线业务同学提供数据的过程中,我们数据分析团队也针对用户群体进行梳理,针对每个角色业务侧重点不同,用蚂蚁数据平台部产品DeepInsight定制了不同的数据解决方案:


#城市经理-管理者看板:


1)背景

城市经理需要负责一个城市的运营和管理,每天更关注的是城市KPI,健康度,趋势情况。在口碑业务目标落地过程中,城市经理需要不断的根据当地业务发展趋势做出调整(服务商赛马等),以确保业务目标完成。


2)解决方案

我们和各大区沟通后,提供的是定制化报表产品方案。这样可以一目了然的发现业务的发展状况,当业务异常的时候可以迅速的通过在线门店数*动销门店数*门店单产去定位到异常原因。


3)管理者看板展示

(管理者看板制作时的重点,敲黑板tips: 尽可能把管理者最关注的指标放在明显位置,且不要让管理者筛选、点击太多次,一目了然把核心指标和主要的过程指标呈现出来)


#城市运营-活动监控看板:


1)背景

运营的同学主要是联合口碑商家搞一些运营活动,活动开展前需要思考活动门店有哪些、补贴花多少?活动完成后,需要复盘活动前、中、后的效果怎么样,方便积累后续活动经验。这些都是运营关心的重点。


2)解决方案

口碑的营销系统比较多,但每个系统又是独立分开的,运营需要有一个统一的入口来分析活动效果,我们就对活动这个主题设计了活动监控大宽表,让运营只要输入活动ID就可以查看到完整的活动相关数据(发券、核券、补贴、立减等数据),实现了不同活动平台的数据融合。


3)活动监控看板展示

(活动看板设计的tips:把活动需要的指标分类整理出来,按照一定逻辑平铺展示)




#城市数据接口人-自助分析看板:


1)背景

城市数据接口人工作内容有:发每日战报、深入分析业务健康度、挖掘潜在商户特征,所以城市数据接口人需要的是大而全的指标,能对业务问题进行深入洞察。


2)解决方案

基于门店的自助分析看板,通过100+的门店指标深入分析业务状况。


3)自助分析看板展示

分析场景1: 整体看板看趋势,通过自定义KPI看板看大盘是否有异动。




分析场景2:寻找异动的原因,通过不同维度拆分排查。




同时随着业务发展,我们也会不断增加指标到门店宽表中,例如地标的指标,商品质量分指标等,让门店宽表的维度越来越丰富。


赋能助力再升级

经过前期的数据工作,固定看板和自助分析可以无障碍的让业务拿到想要的数据并且分析,但还是存在一些痛点。


对城市运营来说,痛点有:

活动数据分析需要在多张报表里查看、匹配,花费时间长。运营每次做活动分析,要先去报表1-活动的表获取门店清单,然后再把活动门店清单导入报表2-交易表查询活动前、中、后的交易明细,最终通过excel进行透视分析,这种方法对于全国300个运营来讲非常费时间。


不同运营在分析活动时候,指标选取、分析维度不统一,导致多档活动无法横向对比。


公司1/4的运营是新入职的,初期阶段对于运营的活动监控指标可能是一脸茫然。


#数据产品赋能:

以上的痛点迫切需要一套标准化的方案去解决,这就是后面大家共创的通用运营活动复盘产品。根据运营使用基础报表的常用路径,结合商业分析经验,把运营活动分析这个主题沉淀出了分析模板,并将模板数据沉淀在产品中。


新的活动复盘分析产品里面只要输入活动ID即可自动得到活动复盘效果。




在节省了时间的同时更实现了活动复盘的标准化。后续的版本我们计划沉淀出活动之间的对比效果,把一些补贴效果不明显的门店通过产品进行提示,让运营活动ROI更高,活动更有效!




对数据接口人来说,痛点有:门店宽表毕竟是基于门店粒度每天的汇总数据,城市有时候也需要分析分小时的交易情况,每笔交易是否是纯商家补贴还是互补贴,哪些门店只有在大促的时候才有营销活动……


#数据分析方法赋能:

以上的痛点的解决方案就是需要城市的数据接口人有一定的sql技能和分析技能。我们开始不断的给城市数据接口人进行sql培训和分析案例的分享。通过不断的培训,城市BI可以用sql做更个性化的分析;通过培训,业务同学会更多的和数据视角结合分析业务。


用户反馈

一线业务反馈不需要多个地方找数据,一个表就是一个业务的链路。基于大盘监控看板可以时刻监控核心业务指标动态;自助看板可以每个人做自己个性化的分析产品;活动复盘产品可以让运营快速get到关键点。业务方的反馈是对我们过去成绩的肯定,同时也会是我们不断进步的鞭策,分析师们会继续努力!






最后,口碑数据中心致力于通过数据分析为管理决策服务,提升运营效率。着眼于线下30万亿市场的新口碑期待你的加入哦!



本文贡献自蚂蚁金服数据平台部《数据帮》


目录
相关文章
|
SQL 数据采集 机器学习/深度学习
自学半年,从保险销售,零基础转型数据分析
自学半年,从保险销售,零基础转型数据分析
自学半年,从保险销售,零基础转型数据分析
|
机器学习/深度学习 人工智能 监控
SAS转型,再造云原生数据分析之王
SAS转型,再造云原生数据分析之王
437 0
SAS转型,再造云原生数据分析之王
|
SQL 数据挖掘 大数据
数据分析转型大数据开发,说说我的求职心酸之路
数据分析转型大数据开发,说说我的求职心酸之路
|
数据可视化 大数据 数据挖掘
|
数据挖掘 供应链 数据库
|
4月前
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
在数字化时代,数据分析至关重要,而Python凭借其强大的数据处理能力和丰富的库支持,已成为该领域的首选工具。Python作为基石,提供简洁语法和全面功能,适用于从数据预处理到高级分析的各种任务。Pandas库则像是神兵利器,其DataFrame结构让表格型数据的处理变得简单高效,支持数据的增删改查及复杂变换。配合Matplotlib这一数据可视化的魔法棒,能以直观图表展现数据分析结果。掌握这三大神器,你也能成为数据分析领域的高手!
86 2
|
4月前
|
机器学习/深度学习 数据采集 数据可视化
基于爬虫和机器学习的招聘数据分析与可视化系统,python django框架,前端bootstrap,机器学习有八种带有可视化大屏和后台
本文介绍了一个基于Python Django框架和Bootstrap前端技术,集成了机器学习算法和数据可视化的招聘数据分析与可视化系统,该系统通过爬虫技术获取职位信息,并使用多种机器学习模型进行薪资预测、职位匹配和趋势分析,提供了一个直观的可视化大屏和后台管理系统,以优化招聘策略并提升决策质量。
198 4
|
4月前
|
机器学习/深度学习 算法 数据挖掘
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析
本文介绍了2023年第二届钉钉杯大学生大数据挑战赛初赛A题的Python代码分析,涉及智能手机用户监测数据分析中的聚类分析和APP使用情况的分类与回归问题。
87 0
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析