数据管理分析

导读：全面分析3种小程序的数据分析管理渠道，帮助开发者做好小程序运营工作。

如今的小程序商业市场愈发热闹，每天数以千计的小程序上线发布，小程序的商业生态正逐步建立起来。

然而开发出小程序，仅仅是第一步。能运营好小程序吸引更多用户，才是摆在小程序开发者面前最需解决的问题。想要运营好小程序，做好数据分析工作是基础。

如何进行小程序的数据分析管理工作？目前有三种方式可供小程序开发者选择。

微信小程序管理后台

由微信官方提供的小程序管理后台平台本身就包含了数据分析板块。也是开发者最便捷的查看小程序数据情况的入口。

提供数据分析板块涵盖了概况统计、实时统计、访问分析、自定义分析、用户画像几类功能，为开发者提供了比较全面的数据统计服务。

小程序“小程序数据助手”

微信官方上线的一款帮助小程序开发者查询小程序数据情况的小程序。有了它开发者就能使用手机方便、实时地查询小程序数据情况。

1支持查看小程序运营数据

“小程序数据助手”支持相关开发和运营人员查看自身小程序的关键运营数据，数据与小程序后台常规分析一致。

1、数据概况：快速了解小程序发展概况；

2、访问分析：具体分析用户趋势、来源分布、用户留存和访问页面详情；

3、实时统计：实时监控小程序访问趋势。

2支持管理员或授权用户使用

管理员打开“小程序数据助手”可查看已绑定小程序的数据；开发者、体验者，或其他微信用户经管理员授权后可以查看已授权小程序的数据。

长按「小程序码」体验，小程序数据助手

微第三方数据统计平台

随着小程序的商业前景越来越明朗，一些第三方的小程序数据统计平台随之冒出头来。相比微信自有的小程序后台这些第三方平台的功能更加全面。

这里我们以国内首家小程序平台“阿拉丁”举例。

阿拉丁作为一个微信小程序数据统计分析工具，开发者只需要在小程序后台插入阿拉丁SDK统计代码，便可同时监控线上、线下多个渠道的数据。

开发者可以根据这些数据优化产品、调整推广策略、转变运营思路。此外阿拉丁对外宣布使用永久免费，开发者不用再承担额外的费用。

以上三种方式，足够满足开发者对于小程序的数据分析需要。并且随着小程序的不断发展更多的数据工具将随之诞生，协助开发者进一步做好小程序的运营工作。

文| 傅一平原文自：与数据同行

在数据管理领域，我们通常将数据分为：主数据、交易数据、参考数据、元数据和统计分析数据（指标）， 指标是BI里面核心的概念，是一个企业数据运营关注的核心数据，一般以KPI和报表的形式体现。

从实践来看，一个企业要进行数据治理，涉及了架构、安全等诸多层面，但最迫切的是提升数据质量，其中指标质量则是重中之重，一般业务上90%以上关于数据的疑问都从指标的质疑开始，只要你从事数据相关工作，就应深有体会。

“这个指标好像跟业务发展实际不符，快去查查”，估计这是报表取数人员听到的最多的一句话了。

笔者就来谈谈如何从根本上去提升指标的数据质量，即实现指标的标准化，作为一个数据管理人员，不管你有多少能力，曾经解决了多少问题，当过多少回救火英雄，都应该从更为长远的角度来思考这个问题。

指标标准化的核心价值在于实现“书同文，车同轨”，即通过针对指标的一系列管理过程，去提升指标准确性、一致性、敏捷性及开放性，在以前的文章《如何才能做好一张报表》中对此有详细的阐述。

DAMA将数据治理放到核心地位，指标的标准化就是个典型的数据治理问题，治标是容易的，治本的代价则太高，但如果要实现进阶，还是要站的高一点，多思考一下，想想是否有更好的方法，就从笔者多年前做过的指标标准化项目开始吧，分为组织保障、报表梳理、指标整合、实现方式、功能架构、可视化引擎及管理流程等七个方面。

1、组织保障

指标库这类数据管理项目，或称BI项目，一般业务部门参与的力度是不大的，这是大多BI项目实施效果不佳的一个深层次原因。

DAMA提到要实施数据治理活动，跨部门的数据治理委员会等是关键的组织，的确是这样，指标跟全公司每个单位都相关，对于其进行规范化改造当然应该获得大家的一致同意。

可惜的是，大多企业没有这个理想条件，也不会有数据治理委员会，在数据还未成为真正的实质性资产前，比如纳入财务部的资产目录，很少有企业会设立这个数据组织，因为效益不明显，因此，哪个企业都不大可能为指标出一个规范并且通令全公司贯彻执行，对于数据管理人员，指标库这个事情也许意义不小，但对于全公司意义则小了，这是现状。

在没有公司层面的组织保障前，数据管理人员或BI部门大多得靠自己，通过自己来推动事情往前走， 这是应有的态度，你不提，公司也没有任何人会提，毕竟你是最大受益者，实施指标库这个事情非常复杂，谁都没有成功的把握，秉持小步快跑，试点探索的原则是不错的。

笔者的这个指标库项目获得了分管领导的强力支持，这是项目能进行的现实组织保障，其实这类管理项目设立之初，很难让业务部门和一线人员马上认识到其价值并充分参与进来，这个沟通管理成本太高了，但无论如何，一个数据治理项目能否成功，公司的支持是第一要务，不仅仅是IT部门的事情，DAMA的很早就在《DAMA数据管理知识体系指南》明确了数据治理的组织要点，以下是DAMA的数据治理组织架构图，非常超前：

当然笔者觉得现实的组织演进也许如下图更合适，但道理是一样的，相关利益方需要对这个事情达成共识：

2、报表梳理

指标的主要表现形式是报表，因此第一要务就是报表梳理，公司的报表浩如烟海，因此这个项目设立之初就限制了范围，主要针对一线市场部经理、终端管理、流量管理三类核心角色，共梳理了相关的39个彩信、48份邮件通报及数据集市上的733张报表。（下图是用excel，下载企业大多用帆软、水晶一类的报表工具）

3、指标整合

各类报表及相关指标表达各不相同，梳理前应该给出一个描述指标的标准框架，包括指标大类、子类、维度、周期、归属、命名规范等等，曾经由于框架漏了一些要素导致返工现象，这个顶层设计一定要做好，以下是示例：

命名规范：业务限定词+业务名称+量值限定词+量值描述（量、收、用）

举例1：两网有效用户到达数

举例2：自建有线宽带出账用户数

下图列出了大致的梳理步骤，主要以省公司报表和彩信KPI为基础确定基准指标，各地市指标剔除个性指标后，合并到省公司的基准指标中，形成本次的最终指标范围。

全省指标共计6841个（未剔重），经过归并整合，得到基础共性指标2306个，如下图所示：

此项工作耗时巨大，以下是成果的示意：

4、实现方式

根据指标性质不同可以分为3类，即基础指标1046个、计算指标652个和通用营销类指标303个。

5、功能架构

为了支撑指标快速，标准化实现，通过增强数据管理平台来实现指标的快速开发、部署和管理，主要包括指标信息维护、指标开发、运维管理、指标质量管理等功能。

比如指标库每月需要新增超过9. 5亿行的数据，存储周期按12+1，即123亿行，以传统关系型数据库的查询能力无法支撑，这里就采用Hbase架构支撑海量指标的快速查询。

6、可视化引擎

为了支撑指标组装报表与配置报表的快速开发，使用数据可视化引擎产品，主要包括指标组装、报表开发、报表展现功能，现在的这类产品很多了，但定制化给予一个创新性项目更大的自由度。

指标组装报表工具是区别传统基于SQL配置报表的灵活度更高的报表配置方式，主要提供基于指标选择组装生成报表。

7、管理流程

指标的建设只是走完了数据治理的第一步，为了确保指标库长期可用，必须要有一套针对的指标管理机制和流程，否则建设的结束就是混乱的开始，理想的做法当然是发布一套公司级别的指标管理规范，但这个时候时机往往并不成熟，比如系统可用性到底如何，因此，我们当时就确立了一个简单原则，一条开发铁律：不重复开发，能用指标实现的不允许单独开发报表，当然这非常考验数据管理的艺术，极大依赖于团队的业务和数据能力，但有主见的数据管理团队一定要懂得如何与业务人员进行博弈，记得你才是全公司数据的管理者，而不仅仅是个开发者。

笔者在关于指标库的实现简要谈完了，但我对于大多企业搞指标库却是持悲观态度的，传统BI部门面对浩海的数据需求时，往往是没有管理原则的，因为公司对你的数据管理授权是不明确的，我们不得不以牺牲长远来满足当前，其实BI每接收一个不规范（比如胡乱的指标命名和定义）的报表需求就要承担由此带来的管理成本，而不仅仅是开发成本，这为后续数据管理的混乱埋下了祸根。

但存在的又是合理的，因为搞个指标库在开始的时候，无论是管理及运维成本都不低，关键是短期来看效益还不明显，这也许是成功案例不多的一个原因。

因此，当我们在抱怨业务指标口径一塌糊涂的时候，要记得是企业没有数据管理的原则导致了这个现象，也是你的不作为导致了这个现象，这跟公司的文化、机制及流程是息息相关的，顶层设计没解决，也许只能将就了，或者，你就要付出百倍的努力去改变或优化这个设计吧，这需要巨大的决心和毅力。

DAMA谈数据治理首当其冲谈组织设置，显然是非常睿智的，奇怪的是在知乎上关于DAMA数据治理的讨论几乎没有，这倒是值得思考的问题。

复合型序列是指含有趋势、季节、周期和随机成分的序列。对这类序列的预测方法通常是将时间序列的各个因素依次分解出来，然后进行预测。由于周期成分的分析需要有多年数据，实际中很难得到多年数据，因此采用的分解模型为：Yt=Tt×St×It。采用时间序列分解法预测，步骤如下：

确定并分离季节成分（计算季节指数）

2.建立季节模型并进行预测

从剔除季节成分后的销售量的时间序列图可以看出，销售量具有明显的线性趋势。因此，用一元线性模型来预测各季度的销售量。

线性趋势方程为：y=30.6067+0.5592t。

3.计算最后的预测值

从上图销售量预测，可以看出，预测效果非常好。（作者系美国归来的餐饮酒店数控管理专家李颖）

国内，有些企业的库存周期长达51天，仅运输成本一项，占销售额的比例就高达20%-30%。从物流成本构成看，中国物流管理成本占总成本的14%，而美国只有3.8%。对物流企业进行库存管理，其实就是降低其成本。物流企业作为供应链的一部分，不管是对库存进行管理还是要降低成本，都要在供应链的角度上来实行。

一直以来，库存管理都是影响企业盈利能力的重要因素之一。管理不当可能导致大量的库存积压，占用现金流，半成品库存的缺失导致生产计划延后，成品库存的缺失导致销售订单的延误等问题。当我们撇开单纯软件对库存管理的优化、个人高超的管理能力时，企业长期积累的数据能给我们带来什么价值？以及企业要如何开展对库存管理的可视化分析？

因此我们提供了一个库存管理数据分析的解决方案便于参考，让您通过鼠标点击和拖拽就能够轻松地掌握库存管理的货物库存结构分析、库存周转率分析、重点品牌库存月度变化趋势等分析，进一步体会到库存管理数据分析的妙用。你也可以再利用我们提供的数据自己再尝试性做一些库存管理数据分析的模板。

方案内容

本方案将给大家着重分享以下企业库存管理数据分析方面的内容干货：

1.如何快速搭建库存管理数据分析平台？

2.如何让业务部门人员直接基于库存数据快速完成库存结构分析？

3.如何让业务部门人员直接基于库存数据快速完成库存周转率分析及重点品牌库存月度分析？

4.如何让业务领导直接基于库存数据快速完成即席数据分析？

5.如何让企业库存管理数据分析成果实现团队协作共享？

方案效果及实现说明

1.如何快速搭建库存管理数据分析平台？

这部分工作属于企业IT部门的前期数据准备工作，需要IT部门在FineBI的数据配置-数据连接管理中新建好数据连接，保证数据连接测试成功。然后添加库存管理业务包，将相关数据表加入并且建好立表间关联关系即可（如果是FineIndex类型的业务包需要更新好FineIndex数据）。分配好对应数据权限之后，用户即可直接在浏览器前端来对这些库存管理数据进行即席的多维探索分析。

以本方案为例，如上图所示，我们在库存管理业务包中添加好货物维度表、货物库存事实、货物库存明细事实表，并且建立好维度表和事实表之间的数据关联关系。

最后在数据配置-权限配置管理界面中将建立好的库存管理业务包的权限分配给业务部门相关人员，并且在管理系统-用户管理中将对应授权人员加入到BI编辑用户的已授权列表中。

2.如何让业务部门人员直接基于库存数据快速完成库存结构分析？

数据底层搭建完，就可以使用分配好数据权限的账号登录平台，快速新建仪表板做基础数据分析了。

以库存结构分析为例，库存按结构通常分为可售库存、不可售库存、锁库库存（有些行业还有虚库存和调配库存等）。

可售库存——普通用户在网站前台看到的的库存。而一般为了防止竞品通过前端库存来预测其销量和总库存，前端只显示“有货”或“无货”不可售库存——当商品出现破损等不符合销售标准的情况下归属到不可销售库存锁库库存——在生产销售过程中已售出但未出库的商品即为库存锁定

我们可以看到总体库存结构以及每一个商品的库存结构分析，下方的明细表是我们通常在做基础信息分析时最传统和熟悉的报表展现。我们在做分析时往往可以通过一张明细表先把货物库存的基础属性拖拉出来，然后对其中所需要的字段进行进一步需要的加工处理。

3.如何让业务部门人员直接基于库存数据快速完成库存周转率分析及重点品牌库存月度分析？

a.库存周转率分析

同样地，我们可以把我们库存周转常用的指标，先通过一张明细表先把货物库存周转的常用指标拖拉出来。常用库存指标如下：

期初金额——通常，期初余额是上期账户结转至本期账户的余额，在数额上与相应账户的上期期末余额相等期末金额——期末余额=期初余额+本期增加发生额-本期减少发生额平均金额=（期初金额+期末金额）/2销货成本=单件销货成本*件数库存周转率=销货成本/平均金额库存周转天数=360/库存周转率

然后对其中所需要的字段进行进一步需要的加工分析，如通过增加文本过滤控件来选择我们需要重点关注的产品，点击明细指标表联动我们关注的货物的库存周转率月度趋势。同时可以研究不同类别及不同仓库类型的库存周转天数分布。

b.重点品牌库存月度分析

实际生产和销售过程中的货物众多，一般我们有我们的主要售卖货物或商品，这些货物或者商品在市场上更有竞争力，也是企业主要的利润价值来源，我们也会更关注这几类主要货物或商品的库存情况。如图，我们对产品进行了过滤，将五个主要商品挑选了出来，重点研究这几种商品的库存量及库存周转天数的月度走势，进而判断这几类商品是否存在潜在的滞销情况，进行销售管控。

4.如何让业务领导直接基于库存数据快速完成即席数据分析？

除了以上给大家介绍的制作一些企业常用的库存管理数据分析之外，FineBI最大的特性就是随时满足业务人员或者企业领导的数据即席分析需求了，通过轻松的托拖拽拽操作，就能生成丰富多样的数据分析统计结果。

可以看到轻松拖拽就可以马上完成可视化，实现快速分析。

5.如何让企业库存管理数据分析成果实现团队协作共享？

企业的各项工作，主要由各部门团队分工协作完成，彼此之间需要很好地进行沟通和配合，那么FineBI是如何帮助企业将库存管理数据分析成果实现团队协作共享的呢？

以上文所述的库存周转率分析为例，那么通过FineBI可以非常便捷地将它分享给相关部门或者指定人员的。

例如这边想把它分享给领导，那么可以在FineBI的仪表板中将做好的库存周转率分析模板点击分享给对应的Tom，然后点击确定即可。这样一来，对应的Tom登录之后就完全能够使用该模板。

关于客户管理的分析以上只是举了一个案例，告诉大家怎样去通过BI工具分析，库存管理更多的数据分析可以参见我们写的一篇文章《如何做好库存分析？》，具体的实操，大家可以用FineBI尝试下。