如何制定高效的坚果类新品数据采集方案？

【任务工单1－1】

数据采集方案任务工单

续表

小商接到采集数据的任务之后没有立马就开始行动，而是先做了一些数据采集的准备工作——先制定好数据采集方案。那么制定数据采集方案需要做些什么工作呢？

一、制定分析目标和指标

分析目标是在明确分析需求的基础上制定的，在全面厘清业务目标及其运营逻辑的基础上进行的，这样的分析目标才与业务挂钩，才具备商业价值。

1.确定分析需求和目标

确定数据分析需求是数据采集的基础，数据分析需求要怎么确定呢？首先要从业务部门和管理部门收集到数据分析需求并对其进行提炼、整合；再对这些数据分析需求进行筛选，将其中无法实现的需求以及与实际情况不相符的伪需求去掉；然后对保留下来的有价值的、可实现的需求按照业务绩效进行优先级排序；最后对数据分析需求进行统计整理。

明确分析需求是确保数据分析过程有效性的先决条件，只有先明确分析需求才能制定出数据分析目标，才能进行后续的数据采集工作。本次任务中，公司需要推出受市场欢迎的坚果类新品，那么小商可以明确，公司的业务需要就是数据分析需求的出发点，分析目标就是通过数据分析找到“受市场欢迎”的，也就是交易火爆、关注度高的坚果品类。

数据分析人员要避免无分析目标的误区。在实际工作中，有些人员习惯拍脑袋做决策、凭经验做业务，没有数据决策的意识；有时候业务人员说不清数据层面的需求，常常用诸如“我想知道这次活动的效果如何”“我想下个月的销量提高20%”等方式来表达，至于具体的活动效果到底是指什么——是指访问流量大幅提升、新用户增加明显，还是指实际销售量提升显著，还是指库存压力得到有效减缓，可能业务人员自身也不明确；另外，有些业务人员不相信数据，当数据结果和业务人员设想的不同时，他们的第一反应是怀疑。因此，基于业务需求的数据分析目的越眀确，分析结论和效果落地的阻力就会越小。同时，作为数据分析人员，除了自身具有一定的业务数据意识外，还应加强与业务人员的有效沟通，从而真正明确分析的具体需求，将业务部门提出的“粗糙的要求”转化成数据需求，从而有效解决业务问题。

2.将分析目标细分为分析指标

分析目标来源于管理部门和业务部门的业务发展需要，在对其分析需求进行统计整理之后，再将这些分析目标分解为核心指标和基本指标，将业务部门和管理部门最关心的指标确定为核心指标，对核心指标进行最大化拆解，直到指标拆无可拆，构建数据分析指标体系。例如投入产出比、投资回报率、转化率、咨询率等指标，是没有直接数据的，必须将它们拆解成可以采集到的其他数据指标后再进行计算，才能得到想要的指标数据。

一般来说，核心指标往往指管理部门对业务进行绩效考核的KPI指标，而KPI指标经过最大化层级拆解之后，往往会落到业务执行过程中能提高绩效的业务行为上。换一句话说，就是将分析目标拆解成若干细分指标后，最终被用来做重点分析的，就是那些与业绩提升紧密相关的指标。

所以说，分析目标是业务层面的目标，而对于数据分析人员来说，必须将分析目标转化为数据指标，才能体现出其有效性。例如，在店铺客户数据分析中，商家是想要更精确地确定店铺客户群，还是想要扩大店铺客户群；是为了评估产品改版后的效果是否比之前有所提升，还是找到产品迭代的方向，还是想进行科学的排班以至于不必在闲时浪费人力、忙时却缺少人手。只有明确了数据分析的目的，接下来才能确定应该收集的数据都有哪些。

分析指标有时候并不能直接采集到数据，所以还需要继续细分。比如通过转化率这个指标无法直接获取到相关数据，且指标还需要细分为全店转化率、单品转化率、收藏转化率、加购转化率、咨询转化率、成交转化率等具体指标。销售额指标又可以细分为拍下总金额、支付总金额、当日拍下未付金额、退款金额等具体指标。

本任务中，小商需要把“受市场欢迎”的分析目标转化为数据指标，细分后就是“市场交易数据大”“顾客好评率高”“搜索指数大”“资讯指数大”等特点的坚果品类。那么核心指标就是交易类指标，比如订单量、订单金额、采购指数等，另外还有基本指标，比如好评率、搜索指数、资讯指数等。

3.常用分析指标类型

数据分析指标可以分为市场数据指标、运营数据指标和产品数据指标几个大类，如表1－1所示。

表1－1　常用分析指标(www.xing528.com)

二、选用采集渠道和工具

1.采集来源和工具

常见的采集来源可以大致分为三类，如图1－1所示。

图1－1　常见的采集来源

常用的数据采集渠道与采集工具如表1－2所示。

表1－2　常用的数据采集渠道与采集工具

数据采集方案如表1－3所示。

表1－3　数据采集方案

三、制定分析框架和方法

分析目标、指标以及采集渠道和工具确定后，接下来应确定分析框架。分析框架是基于对业务的理解及结构化思维能力的体现，内容包括分析维度、指标与数据模型、数据分析方法。

1.分析维度

维度代表观察事物的角度，如时间维度、地域维度等。维度可以根据需要进行细分，称为下钻或下卷；与之相反进行聚合的过程称为上钻或上卷。如果只选定一个维度分析数据，则称为切片。

时间维度包括纵向分析和横向分析。纵向分析是从过去、现在、未来的时间线上对自身发展态势进行对比分析，横向分析是从同类中找出其他对象进行对比分析。

2.数据分析模型

数据模型是不同维度的组合。进行上钻或下钻等钻取、切片是数据模型最常用的方法。数据模型将复杂的数据以结构化的形式有序组织起来，有助于从不同角度和层面观察数据，提高分析的灵活性，以满足不同的分析需求。

3.数据分析方法

数据分析方法较多，常规数据分析方法有对比分析、分组分析、结构分析、平均分析、交叉分析、描述性统计分析、趋势分析、频数分析、时间序列分析、综合评价分析、四象限分析等多种方法。