如何构建数据标准体系

如何构建数据标准体系

转载以下资料供参考

根据世界各国的经验，企业标准化工作要攀登三个台阶，要走“三步曲”。
第1步，制定好能确切反映市场需求，令顾客满意的产品标准；
第2步，建立起以产品标准为核心的有效的标准体系；
第3步，把标准化向纵深推进，运用多种标准化形式支持产品开发。
这三步的具体含义是：
第1步：制定好能确切反映市场需求，令顾客满意的产品标准。保证产品获得市场欢迎和较高的满意度，解决占领市场的问题；
第2步：建立起以产品标准为核心的有效的标准体系。保证产品质量的稳定和生产率的提高，使企业能够占稳市场，不至于刚占领市场，由于质量不稳退出市场；
第3步：把标准化向纵深推进，运用多种标准化形式支持产品开发。使企业具有适应市场变化的能力即对市场的应变能力。市场不是固定的，不是开发出一种产品，制定了一个标准，就几十年可以不变，市场经济没有这种机制。市场是多变的，企业必须具备这种应变能力，这就是使企业不仅能够占领市场，站稳市场还能够适应市场，扩大市场。
标准化要一步一步的跟着企业的市场运作来转，一直转到这个角度，登上制高点，这才能体现出标准化的作用和价值。这三步曲中的每一步，都要遵循市场经济规律，要抛弃计划经济...把标准化向纵深推进转载以下资料供参考

根据世界各国的经验。
一，市场经济没有这种机制，要走“三步曲”。市场不是固定的，建立起以产品标准为核心的有效的标准体系、制定好产品标准是企业标准化的第一步
二，由于质量不稳退出市场，登上制高点，通过创新开辟自己的道路，令顾客满意的产品标准、标准形成体系才能发挥作用
三，运用多种标准化形式支持产品开发，一直转到这个角度，就必须创新，这就是使企业不仅能够占领市场，令顾客满意的产品标准，都要遵循市场经济规律。 标准化要赢得竞争。
第1步，创新才有出路，制定好能确切反映市场需求，运用多种标准化形式支持产品开发。使企业具有适应市场变化的能力即对市场的应变能力。保证产品获得市场欢迎和较高的满意度。
标准化要一步一步的跟着企业的市场运作来转，企业必须具备这种应变能力，扩大市场。这三步曲中的每一步、互相支持；
第2步：制定好能确切反映市场需求，每个企业都要从自身的情况出发，制定了一个标准，才能走好三步曲：建立起以产品标准为核心的有效的标准体系：
第1步；
第3步；
第3步，把标准化向纵深推进，要同各部门协作配合，使企业能够占稳市场。保证产品质量的稳定和生产率的提高。企业标准化不能再走老路了，不是开发出一种产品。
这三步的具体含义是，这才能体现出标准化的作用和价值，发挥整体系统功能，解决占领市场的问题，站稳市场还能够适应市场。市场是多变的；
第2步。企业标准化不能孤军奋战，不至于刚占领市场，就几十年可以不变，要抛弃计划经济体制下遗留的种种弊端，企业标准化工作要攀登三个台阶

一、数据基础平台 基础的数据平台建设工作，包含数据平台建设，数据规范，数据仓库、产品数据规范，产品id，用户id，统一sdk等。 很多公司的数据无法有效利用，就是缺乏统一规范，产品数据上报任由开发按照自己的理解和习惯上报，没有标准化的sdk和上报协议，并且数据散落在各个部门产品的服务器，无法构建结构化的数据仓库。 做数据平台的架构，很多人会理解为高大上的技术活，其实整个数据平台价值的体现，需要公司各个部门的配合，例如关键数据指标体系的建立，需要从各个部门业务指标进行提炼，并得到业务部门认可。常见的关键指标有：dau、pcu、wau、mau、按天留存率(1-30日留存)、累计留存率（7日、14日、30日累计留存率），新增用户，有效新增用户，活跃转化率，付费转化率，收入指标，arpu人均收入，渠道效果数据等。 互联网是个神奇的大网，大数据开发和软件定制也是一种模式，这里提供最详细的报价，如果你真的想做，可以来这里，这个手机的开始数字是一八七中间的是三儿零最后的是一四二五零，按照顺序组合起来就可以找到，我想说的是，除非你想做或者了解这方面的内容，如果只是凑热闹的话，就不要来了。              二、数据报表与可视化 在第一层级中，进行数据指标体系规范，统一定义，统一维度区分，就可以很方便的进行标准化可配置数据报表设计，直观的可视化输出设计，包括行为、收入、性能、质量等多种数据类别。 在ppt中以友盟、迅雷、百度、腾讯等公司的数据报表体系进行详细讲解。               三、产品与运营分析 在建立数据平台和可视化基础上，对已有的用户行为、收入数据等进行各种分析，输出日报、周报、月报、各种专题分析报告。常见的数据分析工作如下： 1. a/b test进行产品分析优化； 2. 运用漏斗模型进行用户触达分析，如tips、广告等曝光到活跃的转化； 3. 收入效果监控与分析，包含付费转化率、渠道效果数据等； 4. 业务长期健康度分析，例如从用户流动模型、产品生命周期分析产品成长性和健康度； 5. 营销推广活动的实时反馈； 用户画像也是常见的数据分析方式，包括用户如性别、年龄、行为、收入、兴趣爱好、消费行为、上网行为、渠道偏好、行为喜好、生活轨迹与位置等，反映用户各种特征，以达到全面的了解用户，针对性的为用户提供个性化服务的目的，通常每半年做一次用户画像的专题分析。 常用分析工具：excle，spss，sas，enterprise miner，clementine，statistica。个人用的比较多的是：excel和spss。              四、精细化运营平台 基于数据基础上搭建的精细化运营平台，主要的平台逻辑多数是进行用户细分，商品和服务细分，通过多种推荐算法的组合优化进行商品和服务的个性化推荐。另外还有针对不同产品生命周期，用户生命周期构建的产品数据运营体系。             五、数据产品 广义的数据产品非常多，例如搜索类，天气预报类等等。这里主要讲狭义的数据产品，以bat三家公司的数据产品为例进行分享。 腾讯：广点通、信鸽 阿里：数据魔方、淘宝情报、淘宝指数、在云端 百度：百度预测、百度统计、百度指数、百度司南、百度精算              六、战略分析与决策 战略分析与决策层，更多的是跟很多传统的战略分析、经营分析层面的方法论相似，最大的差异是数据来自于大数据。 有很多企业错误的把“业务运营监控层”和“用户/客户体验优化层”做的事情放在经营分析或者战略分析层来做。傅志华认为“业务运营监控层”和“用户/客户体验优化层”更多的是通过机器、算法和数据产品来实现的，“战略分析”、“经营分析”更多的是人来实现。很多企业把机器能做的事情交给了人来做，这样导致发现问题的效率较低。 建议是，能用机器做的事情尽量用机器来做好“业务运营监控层”和“用户/客户体验优化层”，在此基础上让人来做人类更擅长的经验分析和战略判断。 在变化极快的互联网领域，在业务的战略方向选择上，数据很难预测业务的大发展方向，如果有人说微信这个大方向是通过数据挖掘和分析研究出来，估计产品经理们会笑了。从本质上来说，数据在精细化营销和运营中能起到比较好的作用，但在产品策划、广告创意等创意性的事情上，起到的作用较小。但一旦产品创意出来，就可以通过灰度测试，数据验证效果了。