DataPipeline | 享物說產(chǎn)品負(fù)責(zé)人夏凱：數(shù)據(jù)驅(qū)動(dòng)的用戶增長實(shí)戰(zhàn)

夏凱

卡內(nèi)基梅隆大學(xué)計(jì)算機(jī)系畢業(yè)，曾供職于Evernote數(shù)據(jù)團(tuán)隊(duì)和微軟Bing.com搜索引擎廣告部門?；貒笞鳛樵缙诔蓡T加入小紅書，先后從事大數(shù)據(jù)，用戶增長，項(xiàng)目和團(tuán)隊(duì)管理等工作。

我最初是在美國做搜索型廣告?；貒螅尤胄〖t書，做基礎(chǔ)的數(shù)據(jù)服務(wù)、數(shù)據(jù)平臺(tái)。作為創(chuàng)業(yè)團(tuán)隊(duì)，最開始想做數(shù)據(jù)挖掘、數(shù)據(jù)統(tǒng)計(jì)、增長，但是沒數(shù)據(jù)，所以先得把數(shù)據(jù)的采集、管理、計(jì)算、儲(chǔ)存的技術(shù)架構(gòu)搭起來，有了技術(shù)架構(gòu)之后，再做進(jìn)一步的數(shù)據(jù)分析，基于分析與決策，然后再做增長，進(jìn)而推動(dòng)產(chǎn)品的迭代和公司各個(gè)層面的決策。因此，我將從技術(shù)架構(gòu)、到分析、增長、產(chǎn)品的路徑進(jìn)行分享。

一、享物說是什么

先介紹一下現(xiàn)在做的一個(gè)事情，享物說是一個(gè)小程序，也有APP，主要是做用戶與用戶之間物品互換社區(qū)，有一點(diǎn)像閑置交易。由于免費(fèi)，用戶與用戶之間，通過我們定義的小紅花積分互相換東西，用戶黏性與興趣非常高，增長率也非?？欤瑫r(shí)借著小程序傳播非?？斓奶攸c(diǎn)，在過去10個(gè)月內(nèi)，我們從0做到3000萬的節(jié)奏。B端商業(yè)/企業(yè)端可以在平臺(tái)上送東西做推廣、回饋粉絲活動(dòng)。除此之外，我們也會(huì)做一些公益，如捐贈(zèng)圖書館等。

二、數(shù)據(jù)平臺(tái)的從0到1

1.數(shù)據(jù)團(tuán)隊(duì)的創(chuàng)業(yè)故事

隨著數(shù)據(jù)增長的速度，會(huì)對(duì)數(shù)據(jù)團(tuán)隊(duì)提出很大的挑戰(zhàn)。對(duì)我們來說，最初的挑戰(zhàn)是業(yè)務(wù)在10個(gè)月內(nèi)以非?？斓乃俣仍鲩L，我們內(nèi)部從零到一搭建一個(gè)完善的數(shù)據(jù)平臺(tái)，支撐高速發(fā)展的業(yè)務(wù)是比較困難的。因此，基于業(yè)務(wù)，我們首要考慮的是需要支持什么樣的業(yè)務(wù)數(shù)據(jù)分析需求；第二是如何在短期內(nèi)迭代一個(gè)MVP的產(chǎn)品支撐這些需求，基于以上思考，我們利用云計(jì)算工具和第三方服務(wù)，加上我們團(tuán)隊(duì)工程師的努力，再根據(jù)產(chǎn)品反饋、業(yè)務(wù)部門使用數(shù)據(jù)的反饋，我們對(duì)數(shù)據(jù)平臺(tái)進(jìn)行了迭代。

2.數(shù)據(jù)的需求

第一點(diǎn)：提高產(chǎn)品和改善用戶體驗(yàn)。在對(duì)產(chǎn)品功能設(shè)計(jì)、流通布局、頁面設(shè)計(jì)等方面進(jìn)行決策的時(shí)候，我們更多是希望依賴數(shù)據(jù)，而不是經(jīng)驗(yàn)。然而通過數(shù)據(jù)分析支持決策，就需要采集、計(jì)算、存儲(chǔ)與分析工具。有這樣一個(gè)場景，我們?cè)?jīng)很強(qiáng)烈的爭論過，在產(chǎn)品設(shè)計(jì)與業(yè)務(wù)設(shè)計(jì)之間，到底應(yīng)該用單列瀑布流的形式，還是用雙列的形式？

單列圖文并茂，可以沉浸式的瀏覽，但是一次只能看見一個(gè)；雙列的布局是一屏可以看到多個(gè)，點(diǎn)進(jìn)去再退回來，但是可能會(huì)打斷用戶瀏覽。今天看來類似抖音與快手的布局，在當(dāng)時(shí)還沒有快手讓我們做參考。當(dāng)時(shí)，我們把這兩個(gè)布局分別分配10%的流量，過一段時(shí)間后，通過看使用時(shí)長、用戶黏性詳情，我們依靠數(shù)據(jù)決策采用了雙列布局。由于抖音的出現(xiàn)，我們重新設(shè)計(jì)了單列布局，讓用戶體驗(yàn)變的更直接、更沉浸、交互性更強(qiáng)。

第二點(diǎn)：IF U CAN'T MEASURE IT, CAN'T MANAGE IT。在公司管理或者決策分析時(shí)，在沒有數(shù)據(jù)支持情況下，大家很容易陷入主觀討論和爭議。因此，我們?cè)谶M(jìn)行產(chǎn)品流程/功能的迭代，通過借助數(shù)據(jù)分析工具，根據(jù)數(shù)據(jù)分析結(jié)果制定完善的迭代方案，避免陷入無意義的爭論中。

最后一點(diǎn)，上升到文化層面：主動(dòng)意識(shí)+智商+理智環(huán)境+信息透明 = RELIABLE DECISION MAKING。我個(gè)人認(rèn)為幫助整個(gè)公司/組織做可信賴的決策支持，有四個(gè)因素：主動(dòng)意識(shí)、足夠自驅(qū)以及智商，后面兩個(gè)因素和數(shù)據(jù)息息相關(guān)，分別是理智環(huán)境和信息透明。在相對(duì)理智的環(huán)境，讓每個(gè)人都可以發(fā)聲，讓每個(gè)人的意見都可以被尊重，通過數(shù)據(jù)進(jìn)行決策。另外一個(gè)因素就是信息透明，每個(gè)做決策/參與決策的人，基于足夠多的數(shù)據(jù)信息，進(jìn)行有效的判斷。

3.對(duì)數(shù)據(jù)平臺(tái)的需求

對(duì)于一家企業(yè)而言，對(duì)數(shù)據(jù)需求強(qiáng)烈的部門如市場部、運(yùn)營部、銷售部等，市場部每年推廣費(fèi)用巨大，通過數(shù)據(jù)分析進(jìn)行ROI計(jì)算，因此市場部對(duì)于數(shù)據(jù)質(zhì)量、渠道流量質(zhì)量有極高的要求；運(yùn)營部門對(duì)數(shù)據(jù)靈活性有很高的要求，比如說今天運(yùn)營部做一個(gè)活動(dòng)，如何衡量活動(dòng)對(duì)拉新的效果以及對(duì)老用戶促銷效果，通過分層對(duì)不同用戶的召回效果進(jìn)行評(píng)判活動(dòng)的質(zhì)量。而這在數(shù)據(jù)靈活性、指標(biāo)靈活性上面需要進(jìn)行多維分析。

4.方案的迭代

研發(fā)團(tuán)隊(duì)更多是支持線上業(yè)務(wù)，因此對(duì)數(shù)據(jù)平臺(tái)的高可用有很強(qiáng)的依賴，如果他的推薦用到你的數(shù)據(jù)結(jié)果，不管是計(jì)算用戶中短期的用戶畫像，或者直接通過數(shù)據(jù)結(jié)果做推測或者對(duì)搜索排名做決策的時(shí)候，需要數(shù)據(jù)保持高可用，并且提供可編程可直接對(duì)接的接口。產(chǎn)品這塊提出的需求，一是基于自己的KPI指標(biāo)體系，二是不同的產(chǎn)品經(jīng)理會(huì)看不同的指標(biāo)。大的產(chǎn)品經(jīng)理，會(huì)看GMV，小的產(chǎn)品經(jīng)理會(huì)看注冊(cè)、轉(zhuǎn)化、點(diǎn)擊、測試結(jié)果等，這些要支持各種不同力度下鉆，以及指標(biāo)分析。

最初，我們是通過在業(yè)務(wù)數(shù)據(jù)庫里面跑數(shù)據(jù)，工程師需要寫腳本，以及通過跑數(shù)據(jù)填到Excel里面，再給到業(yè)務(wù)部門。這種方式非常不靈活，以及會(huì)影響線上的業(yè)務(wù)訪問，即使將數(shù)據(jù)同步到其他數(shù)據(jù)庫里面，依舊會(huì)出現(xiàn)只有最終業(yè)務(wù)數(shù)據(jù)結(jié)果，沒有過程問題。例如訂單數(shù)據(jù)，要想知道這個(gè)訂單從簽收、流轉(zhuǎn)、發(fā)貨的狀態(tài)流轉(zhuǎn)上是比較困難的，因?yàn)橹挥挟?dāng)前的用戶狀態(tài)、交易狀態(tài)、支付狀態(tài)等最終結(jié)果。

在迭代過程中，我們需要的是用戶行為日志，通過狀態(tài)變更日志這樣的方式，把一些結(jié)果的數(shù)據(jù)落到日志里面，最后再做分析。這樣就提出來對(duì)日志的采集、同步計(jì)算與結(jié)構(gòu)化的需求。

5.數(shù)據(jù)平臺(tái)設(shè)計(jì)方案

當(dāng)時(shí)一部分業(yè)務(wù)在騰訊云，后來我們采用了混合云方式。我們的數(shù)據(jù)平臺(tái)架構(gòu)隨著業(yè)務(wù)量的升級(jí)，經(jīng)過幾次迭代，下面和大家分享一下我們?cè)诘^程中是如何思考的，以及為什么做這樣的決策。

最初的業(yè)務(wù)分析需求比較簡單，當(dāng)時(shí)對(duì)數(shù)據(jù)分析需求較急的是業(yè)務(wù)部門，如對(duì)某些接口的訪問數(shù)、某些功能的瀏覽量、點(diǎn)擊量分析這些需求，工程師一天就可以完成。然而隨著業(yè)務(wù)量上升，接下來各種各樣的靈活性數(shù)據(jù)分析需求撲面而來，無法應(yīng)對(duì)。

前端、客戶端、小程序、移動(dòng)平臺(tái)、PC等來的流量，這些數(shù)據(jù)會(huì)最終會(huì)落到兩個(gè)地方，用戶行為數(shù)據(jù)會(huì)落在用戶的訪問日志上，這些日志被進(jìn)一步收集采集；業(yè)務(wù)數(shù)據(jù)會(huì)通過定時(shí)同步的方式，把業(yè)務(wù)數(shù)據(jù)定時(shí)同步到文件儲(chǔ)存上，最終這些數(shù)據(jù)會(huì)落到AWS，基于數(shù)據(jù)倉庫，我們直接落到數(shù)據(jù)倉庫，這個(gè)數(shù)據(jù)倉庫可以結(jié)構(gòu)化，實(shí)現(xiàn)速度較快，需要維護(hù)與搭建的成本相對(duì)較低。

當(dāng)時(shí)遇到兩個(gè)問題：一個(gè)是這套系統(tǒng)的靈活性比較有限，當(dāng)有實(shí)時(shí)、大量的數(shù)據(jù)需求，以及需要快速拿到分析結(jié)果時(shí)，會(huì)產(chǎn)生計(jì)算跟不上展示問題。另外，當(dāng)時(shí)的AWS只有線下庫的專區(qū)，數(shù)據(jù)會(huì)有延時(shí)。隨著開放，我們迅速遷入過去。因?yàn)橛袑?shí)時(shí)的數(shù)據(jù)需求，我們用了AWS版本的鏈接數(shù)據(jù)做同步。然而仍然會(huì)由于大量的數(shù)據(jù)，導(dǎo)致計(jì)算存儲(chǔ)量問題。

基于以上情況，我們搭建了自己的EMR數(shù)據(jù)集群，之后進(jìn)行分析數(shù)據(jù)、離線運(yùn)算結(jié)果，可以迅速被業(yè)務(wù)部門使用與訪問，進(jìn)而可以支持到物流計(jì)算、KPI計(jì)算。但是當(dāng)不同數(shù)據(jù)源的數(shù)據(jù)量都在快速增長的時(shí)候，這樣的方式也變的不是很穩(wěn)定。

在我剛開始做這件事的，我們工程師是自己寫任務(wù)，管理大量腳本，跑各種有前后依賴的任務(wù)，非常花費(fèi)工程師的精力，特別是在工程師只有兩三個(gè)。在這種情況下，我們接觸到了DataPipeline，他們拿出了相對(duì)成熟的數(shù)據(jù)管理平臺(tái)DataPipeline，并且通過私有化部署在我們服務(wù)器上以及完善的解決方案，這在很大程度上幫助我們解決了工程師遇到的諸多問題。可以相對(duì)比較穩(wěn)定的支撐我們推薦、搜索、一線分析、業(yè)務(wù)分析等不同的場景。

6.數(shù)據(jù)平臺(tái)工具

我們?cè)谥挥袔讉€(gè)工程師的情況下支撐了整個(gè)數(shù)據(jù)架構(gòu)，供業(yè)務(wù)部門進(jìn)行數(shù)據(jù)分析。我們目前用Airflow做一些任務(wù)調(diào)度，以及通過Tableau進(jìn)行可視化分析。

三、Growth的分析框架

下面和大家分想一些關(guān)于Growth內(nèi)容。隨著業(yè)務(wù)量的增長，有了數(shù)據(jù)、以及分析工具后，我們需要進(jìn)行分析，持續(xù)化完成增長目標(biāo)，包括拉新、激活、召回到留存這些模式。我今天和大家分享的內(nèi)容將更偏數(shù)據(jù)分析的框架，這個(gè)框架簡單總結(jié)是以下五步。

第一步：監(jiān)測

需要有一個(gè)可以監(jiān)測的數(shù)據(jù)平臺(tái)或者數(shù)據(jù)工具。通過數(shù)據(jù)平臺(tái)/數(shù)據(jù)工具，進(jìn)而可以分析當(dāng)前發(fā)生了什么，以便如何進(jìn)行優(yōu)化和迭代。監(jiān)測最理想狀態(tài)是每天當(dāng)我進(jìn)到辦公室的前5分鐘，瀏覽一下數(shù)據(jù)簡報(bào)，對(duì)整個(gè)平臺(tái)、整個(gè)產(chǎn)品的狀況有一個(gè)大致評(píng)估。

第二步：挖掘/猜想

當(dāng)發(fā)現(xiàn)產(chǎn)品有好/壞狀況變動(dòng)后，再進(jìn)一步拆解這些指標(biāo)，進(jìn)行分析，做進(jìn)一步挖掘。

下圖是一個(gè)Growth案例，例如我關(guān)心的是整個(gè)產(chǎn)品使用總時(shí)長，每天都會(huì)關(guān)注指標(biāo)變動(dòng)，因?yàn)樘旌吞熘g有周末，因此會(huì)有較多的波動(dòng)，而通過七天平均時(shí)長來看，就相對(duì)平緩一些，這是通過時(shí)間層面看出趨勢(shì)變化。

一旦看出趨勢(shì)變得不好/更好，通過把目標(biāo)、指標(biāo)拆解進(jìn)行分析。一個(gè)簡單的拆解思路就是對(duì)于使用時(shí)長來說，通過內(nèi)容產(chǎn)生和內(nèi)容消費(fèi)兩個(gè)端來看，到底多少人貢獻(xiàn)了可以增長時(shí)長的內(nèi)容，以及多少人來消費(fèi)這些內(nèi)容，增加時(shí)長。例如，享物說是一個(gè)內(nèi)容消費(fèi)平臺(tái)，我們的內(nèi)容都是用戶發(fā)布的，發(fā)布內(nèi)容包括話題、筆記或者是物品，我可能會(huì)分為以下幾個(gè)維度，誰、什么時(shí)候、如何發(fā)布、新用戶/老用戶、哪些地區(qū)的用戶、在工作日還是節(jié)假日、晚上還是白天，發(fā)布的內(nèi)容會(huì)分不同品類、母嬰類、穿搭類、美妝類還是其他，如何發(fā)布？是通過小程序、APP、安卓、IOS、PC端，從活動(dòng)頁面進(jìn)入還是從專題頁面進(jìn)入。

之所以進(jìn)行維度拆分，當(dāng)我們看到一個(gè)大指標(biāo)發(fā)生變化的時(shí)候，無法立刻知道是全局還是只在某個(gè)時(shí)間節(jié)點(diǎn)上發(fā)生了變化，因此在進(jìn)行這樣的拆分后，如果這一指標(biāo)在每個(gè)維度都發(fā)生了變化，可以判斷可能是全盤的變化；如果這個(gè)指標(biāo)只在某幾個(gè)維度發(fā)生了變化，例如只在上海地區(qū)新用戶男性中發(fā)生了變化，我們可能會(huì)有一些基本的假設(shè)，進(jìn)一步就可以用這些假設(shè)驗(yàn)證是不是上海最近做了線下活動(dòng)，或者是不是在IOS版本上發(fā)生了BUG。

第三步：測

在對(duì)指標(biāo)進(jìn)行維度拆分后，基于挖掘/猜想，再通過數(shù)據(jù)進(jìn)行驗(yàn)證。進(jìn)而對(duì)產(chǎn)品的一些功能進(jìn)行改進(jìn)或者流程上的迭代。

第四步：讀

完成“測”的部分后，進(jìn)一步將你想要做的改動(dòng)放到產(chǎn)品里面驗(yàn)證，跑一段時(shí)間數(shù)據(jù)，通過A/B測試以及數(shù)據(jù)效果可以發(fā)現(xiàn)精細(xì)的測量結(jié)果。

第五步：迭代

迭代部分就是通過重復(fù)這個(gè)過程，在產(chǎn)品的樣式、按紐文案、布局上做各種各樣的改進(jìn)和測試。因?yàn)橄胍焖佼a(chǎn)生產(chǎn)品或者指標(biāo)效果，質(zhì)的飛躍是比較困難的，通過不斷優(yōu)化能夠逐步把產(chǎn)品往好的方向推進(jìn)。

以上是基于數(shù)據(jù)做增長類分析的簡單框架，最后和大家分享的內(nèi)容是如何用數(shù)據(jù)講故事的套路。

四、用數(shù)據(jù)講故事的套路

當(dāng)我們需要展現(xiàn)數(shù)據(jù)或者展現(xiàn)論點(diǎn)的時(shí)候，如果只是呈現(xiàn)數(shù)據(jù)，別人無法直接看出來你想要表達(dá)的觀點(diǎn)。如果是將數(shù)據(jù)可視化，就會(huì)更容易的讓人清晰知道你想要表達(dá)什么。例如下面這張典型的電商數(shù)據(jù)可視化圖，橫軸代表物品瀏覽量，縱軸是物品實(shí)際銷售量，不同顏色的圈代表了不同的品類物品，不同大小代表了不同的利潤率。所以它代表一個(gè)物品被看了多少次以后，成功交易出去。比如右下角，代表的意義是很多用戶看，但是沒有人買的東西，左上角代表用戶看見立刻就買的物品，這是我們?cè)诳吹竭@張圖對(duì)轉(zhuǎn)化率直觀的感受。

為什么數(shù)據(jù)可視化或者用數(shù)據(jù)講故事特別重要？在一個(gè)數(shù)據(jù)分析師或者數(shù)據(jù)科學(xué)家的整個(gè)工作流程中，可視化只占非常小的一部分。更多精力是放在確保數(shù)據(jù)正確性，確保數(shù)據(jù)采集、數(shù)據(jù)清洗、整理、計(jì)算、建模整個(gè)完整流程。但是通過可視化或者用數(shù)據(jù)講故事，往往是最能被人感知的環(huán)節(jié)，而且在這個(gè)環(huán)節(jié)也最缺少現(xiàn)成的經(jīng)驗(yàn)或者可直接學(xué)習(xí)的教材或者技能。所以在這個(gè)方面和大家相互交流的一些經(jīng)驗(yàn)。

1. 兩種數(shù)據(jù)分析需求 

一般數(shù)據(jù)分析分為兩類，一類叫做解釋性分析，一類叫做探索性分析。探索性分析是當(dāng)我們通過數(shù)據(jù)報(bào)表或者是一些日常的數(shù)據(jù)分析，發(fā)現(xiàn)問題后，我們會(huì)進(jìn)一步帶著這個(gè)問題找一些假設(shè)，然后再用數(shù)據(jù)驗(yàn)證它。如果一旦覺得這個(gè)假設(shè)可行，我們就會(huì)需要一些解釋性的分析把它給相關(guān)的人看，告訴他為什么有這樣的假設(shè)，以及覺得為什么應(yīng)該做ABC不同的方案。這時(shí)候我們需要用數(shù)據(jù)解釋前面提出的方案/論點(diǎn)，這兩個(gè)過程往往是必不可少的。

2. 把數(shù)據(jù)變成故事

當(dāng)我們向別人呈現(xiàn)數(shù)據(jù)報(bào)表/PPT，第一，聽眾會(huì)是不同的人；第二，會(huì)是不同的場景。例如工程師，他可能會(huì)更關(guān)注你的數(shù)據(jù)分析如何推導(dǎo)生成的，為什么產(chǎn)生這樣的結(jié)果？他會(huì)對(duì)結(jié)果推理的可信度以及產(chǎn)生過程有一個(gè)非常強(qiáng)的質(zhì)疑，你需要給他非常強(qiáng)的證據(jù)。如果是銷售、市場人員，對(duì)這個(gè)過程就不是特別關(guān)注，他關(guān)注你的分析結(jié)果對(duì)他會(huì)產(chǎn)生哪些結(jié)果，以及如何利用這一結(jié)果，因此就需要對(duì)不同的人說不同的話。

另外一種情況，有的人天生帶著一些先入為主的偏見或者意識(shí)。例如，當(dāng)你拿著數(shù)據(jù)分析結(jié)果和產(chǎn)品經(jīng)理討論的時(shí)候，他會(huì)拿用戶反饋的直接結(jié)果，來駁斥你的數(shù)據(jù)分析推理。為什么會(huì)有這樣的情況呢？因?yàn)?span >用戶反饋是一個(gè)更直接、讓你直觀感受更強(qiáng)的意見，但是數(shù)據(jù)確是一個(gè)比較冷冰冰放在那兒的東西。除此之外，還有一個(gè)原因叫做幸存者偏見，愿意給你反饋，特別是負(fù)面反饋的人是非常多的。因?yàn)橛玫暮玫娜丝赡芫筒徽f話了，用的不爽的人才會(huì)過來罵一罵，如果你對(duì)有些功能提出不同意見的人，可能他的意見表達(dá)更強(qiáng)烈，你會(huì)更關(guān)注到他。這是在平衡用戶反饋結(jié)果還是數(shù)據(jù)調(diào)研結(jié)果做決策的時(shí)候需要注意的點(diǎn)。

3. 電梯間測試

這當(dāng)中常用的例子就是電梯間測試，不管是創(chuàng)業(yè)還是在公司里給上級(jí)領(lǐng)導(dǎo)匯報(bào)一項(xiàng)工作，或者想要爭取一個(gè)新的方案通過，都會(huì)有這樣一個(gè)過程：如何在短時(shí)間內(nèi)讓對(duì)方GET到你想要表達(dá)的點(diǎn)。當(dāng)他愿意進(jìn)一步和你做溝通的時(shí)候，你再給出更多證據(jù)或者數(shù)據(jù)來證明，最終當(dāng)他和你結(jié)束這場對(duì)話的時(shí)候，它進(jìn)入的只是你一個(gè)或者一兩個(gè)結(jié)論，這就是電梯間測試的全部過程。

呈現(xiàn)數(shù)據(jù)也是這樣，當(dāng)你呈現(xiàn)數(shù)據(jù)給他的時(shí)候，你只希望他記住一個(gè)或者一兩個(gè)點(diǎn)，能夠GET到你這段數(shù)據(jù)需要表達(dá)的意思。

下面我用兩個(gè)例子來解釋，第一個(gè)例子是原來做過一個(gè)客服工單完成度記錄。把每個(gè)月客服工單完成情況記一記，區(qū)分收到的工單和處理的工單，從這個(gè)報(bào)表的呈現(xiàn)上其實(shí)沒有什么問題，但是我們也看不出需要關(guān)注什么。它的優(yōu)化是什么？背后其實(shí)想說的是隨著后面幾個(gè)月，我們收到的工單越來越多，收到的工單處理不完，所以把收到的工單和處理的工單直接羅列在這里，對(duì)后面幾個(gè)月做直接數(shù)字直觀的呈現(xiàn)，把結(jié)論貼在這兒，告訴上級(jí)因?yàn)楹竺嫣幚聿煌旯瘟?，需要急增人手。這是第一眼看上去知道你這個(gè)圖要表達(dá)什么、說明什么。

對(duì)于餅圖也是一樣。餅圖在我看來是一個(gè)非常不好的數(shù)據(jù)工具，盡量不要用餅圖。當(dāng)我們?cè)谧龉残詢?yōu)化之后，有更多人滿意，但是因?yàn)槠渲谢祀s的人數(shù)比較多，需要反應(yīng)一下才能看出不同的顏色代表不同的含義，再對(duì)應(yīng)觀察一下才會(huì)發(fā)現(xiàn)原來是滿意的人多了。另外，如果我想要表達(dá)完全不同的意見，通過做3D餅圖操縱數(shù)據(jù)結(jié)果。

下圖是完全一樣的餅圖，當(dāng)我用不同的方式做3D餅圖的時(shí)候，你會(huì)在左邊看出來是支持人更多，右邊反對(duì)的人更多。

以上分享的內(nèi)容基本涵蓋了我工作過的不同領(lǐng)域，最初是如何通過數(shù)據(jù)架構(gòu)或者數(shù)據(jù)工程迭代去支撐業(yè)務(wù)，進(jìn)一步如何通過數(shù)據(jù)做增長，最后是當(dāng)我有各種各樣分析場景后，我如何讓分析和溝通變得更加高效。

謝謝大家，給大家分享的就是這么多。

點(diǎn)擊這里，免費(fèi)申請(qǐng)DataPipeline產(chǎn)品試用