数据分析，大数据应用的一个主要场景，通过数据分析指标监控企业运营状态，及时调整运营和产品策略。大数据平台上运行的绝大多数大数据计算都是关于数据分析的，各种统计、关联分析、汇总报告，都需要大数据平台。

运营监控

那些运营数据指标，老板需要全面快速了解这些指标，以发现公司运营问题。

公司角度，运营数据是公司运行发展的管理基础，既可通过运营数据了解公司目前发展的状况，又可以通过调节这些指标对公司进行管理，即数据驱动运营。

而运营数据的获得，需要在应用程序中大量埋点采集数据，从数据库、日志和其他第三方采集数据，对数据清洗、转换、存储，利用SQL进行数据统计、汇总、分析，才能最后得到需要的运营数据报告。而这都需大数据平台支持。

互联网运营常用数据指标

不同互联网行业关注不同运营数据。但有些指标是常用的，基本反映了运营的核心状态。

1. 新增用户数

网站增长性的关键指标，指新增加的访问网站的用户数（或新下载App的用户数），对一个爆发期网站，新增用户数会在短期内出现倍增走势，是网站的战略机遇期，很多大型网站都经历过一个甚至多个短期内用户暴增阶段。

新增用户数有日新增用户数、周新增用户数、月新增用户数等几种统计口径。

2. 用户留存率

新增用户并不一定总是对网站满意，在使用网站后感到不满意，可能会注销账户（卸载App），这些辛苦获取来的用户就流失了。网站把经过一段时间依然没有流失的用户称作留存用户，留存用户数比当期新增用户数就是用户留存率。

用户留存率 = 留存用户数 / 当期新增用户数

计算留存有时间窗口，即和当期数据比，3天前新增用户留存的，称作3日留存；相应的，还有5日留存、7日留存等。新增用户可以通过广告、促销、病毒营销等手段获取，但是要让用户留下来，就必须要使产品有实打实的价值。用户留存率是反映用户体验和产品价值的一个重要指标，一般说来，3日留存率能做到40%以上就算不错了。和用户留存率对应的是用户流失率。

用户流失率 = 1 - 用户留存率

3. 活跃用户数

用户下载注册，但是很少打开产品，表示产品缺乏黏性和吸引力。活跃用户数表示打开使用产品的用户数，根据统计口径不同，有日活跃用户数、月活跃用户数等。提升活跃是网站运营的重要目标，各类App常用推送优惠促销消息给用户的手段促使用户打开产品。

4. PV

打开产品就算活跃，打开以后是否频繁操作，就用PV这个指标衡量，用户每次点击，每个页面跳转，被称为一个PV（Page View）。PV是网页访问统计的重要指标，在移动App上，需要进行一些变通来统计。

5. GMV

GMV即成交总金额（Gross Merchandise Volume），是电商网站统计营业额（流水）、反映网站营收能力指标。配合的还有订单量（用户下单总量）、客单价（单个订单的平均价格）等。

6. 转化率

电商网站产生购买行为的用户与访问用户之比。

转化率 = 有购买行为的用户数 / 总访问用户数

用户从进入网站到最后购买成功，可能需要经过复杂的访问路径，每个环节都有可能会离开：进入首页想了想没什么要买的，然后离开；搜索结果看了看不想买，然后离开；进入商品详情页面，看看评价、看看图片、看看价格，然后离开；放入购物车后又想了想自己的钱包，然后离开；支付的时候发现不支持自己喜欢的支付方式，然后离开…一个用户从进入网站到支付，完成一笔真正的消费，中间会有很大概率流失，网站必须要想尽各种办法：个性化推荐、打折促销、免运费、送红包、分期支付，以留用户，提高转化率。

具体到不同的网站根据自身特点，会有自己的指标。比如百度可能会关注“广告点击率”这样的指标，游戏可能会关注“付费玩家数”指标。每个产品都应该根据自身特点寻找能够反映自身运营状况的数据指标。

为了便于分析决策，这些指标通常会以图表的方式展示，即数据可视化。

数据可视化图表与数据监控

数据以图表方式展示，可以更直观展示和发现数据的规律，互联网运营常用可视化图表有如下几种。

1. 折线图

横轴为时间，展示在时间维度上的数据变化规律。

2. 散点图

可有效帮助分析师快速发现数据分布上的规律与趋势，可谓肉眼聚类算法。

3. 热力图

分析网站页面被用户访问的热点区域，以更好进行页面布局和视觉展示。

在地图上展示的热力图表示该地区的拥堵和聚集状态，方便用户出行规划。

4. 漏斗图

表示在用户的整个访问路径中每一步的转化率。当重要的营收指标（GMV、利润、订单量）发生异常的时候，就必须要对整个的漏斗图进行分析，判断是网站的入口流量发生了问题，还是中间某一步的转化发生了问题；是内容的问题还是系统的问题，需要逐个进行分析排查。除了发现提升网站运营效率的关键点与方法，分析找出异常问题的根源也是数据分析工作之一。

可视化图形在数据分析时可以帮助分析师更准确、更快速做出趋势预判并发现问题，在汇报工作时使用图表更有说服力，决策时也更有依据和信心。

以上图表都来自ECharts，百度开源的前端可视化图表组件，只需几行代码，就可将运营数据以炫酷方式可视化展示。

小结

大数据技术最终落地必须要为企业带来实际价值，数据分析是其中最主要的应用场景之一。分析结果是最终的成果展示，在此之前，数据的采集、清洗、转换、存储、计算、分析，需要大量的工作。既然已经做了这么多工作，如何将最终的工作成果包装得更加直观、有科技感，技术人员需要换位思考，从用户角度、非技术角度去思考，争取让自己的工作更得到认可，实现更大价值。

监控大屏：

• 做展示用，在公司显眼的位置放一个大屏幕，显示主要的运营指标和实时的业务发生情况，给公众和参观者展示直观的公司商业运营情况。比如天猫每年双十一

• 实时展示业务运营状况，让我们对自己的工作成绩一目了然。如果数据突然出现波动，相关人员也可以快速响应，排查是技术问题还是运营市场问题，实现快速分析、快速解决。

如老板要做一个运营监控系统，要先跟老板确认清楚几个要点：
1、用户。给谁看的。只面向管理层还是老板、中层、普通员工甚至外部用户，这会涉及数据权限及功能权限
2、核心指标。不同业务有不同核心指标，确定需要的核心指标后，便于明确口径以、信息展示层级和具体展示方式
3、上线时间点。监控系统上游有指标体系数据来源、下游有数据分析和运营动作，明确时间点后便于拆解落地。
之后才到具体产品方案、系统架构、技术选型以及开发排期和跟踪。
PS,数据监控系统免不了对数，上线后还是要每日走查数据，被老板先发现问题就完蛋了