关于云原生:指标需求思考如何做好指标类需求建设

31次阅读

共计 2270 个字符,预计需要花费 6 分钟才能阅读完成。

简介:大家始终所说的【需要】到底有哪些?用户需要、业务需要、零碎需要 …… 然而明天我要给大家介绍一种我自认为一种别具匠心的需要!【指标类需要】在宏大的需要体系里,一个残缺的零碎设计流程是十分必要的,好则效率百倍,坏则加班熬夜。本文尝试以另一种需要治理形式来解决一种非凡的需要【指标类的需要】,心愿大家能所有播种一起成长。当然不积跬步无以至千里,一直的进阶才是王道!欢送大家一起交换!

作者 | 轩北
起源 | 阿里技术公众号

一 前言 & 序

大家始终所说的【需要】到底有哪些?

用户需要、业务需要、零碎需要 …… 然而明天我要给大家介绍一种我自认为一种别具匠心的需要!【指标类需要】

在宏大的需要体系里,一个残缺的零碎设计流程是十分必要的,好则效率百倍,坏则加班熬夜。

本文尝试以另一种需要治理形式来解决一种非凡的需要【指标类的需要】,心愿大家能所有播种一起成长。当然不积跬步无以至千里,一直的进阶才是王道!欢送大家一起交换!

二 指标类需要

1 什么是指标类需要?

指标类需要,顾名思义也叫剖析性需求,是需要的一种变种,自己在商品开发中负责品规的阶段,如果把整个供应侧划分成一个战场那么品规侧承载着制作形形色色弹药的使命,在制作弹药的过程中,咱们要做到以下几点!

  • 剖析市面上有什么好的弹药?(参考)
  • 最近制作什么类型的弹药更能影响战场?(剖析)
  • 最近哪些弹药卖的好还便宜,日均销量不错的,gmv 不错的!(找到)

2 for example

如下需要:

给我计算 各种维度 = 月日均 + 爆品数 + 订单分层 + 类目分层 + 品质分层 + 排行榜 + 品控 +gmv+ 人标签 + 店铺 + 使用率 + 渗透率 xxxxx 等等等等 ……

冰山一角!有余 1%,可想而知如许可怕。

总结来说业务的视角看,品规承载着以下几点:

①行业的洞察能力
②竞对剖析能力
③标签能力
④布局能力 ….

总结来说,数据驱动供应链改革,把数据变成钱。

在以后的阶段品规侧,计算了大量的指标。据不齐全统计,我曾经计算了大略不亚于几千个指标,自己对于这种需要也是一脸懵!月日均,爆品数,订单分层,类目分层,品质分层,排行榜,品控,gmv, 人群,应季,趋势,增长率,曲线,复合曲线 …… 哪一个拿进去都够喝俩壶了。

3 指标类需要难点?

在海量的指标需要下,总结来说有以下几个问题?(在当 PM 熬过无数个日夜决定痛定思痛)

  • 如何进行数据口径定义?
  • 如何保障指标的开发无误?
  • 如何进行指标开发?
  • 如何进行指标验证?
  • 如何保障开发工夫不被数据 check 打搅?(正在开发性能说数据不对,check 数据导致性能提早加班熬夜!)

以下是我在进行了肯定的指标需要后失去的一点点教训,心愿和大家一起分享下!

三 如何解决

剑道有守破离三层境界:

守——依照既定套路出招

破——试着冲破翻新,让本人进化到更高境界

离——看透实质,大道至简,无招胜有招

对于这种需要不破不立咱们可能要突破原有的需要设计的规定独自定制一种规定,上面这个图是我通过一直地踩坑总结进去的一种形式。

1 需要阶段(开发侧)

我把整个指标剖析型需要拆解为俩段:

指标开发 + 性能开发(独自拆开以下是流程)

指标开发几个阶段:

1)指标初步确认阶段

在指标初步确认阶段咱们要做的须要几步:

  • PD+ 开发 + 测试 从 prd 中提炼出要开发的指标
  • 确认指标开发口径

2)指标计算阶段

在指标计算确认阶段咱们要做的须要几步:

  • 开发依照口径进行指标数据开发
  • PD+ 开发 + 测试 验证指标
  • 开发批改指标
  • 持续验证循环过程直至实现

3)指标最终确认阶段

  • PD+ 开发 + 测试 指标确认实现 check
  • 开发侧产出数据指标对焦 sql

总结来说:

  • 开发测试 PD 对立依据 prd 对立确定指标与指标口径
  • 开发先去计算指标计算实现 —–> 测试和 PD 验证
  • 开发批改 —–> 测试 PD 再去验证
  • 保障在失常性能开发前,指标数据确保无误

测试与 PD 在指标计算时,提前染指,开发提前计算,提前测试,在失常性能前保证数据指标残缺

2 需要阶段(PD 侧)

三个要点(集体的三个倡议)

1)指标要具备确定性

爆品定义是什么?分层的定义是什么?口径要先定义分明,不便前面开发!

2)指标要具备可开发性

3)指标与性能匹配性

须要所有的须要的指标要全笼罩防止漏指标,指标再次计算往往消耗人力更为可怕!

3 需要阶段(测试侧)

参加开发指标的全流程的对焦,开发侧在产出数据后进行数据验证 sql 产出。

四 教训思考

1 数据前置

指标数据分析型需要咱们须要拆解,把数据开发测试校验前置,能够无效防止在开发性能时,数据 check 影响整体进度,往往找一个指标的谬误,会比性能谬误难上几倍!在大数据的状况下尤为如此!所有前置条件做好能够无效防止我的项目的判断失误,能够让我的项目无效的进行!

2 数据分析

在测试与 PD 要染指确定问题时,可参考以往数据!防止反复对焦不精确。

如何与测试建设指标的测试标准下一篇文章我可能会持续迭代进去!让指标的验证不仅仅有迹可循,也让谬误无处遁形!

3 如何缩小指标计算

既然指标计算无可避免那么咱们应该如何去缩小指标计算,节俭人效,之后我会去分享下商品开发 & 经营 品规侧在计算了有数指标后,痛定思痛,如何尝试与数据利用团队联合来进步咱们的指标计算效率!节俭人效,十分 nice!就不必大量的人工计算不同层级维度的指标,环比数据等等,这期间品规域我与共事进行了很多的尝试。

大略思路为:

人效从 4 天左右 – 2 天左右!

五 完结

在做指标类需要过程中,从小白到一个数据开发值得信赖的数据开发者,是一个苦楚和漫长的过程!在这过程如何保障开发数据的周期,如何更快的承接需要,如何更高效的计算指标,缩小人效是值得沉思的中央,心愿本文可能帮忙你!

原文链接
本文为阿里云原创内容,未经容许不得转载。

正文完
 0