【 数据分析师|量化设计价值（三）：如何创建体系化的监控系统】定量数据是统计数据，通常具有自然结构性，意味着它更加严格和明确，可再细分为连续/离散两种。
此类数据使用数字和值进行测量，这使其更适合进行数据分析。可以通过以下方式获取定量数据：
2）定性数据
定性数据是非统计数据，本质上通常是非结构化或半结构化的。
定性数据可以用来问“为什么”的问题。它是调查性的，在进行进一步研究之前通常是开放性的。从定性研究中生成的数据用于理论化、解释、发展假设和初步理解。
可以通过以下方法获取定性数据：

• 文字和文件；
• 音频和视频记录；
• 图片和符号；
• 访谈笔录和焦点小组；
• ……

想要了解订单流转的效率是怎样，最简单的方法是通过和我们的客户进行面聊一下使用情况、并记录一下反馈，但这样的产物并不方便进行统计分析和展示。
尽管有一些对定性数据“结构化”的方法，比如对定类数据进行的非参数校验，但实施起来成本较高。定量数据因为本身结构化的特点更适合分析，因此在这里建议设计师在构建自己的dashboard系统时，需要跟踪分析的数据尽量选择定量数据。
2. 确定需要观察的度量&维度明确需要观察的度量有哪些，首先需要从要解决的问题出发。
但是没有一个整体的分析模型，往往会导致我们的分析遗漏很多信息和细节，导致数据分析师无法理解彼此的需求，最终导致最后产出的看板难产或答非所问。
3. 使用的问题分析工具——KPI wheel在这里介绍一种名为KPI Wheel的简单工具，可用于收集将用于定义和可视化指标的前期必备信息。您可以将 KPI wheel 的图片打印在纸上，然后开始尝试依次思考这四个方面：

1. “ 要解决的问题是什么？”
2. “谁在关心这个问题？”
3. “我需要去哪里获取这些数据？”
4. “为什么这个数据很重要？”

在解答的上述的几个问题的过程中随手记录：

• 可能引发什么进一步的疑问；
• 使用此信息可以采取什么行动或决定。

不断地提出问题并进行进一步分析，这么做的目的是让用户不断分解问题，直到他们有足够的信息来采取行动或做出决定。
经过几轮完整的分析后，用户就可以大致确定指标的「度量」和 所需要的「维度」。

文章插图
以我曾经的工作内容为例：我们的产品是服务商家进行“前后端对接生产”的订单审核系统，我们需要构建一系列合理的指标来判断订单系统的处理效率。
以下是与产品经理讨论过程中的具体流程。
第一轮 KPI Wheel ——
Answer KPI Wheel：“ WHAT？WHO? WHERE? WHY? ”
1）what：我们需要一种途径，了解用户进行订单审核的效率如何。
针对这个问题我们联想到：

• 想要了解订单处理效率，首先需要定义什么叫订单的效率；在行业中有一种叫做「订单生命周期」的专有名词来表示订单从创建到结束的时长，是一个可借鉴的概念。
• 针对我们的业务，一个工单的生命周期经历了从创建——流转&审核——通过，一个工单从创建到通过所经历的时间是我们需要记录的【度量】。

2）who：产品/运营/设计 三个业务方都关注订单的效率
针对这个问题我们联想到：

• 对于不同的角色，在检测数据的时候都关注哪些维度？
• 订单类型分审核单&生产单这两种，两种类型的订单，订单类型是一个必要维度。
• 时间是上述三个相关方都需要关注的维度，一个订单在通过审核时的时间，是一种重要的分析维度；而“时间”维度，我们可以继续拆分为：年——月——周——日的层次结构。
  • 上一页
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 下一页

  
  

  • text|《2021大数据产业年度创新技术突破》榜重磅发布丨金猿奖
  • 酷睿处理器|关键数据出炉，京东比阿里差远了
  • 财智干货|数智化发展任重道远，财务中台提升数据服务价值 | 大数据
  • 央媒表态后，联想关键数据出炉，柳传志这回要扳回一局？
  • 数据库|OPPO悄悄上新机，骁龙8核+5000mAh电池，256G仅售1599元
  • 数据仓库|红米真我moto三款骁龙870手机对比：2000元以内，谁更值得买？
  • 中文|爱数智慧CEO张晴晴：基于”情感“的人机交互，要从底层数据开始
  • B费全场数据：2次射正打入2球，3次抢断、1次拦截
  • iPhone|东芝NAS硬盘N300系列+ORICO硬盘柜=“数据保险柜”
  • 数据库|丁磊致歉“鱼眼观察”作者并回应：已撤回删稿函