快手指标体系的管理驾驶舱场景应用实践

今天的介绍会围绕下面三点展开：

1. 数据内容型应用产品类型

2. 管理驾驶舱产品的建设

3. 驾驶舱常见问题和解决方式

分享嘉宾｜温岩 快手 数据内容产品负责人编辑整理｜顾晓峰内容校对｜李瑶出品社区｜DataFun01

数据内容型应用产品类型

1. 数据内容的业务驱动逻辑

首先来介绍一下数据内容的应用场景。整体的思路是数据与业务深度结合，聚焦目标和业务动作的数据影响，创造更大价值。

我们使用指标的目的主要有两个，一个是看清业务，另外一个是提供业务改进的一些数据抓手，基于这两点来帮助业务决策。

首先要确定分析主题，然后以此来设计对应指标体系。指标体系确定后，我们可以对业务的链路进行监控，比如通过漏斗方式观察各业务过程节点的表现，如果发现问题或者可优化点，就可以直接作用于业务的流程本身。

可以通过数据内容和业务需要，直接演化为数据产品，来帮助业务进行更高效的决策，比如经营场景的管理驾驶舱，或运营场景的一些营销活动以及供给侧运营的产品。

通过数据内容发现新的业务机会，数据表现就是业务本身，比如对业务对象进行画像，包括用户画像(人）和商品画像(商品)等。然后通过数据资产本身如指标或标签，做人与货的匹配、内容与用户的匹配，进行流量策略的制定、商家和达人的撮合、对商品的招商选投等。

2. 基于数据内容的场景举例

基于数据内容的场景可以分为两大类，从数据源头的埋点到数据的两个表达方式（即指标和标签），都可以用到这两类场景里边。

一种是描述型场景（分析场景），主要是帮助用户看清业务并进行决策。这类场景又可以细分为三种类型，分别是传统的分析看板、实时大屏以及本次重点介绍的管理驾驶舱。

另一种是操作型场景，业务可以通过这类场景直接进行业务策略调配。这类场景包括：

• 用户画像，一个好的用户画像，可以帮助业务更精确有效地开展运营动作；
• 推荐系统，主要是把合适的内容推送给合适的人，增加用户粘性，提升用户的停留时长；
• 对各类对象的撮合匹配机制，比如招搭选投的场景。

3. 经营分析与运营分析的差异

管理驾驶舱主要用在经营分析相关场景，要做好管理驾驶舱需要清晰了解经营分析和运营分析的差异（两者孵化思路有很多相似之处），才能让产品发挥出预期的作用。

• 经营分析是企业针对长期发展进行战略性规划，并识别目标达成情况，从宏观视角出发制定企业的远景目标和方针，解决企业的发展方向和发展战略问题。主要是面向管理层核心骨干，通过对市场和企业内部的情况综合判断企业的经营状况是否符合预期。
• 运营分析是针对业务过程中的计划、组织、实施和控制动作与产品生产和服务创造密切相关的各项管理工作，它解决的是局部业务过程的最优化。会更加聚焦，比如只关注用户拉新促活或是给达人做盘播优化等场景。

4. 什么是管理驾驶舱

基于经营分析和运营分析的区别，管理驾驶舱需要对数据内容做集成和整合，在产品的设计上需要成体系化，有效内容需要明确突出。类似飞机或者汽车的中控平台，各个环节的数据，包括内部情况（比如发动机转速、温度等）和外部情况（比如气温、气压等）都要体系化、直观有效地表达，这样才能帮助驾驶员顺利到达目的地。因此管理驾驶舱需要具备五大特性：全面性、指向性、体系化、直观性以及有效性。

02

管理驾驶舱产品的建设

接下来介绍管理驾驶舱产品的建设思路。

1. 产品建设思路

建设管理驾驶舱首先要明确一点，即做分析型产品要有一定的持续性，随着业务的演进，需要不断完善数据内容的丰富度和洞察的深度。因此在这种产品的生命周期里，需要和业务过程、使用场景以及建设过程有一个闭环的效应。在这个过程中主要关注两条动线一个是看数据的动线，一个是用数据的动线，并最终和业务过程本身及数据建设方向形成一个闭环。

闭环中的核心是确立目标，企业对目标的识别和测算将最终决定整个组织的业务走向，因此管理驾驶舱最重要一点就是目标管理，包括对目标的设置和识别、过程的拆解、业务过程中目标达成情况的追踪以及无法达成目标的预警或者帮助企业找到正确的方向。所以里面会有一个“定、拆、追、察”的过程，帮助用户做到事前可论证、事中可跟踪以及事后可复盘的效果，这整个过程都需要在管理驾驶舱的功能和设计上进行体现。

同时管理驾驶舱还有一个产品的愿景，就是要帮助解答为什么没有达到目标预期。管理者除了要有宏观目标以外，还要对宏观目标进行拆解。能够在通向预期目标的道路上发现问题。

在指标体系的设计上，可以考虑使用常见的 OSM 逻辑进行设计和拆解，通过北极星指标作为核心目标，然后根据业务流程，发现将会影响其目标的核心要素，或者找到可直接作用于核心目标的业务过作为策略指标，然后再根据具体的做功场景来设计观测的监控指标，做到目标-策略-打法的多层指标体系。

2. 核心指标波动拆解

为了达成以上目的，对核心指标的波动拆解是非常必要的。拆解的思路有一些行业的固定套路，同时还要把波动拆解的动作体现出来。以这个框架为例（直播电商中相对通用的拆解方式），具备清晰的宏观目标（GMV）并区别于运营场景的拆解逻辑，避免出现局部最优化，即可能存在部分目标比实际目标要激进。

需要强调的是管理场景的拆解逻辑要达到组织理解上下一致，因为管理场景不仅是分析，大家还要背负相同方向的目标，比如 OKR 或者 KPI，所以理解一定是一致的。

同时核心指标波动拆解逻辑也要和组织完全匹配，或者能对应上组织结构的划分，比如企业管理层发现某个指标可能有问题，那么产品需要帮助管理层找到问题到底在哪里，能够下钻拆解，且拆解的指标要跟实际的业务部门对应，这样才能有相应的组织负责人去解释。另外在产品的设计上，需要通过客观和公平的算法逻辑将溯源结果反馈给管理者，从而帮助负责团队立即做出改进策略。

3. 可视化交互设计

除了内容设计以外，管理驾驶舱产品对屏效和设计逻辑也具有特别高的要求。因为管理者的时间特别宝贵，所以产品的设计要尽量高效，并通过以下手段减少用户的复杂操作：

• 重点数据和有效的结论需要高亮展示，让用户可以第一眼就知道发生了什么，而不是从繁杂的数据中自己去寻找；
• 数据内容会涵盖各种业务过程，但并不是数据内容越多越好，过多的数据内容反而会降低有效信息的获取，所以数据内容设计要简单扼要；
• 通过将规则式的内容产品化，自动形成文字结论，实现图文结合，产生直接可读的内容；
• 整个产品的排版和交互的设计，需要严格匹配分析思路的展开，好的数据内容产品本质就是分析报告，因此整个内容展现和下钻分析要符合分析动作的演进，理想的管理驾驶舱可以直接用来演示；
• 最后是注释和辅助信息的运用，产品内容需要有清晰的可读性，满足上下理解一致，需要让用户快速 GET 到关键点。可以通过加注释或提供辅助性文档来提升可读性。

最终可以看到除数据内容以外，可视化的交互体验也是特别重要的，因为管理者的时间有限，且场景的容错率很低，很容易因为交互、性能而放弃使用，所以屏效也是非常重要的。

4. 产品稳定性保障

由于用户是管理层，所以数据内容一定要准确。因为出现 Badcase 可能会让管理层或者业务骨干做出错误的决策。轻则导致要花费很多时间去进行问题排查，重则可能会导致在制定目标时做出一些错误的决策，对未来的经营动作造成影响。为了避免出现问题，在内容上线之前需要有严格的检查机制，包括代码 CR、内容的多重的验证（至少三层），以及功能上的相关验证测试。

同时场景有企业的管理思路做背书，所以如果公司有其他类似的产品涉及同一种指标，那么这些指标的口径必须严格一致，以确保管理者视角的权威性和一致性。比较理想的方法是通过指标生产的线上系统来约束，从生产链路根源开始进行约束和检查，如果没有线上化产品，只靠人肉的话，是不可能根本性解决一致性问题，只能解决部分场景。

最后是及时性，由于管理者的决策动作是有时效性的，所以在计算链路上要有严格的监控手段，无论是实时还是离线的场景，对于计算节点上发生延迟或者其它异常都需要最高级别的响应，并且要有兜底机制。

5. 产品持续迭代需要注意的方向

由于产品场景的特性，除了产品内容的设计之外，对数据层、内容层以及应用层的治理有很多的要求。在底层数仓设计上，包括建模以及内容侧指标的生产和消费，都要有严格的标准化的规范。经营管理域是企业所有数据域中最需要标准和规范的，同时需要通过产品化的方式来建立有效的 SOP 和规范监控抓手。成熟度完备的数据建设，在底层数仓建模、指标的配置以及埋点的设计方面，都是通过产品化来进行标准规范的解决。此外，产品化方面也可以通过设计相关指标、看板以及分数来衡量。

在应用侧，除了产品出口一致以及元信息的获取效率之外，运营和权限设计也是非常重要的，因为场景中均是企业的关键信息，所以要有权限管控的机制，还需要有定期筛查、定期删减的机制。同时，运营也比较重要，因为对于目标用户的使用体感需要有一个持续性的感知，不能仅仅依靠目标用户的使用情况来判断产品的好坏，还需要通过 NPS 或者渗透率等指标来进一步评估。要更深一步地了解用户使用的体感。

03

驾驶舱常见问题和解决方式

接下来是一些常见问题和思路，提供给大家做参考。

1. 1. 如何衡量管理驾驶舱产品的好坏

从数据内容本身出发，是否可以覆盖用户或者管理层关心的所有方向。

加强对业务的理解，比如对公司高层来讲需要关注业务过程中的方方面面，但同时也是有边界的，可以通过做数据内容的丰富度来刻画出哪些业务域会影响做工逻辑。

同时区别于运营场景细粒度的数据，经营场景的数据能匹配到实际做工的组织人员就满足需求。对于部分明细场景能够看到关键的点，比如排行榜，就可以满足需求，不用像运营场景去看每个主播或者每个店铺。

还要看用户是如何去用我们的产品的，比如管理层会在周会上直接拿产品去讨论目标达成度及业绩的达成情况，这样就可以深度渗透到目标用户群体中，最终其它运营场景的核心指标也会积极地与管理驾驶舱对齐。

2. 如何衡量管理驾驶舱产品对业务价值的体现

除了产品的渗透以外还有重点问题的识别效率，这种效率的高低在某种程度上也会体现价值。比如在某一个活动场景，北极星指标发生异动，如 GMV 跌了几个点，是因为开播的场次不够、流量策略发生问题，还是商品供给发生问题，可以拆解到具体部门，快速做出改进措施。通过管理驾驶舱，可以将这一过程从天级别缩短至小时级别，大幅提高问题识别的效率。

3. 驾驶舱产品内容的迭代方向

从一横一纵出发，一方面是数据内容的丰富度，是否可以覆盖用户关注的所有业务，另一方面是纵深洞察的层次，比如波动诊断可以拆解到什么程度，是否每一个业务域都能按照一个目标拆解思路呈现在产品上。迭代方向可以先选取一个核心方向进行从宏观到微观的体系落地，这个从 0 到 1 的过程非常重要，如果一条线打通了之后，可以根据成功经验辐射到其他方向，从点-线-面的思路贯穿所有场景。

1. 4. 如何避免用户难通过数据做出有效决策

重点是内容的设计，比如指标的设计，可视化的设计，能否匹配上做功的组织。

1. 5. 如何加强呈现内容的准确性

需要从数仓层、内容层以及应用层进行多层处理，加强相关方的管理认知，建立共识的标准规范，并通过产品化跟踪落地的效果。最后设计兜底机制和快速响应机制去保证内容的准确性，当然在这个场景同样是需要将生产链路进行线上化以及监控的。

以上就是本次分享的内容，谢谢大家。

分享嘉宾

INTRODUCTION

温岩

快手 

数据内容产品负责人

技术出身，曾在多家一线互联网公司任职，具备多年大数据产品建设经验，目前就职于快手电商数据团队，负责整体业务的数据内容产品建设工作，包括指标体系设计、埋点体系和管理驾驶舱类型的数据产品，职业生涯中曾多次主导大型数据内容产品及治理专项，并取得了较为理想的效果。

往期优质文章推荐

往期推荐

PAI-ChatLearn ：灵活易用、大规模 RLHF 高效训练框架（阿里云最新实践）

滴滴OLAP的技术实践与发展方向

大数据开发的存储技术探索与实践

B站大数据开发治理平台的产品设计心得

一文搞懂 NVIDIA 在 GPU 上高效部署语音 AI 模型的最新应用

小米数据开发平台架构实践

强化学习和世界模型中的因果推断

深入浅出快手图数据库：看架构如何让推荐召回更高效

在大型项目中，抖音集团如何“用活”数据？

如何建设一个良好的可观测性数据平台直击企业痛点？

蚂蚁 TuGraph-DB 数据库查询引擎技术

如何将知识图谱与AIGC结合？京东是这么做的

点个在看你最好看