谈到业务数据时开始涉及角色的问题，业务和产品的角色分工，不同的角色在不同的场景下关注的指标并不相同

谈到业务数据时开始涉及角色的问题，业务和产品的角色分工，不同的角色在不同的场景下关注的指标并不相同。

基于此，一开始就把指标进行分层级，分为业务、产品和流程三个层级，业务关注业务的，产品关注产品的。不同层级的指标有不同的思考维度和分析方法。

以支付业务为例，先明确指标层级后，根据指标设计原则，去做关键指标的拆解，一级指标可以拆解到二级指标，二级指标还可以继续拆解到三级指标等等。

业务层级的指标用来衡量商业层面的客户发展、增长与获利、竞争力与盈利能力等。

业务从用户那里挣钱，需要通过产品作为载体或媒介，互联网产品的使命是利用技术赋能业务，帮助企业降本增效。所以谈到产品，需要去思考产品定位、产品能提供的核心价值、产品带给用户的产品使用体验、产品如何实现业务目标。

进一步细化，一个产品往往有着很多功能，承载着不同的用户交互步骤或操作流程。梳理并整理出整个转化流程中各个关键节点，去实现产品的核心指标。

从业务模式，到根据产品的价值与体验，再分解到具体流程的步骤效率。这提供了一种纵向的，自上而下、由粗到细的分析模型，在每一个层级上，又会有不同关注点和类别的指标。以数据为基础，主导产品布局，拆解流程步骤，赋能业务增长。

4. 结语

本篇文章从用户数据、行为数据和业务数据三方面介绍了3个数据指标体系模型。特别说明的是，文中提到的AARRR模型、UJM+OSM模型、指标分层3个数据模型仅举例说明，实际还有更多模型，如PLC、HEART、GSM、PTECH模型等等，需在不同场景下评估综合使用。

但不管什么数据模型，核心都在于找到数据与数据之间的关联性，从海量数据中找出最核心的数据指标用以衡量目标是否达到，以系统和结构化视角思维来看数据分析。

四、数据呈现之数据分析方法

今天来讲数据分析的第四篇文章数据呈现之数据分析方法，是整个数据分析篇章中最后一部分内容。

在前面第二部分、第三部分文章中，我们讲了数据生成-获取数据-数据建模-数据指标搭建这样漫长的数据加工处理过程，到最后一步便是数据呈现和从数据中挖掘出来的问题或者机会点的数据应用。

有句话调侃讲，辛苦干活儿一年还比不过一个做PPT的，同样适用数据分析。如果前面做了大量数据加工处理工作，但是最后不会做数据分析和数据呈现，挖掘不到问题和机会点，那么前面的工作将白费。

（或者说前面的工作皆属于打地基，最后一步也就是本篇文章讲述的内容是收获果实。）

通过数据呈现，把分析的结果完整呈现出来，为决策者提供科学、严谨的决策依据，供决策者参考以做出决策。

好的数据呈现，需要有一个好的方式展现数据间的关系和规律，让人一目了然，这是接下来要说的数据分析方法。常见的漏斗分析、多维拆解、趋势分析、对比分析、帕累托分析和交叉分析等。

上篇讲的数据指标体系设计是从宏观层面指导如何进行数据分析，本章讲的数据分析方法主要从微观角度指导如何进行数据分析。从宏观到微观是不断细化的过程。