本文约5100字，建议阅读10+分钟
本文主要分享斗鱼直播在过去几年里的数字化之路及实践过程中的经验。

导读：随着大数据技术在业务侧的应用越来越广泛，产生的商业价值也得到了业务部门的认可，慢慢地各企业也开始组建数据中台团队，同时，构建企业数据体系和工具体系。作为数据的使用方是如何看待数据及工具体系的？

本文主要分享斗鱼直播在过去几年里的数字化之路及实践过程中的经验：

• 数据应用难点

• 数字化之路

• 未来展望

分享嘉宾｜熊星 斗鱼直播 PMO负责人

编辑整理｜梁伟 河北工业大学

出品社区｜DataFun

01 数据应用难点

1. 数据团队愿景

主要分为两个部分：

• 数据基建

包含了整个斗鱼平台上所有的数据采集、清洗、存储、计算等工作，面向技术侧的架构，由公司的大数据技术团队来负责整个数据的生产和加工。

• 数据应用

数据应用部分由数据中台负责将数据用一种合适的方式提供给业务方使用。包含取数平台、报表平台，以及和业务场景强相关的一些应用工具。通过一整套的数据产品工具，让每个人都可以获取数据和信息，拥有分析能力。

在斗鱼的计划里，数据应用升级分为四个阶段：

• 第一个阶段通过做大量的数据监控报表，订阅邮件，每天实时地推送帮助业务及时地感知当前情况，并且通过分析日常数据波动的原因让业务慢慢养成每天去看数据的习惯，慢慢感受到业务数据的价值，从而和数据团队建立一个基本的合作关系。

• 第二个阶段会开始做一些专项数据分析，通过数据分析和挖掘很具体的业务问题，帮助业务方发现数据上的线索及问题原因，并借助数据去给出相对具体的业务建议，然后和业务一起探讨和思考下一步计划。

• 第三个阶段会着力于去沉淀第二个阶段所积累和挖掘到的各种信息，在不断磨合和积累中，慢慢地对业务的理解也会越来越深入，然后开始把业务信息抽象重组去形成一条具体的业务规律，由此把日常做决策所需信息以一条合适的路径展现出来，引导业务在看数据的同时去思考业务问题，支持决策。

• 第四个阶段整个数据中台会上升一定高度，在解决大多业务问题的基础上，结合数据及业务等多重信息，对未来业务发展进行相对准确的判断，并且能够在整体的运营策略上发挥一定作用。

2. 问题

• 数据决策效率低

斗鱼作为国内一流游戏直播平台，每天日活跃量非常庞大。用户行为积累的数据已达到非常惊人的量级。经过长时间引导，目前整个斗鱼团队对数据重要性已经认可，结果每天的数据需求量是非常庞大的，小到主播的数据详情和分析，大到分区的未来流量和营收策略怎么制定？这些数据需求都依赖数据分析分析师团队来承担，和业务去对接、取数、分析和整理，将数据报表或结论反馈给业务方。当然斗鱼提供了一套模板化的数据查询工具，可以满足相当一部分简单的数据场景。但是数据需求的形态是各异的，很多时候业务方提的需求并不一定是一个确定性的问题，可能带有一定的探索性，所以在这个过程只能依赖不断进行数据提取和沟通，结果就是整体数据产出及基于数据进行决策的效率是比较低的。

• 数据分析师价值难以体现

所有数据业务分析师团队都会遇到的一个问题，我们到底是一个数据分析师还是一个取数工具？对于业务数据分析来说，肯定是希望能够产出各种各样的策略，通过策略去发现产品的不足，运营策略的不足，并指导业务根据数据来优化业务。但当日常工作都花在了写重复SQL，整理基础数据上的时候，慢慢就会变成一个人肉取数机，这一定不是数据分析师想要的结果。对于一个企业来说也是不划算的。

3. 问题归纳

按照数据生产和使用整个链路进行划分：

• 缺乏一套统一的数据标准：例如对于同一个指标的定义，可能不同的部门就会有不同的想法；同一个部门在不同的业务场景下，对指标的定义也会有不同的想法。

• 需求的多样性和多变性：相似的业务问题，可能仅仅因为一个条件的不同，就会演变成多个需求同时推送到数据分析师团队。

• 数据产出较低：分析师为了满足业务方的需求，就得写多份代码，重复地进行一个取数和整理的工作，导致整个效率会比较低。在管理层的视角里，就是数据质量的问题，从而就演变成更加严重的后果，就是数据价值或者数据团队价值非常难以被认可。

02 数字化之路

1. 数据工具升级

在数据量级较小阶段是用 Excel 来处理数据就可以满足日常的一些工作需求。当然因为数据处理效率较低，数据的需求量也不大。随着业务快速地发展和升级，数据开始快速地积累，需要用到数据的场景变得越来越多。例如产品上线的时候，就需要去分析效果，需要观察每天参与的人数，分析产生的收入；比如主播的运营，也需要时刻地去关注直播间内的数据变化趋势，方便实时和主播去沟通一下今天的直播情况，进行复盘并做一些改善的措施；还有每个月也会做整个公司的经营性的报告，需要从各个维度去复盘过去一个月的经营情况。

为了方便在日常业务中去使用这些基础的数据，就需要做一些比较基础和固化的数据后台，点击查询就可以把数据导出来，方便进行数据提取。最后在业务的需求变得更加多样化后，开始上线自研的报表平台和数据应用平台，形成一个简单的数据矩阵。从而利用这一套数据矩阵去解决不同的需求，提升了整个分析师的产出效率。

但做数据并不能止步于此，一直在被动地解决数据需求，应该主动出击，花更多的时间和精力，通过数据去探寻整个业务的本质，要做到这些就需要进行新一轮的产品升级。

如何选择产品，需要考虑如下内容：

首先是成本，不管是采购成本还是维护成本，都需要和自研系统做一个成本的比较。产品能力角度，主要关注五个关键因素。首先就是视觉的美观性，不仅是考虑整个产品的 UI 界面的问题，还有很重要的一点就是图表组件的丰富度，以及整个版面做出来之后的协调和美观，是不是可以轻松地做出来一个美观且易懂的报表？即使业务方的数据分析能力，数据素养不是那么高的情况也能接受。

第二就是简单易用，不仅需要对分析师友好，可以让分析师简单快速地去搭建起一个报表，同时也需要对使用者友好，当用户看完一个图表，有一些自己的猜测的时候，可以通过一些简单的操作去对这个图表进行改造，例如补充数据或者改变分析数据的视角，支持做一些浅层次的数据探索。

第三是对于直播公司来说，很多运营同事大多工作时间可能不在电脑前，甚至也不在公司里，那么为了满足在不同的场景下看数据的需求就非常重要，比如用户中午刚醒，需要看一下昨天的数据；出差在赶飞机的路上，因为会议的原因需要看一下数据；总之需要这套产品能够去满足用户随时随地看数据的需求。

第四是易于集成，可以很轻松地和其他的系统进行集成，其他系统只是作为展示的渠道，而数据的口径和定义统一维护到一套系统里面。这样就可以很大程度上解决前面提到的数据口径难以管理的问题。

最后一点是易于维护，例如斗鱼发展了这么多年，整个业务已经趋于成熟稳定，但是还是有不少的细分场景，一直在进行不断的迭代和尝试，同时数据需要跟上业务的发展，数据报表的内容也会实时地跟随业务的变化进行迭代。总之，除了成本和性价比硬性的指标之外，需要一款产品可以帮助用户获取数据分析能力，让所有的用户都能具有一定程度上的数据分析能力。

综合这些因素，斗鱼最终选择了观远的产品，在接入观远到现在两个月时间里。做的第一件事情就是重置了一套斗鱼内部的数据门户，涵盖了全平台日常经营所需，也细分到了分区、主播、产品、用户层面，从上到下对各个层面都进行了一套重置。

这套门户和之前自研报表工具体系的区别主要包含两个方面，一方面就是交互体验的升级，观远上面有很多丰富且美观的图表样式，可以帮助我们轻松地搭建出一套漂亮的报表。不仅可以用来做简单的报表还可以做数据打通，甚至一线员工也可以通过观远开发周期性的分析报告，整个页面的设计感给用户耳目一新的感觉。同时观远的页面还可以进行跨平台展示，很好地满足前面提到的随时随地去查看数据的需求，有一种移动办公 App 的感觉。

另一方面就是这套产品提供更高的自由度，之前的报表平台就是一个表的形式，彼此孤立的只能形成被动的信息接受的过程，无法让用户完成主动的探索过程。借助观远平台的能力，新的数据门户可以做到这一点，不管是数据的上下钻取，还是多图表的联动，甚至可以直接点击编辑调整卡片的样式、指标维度和筛选条件，方便用户看完数据之后进行及时的猜想和验证。

2. 目前成果

目前斗鱼的产品矩阵还在慢慢地完善，从最底层的数据基础建设，到标准化的模板查询，再到开放式的自主分析工具，目标就是通过不同的工具满足不同岗位不同数据技能水平的用户，同时也在积极推进更加场景化的数据应用工具，帮助业务实现一些基础策略的自动化。整套产品体系对于分析师来说最大的好处就是提升了效率，让分析师从初级的数据需求中解放出来，有更多的精力投入到策略的研究和迭代，从而推动更高层次的数据化建设。数据驱动业务是每一个做数据的分析师绕不开的一个话题，过去是通过人来做，建立合作关系，培养信任度，树立话语权，通过一次次数据建议慢慢获取业务方的认可，从而实现影响整个业务决策的目的。因为有人的参与，在面向不同的业务方时，可以很灵活地去推行这一套模式。但有一个问题是做事情不能总依赖个人能力，问题是怎样通过一套体系，通过工具让个人能力慢慢沉淀成一个组织的能力。目前斗鱼数据中台就是顺着这个思路在做，首先通过一系列的报表、邮件订阅，让用户养成看数据的习惯，再通过数据去引导做一些基础数据洞察。

03 未来展望

1. 近期目标

最后讲一下斗鱼对数据中台的一个展望，对于未来，还是希望数据团队能够更多地向业务上靠拢。下一步推进更深层次的数据和业务的融合。数据想要实现驱动力，需要从上到下渗透到各项业务中，实现数据到业务的打通。举个简单的例子，例如对创作者的扶持，过去都是通过人工运营沟通，去定制化地做策略和活动来倾斜一些资源，将其给到有潜力的创作者，达到提升整个创作者水平的目的。但是效率并不高，因为运营能辐射到并且关注的创作者是有限的。当平台做大了，需要被关注的群体变大了之后，运营的人力是跟不上的。

更关键的一个因素就是这些经验存在于人的脑袋里，只能靠老人带新人，慢慢地去传授这个方式。较优秀的部门或团队可能还会写一个文档，通过这种文字的形式将知识给沉淀下来，但大多数情况是口口相传。数据在这方面还是非常有用武之地的，可以通过过往成功项目经验去做一些细致深入的拆解。通过数据分析和拆解去抽象出不同周期的创作者所需满足的事情和目标，也就是通过什么数据指标来衡量。最终根据这些数据产出，就可以定制一套分析体系，也就是根据创作者每日的数据表现情况自动化完成定级，并进行行动指引。当创作者达成目标之后，可以自动地发放一些资源和奖励，同时推动创作者进一步地发展。

2. 终极目标

斗鱼数据中台的终极的目标：人人都是数据分析师。讲得直白一点，希望是革自己的命，把公司的”数据分析师”给干掉，当然这个”数据分析师”是打引号的，指的是只单纯每天在做取数、基础数据整理和一些常规业务分析工作的角色。并不是说工作不重要，而是可以通过更精细高效更低成本的方式去解决这些问题，让的数据分析团队从一个机械性的工作中解放出来，可以花更多的精力去深入到进一步的业务分析中去，探寻一些业务的本质以及背后的商业逻辑，这样才能让整个数据团队去发挥更大的价值。

04 问答环节

Q1：斗鱼引入观远平台后，请问一下具体是如何做到与业务平台紧密结合的，从而解决业务问题的，即如何打通决策环节？

A1：决策环节分两个层次。第一个层次是日常运营，用户需要经常回顾昨天的数据表现情况，包括流量、营收等。在看到基础的指标之后，是会对昨天的表现情况会有一个大概的判断和猜测。在过去，发现这个事情之后，用户会提需求到数据分析师，探讨业务问题，再分析是否要进一步地提取数据出来，做更深层次的分析来定位原因。现在有观远之后，用户可以直接在观远平台上自行分析，转到数据集，就可以把需要的数据和指标取出来，就可以进一步分析，这加速了用户分析问题，定位原因的效率。更高的一个层次就是把业务规律抽象出来，固化成一个产品，作为运营策略自动地跑起来。未来假如更进一步，把这套策略固化下来之后，把简单的数据决策也可以每天自动地跑起来，就不需要人来干预了，就可以去做更深入的业务问题进行分析。

Q2：请问一下这个 360 分析跟斗鱼观远体系的区别在哪里？

A2：360 分析和斗鱼观远体系的最大区别就是观远体系更像数据探索平台，自助分析平台。支持业务方自主地去挖掘数据，去分析数据。360 分析在斗鱼内部的定位是一个更进一步的平台，比如把一些业务场景通过数据解决业务问题的规律抽象出来之后，会把这套产品体系沉淀到 360 分析上面。360 分析更贴近业务逻辑。从上层分析到下层，会发现基本整个业务逻辑就顺着数据展现出来了，可以直接定位到问题。换个角度讲，观远体系是在更前期，做探索，做尝试、做归纳、做抽象的过程，当它产出有价值的内容后，会沉淀到 360 分析上，供用户直接去使用。

今天的分享就到这里，谢谢大家。

分享嘉宾

熊星，斗鱼直播 PMO负责人。华科EMBA在读。曾就职于世界一流商业智能公司MicroStrategy。现就职于斗鱼直播，任运营中心PMO负责人，负责项目管理体系及效率工具体系搭建。

编辑：黄继彦