power bi 如何构建不同年份的月度对比_以Google Analytics为例,盘点BI产品四大要素...
对一款成熟、完善的BI产品来说,什么是它构建的四大要素呢?在这些要素的规划实现中,我们又要注意哪些点呢?针对这些问题,本文将展开详细的介绍。
本文以Google Analytics为例,分析了BI产品构建的四个要素,希望能对你有所帮助。
- BI产品提供的是一种解决方案
- 可拓展的报表展示
- 分析能力
- 可视化能力
01 BI产品提供的是一种解决方案
在开始本小结的介绍之前,我先简单介绍一下Google Analytics这款产品。
官方对它的介绍是:
Google Analytics是著名互联网公司Google为网站提供的数据统计服务。可以对目标网站进行访问数据统计和分析,并提供多种参数供网站拥有者使用。
简单来说,Google Analytics提供的最核心的能力就是数据统计,在此基础上扩展了数据预测、智能检测等分析能力。
打开Google Analytics的官网(https://www.google.com/analytics/),你会发现Google Analytics是一套完整的数据解决方案。从产品初期数据采集到数据处理、查询以及产品上线后的广告分析、A/B test,甚至还提供了一套标准的代码管理器。Google Analytics基本覆盖了一个产品前中期的整条数据链路。
这也是我本节要说的,BI提供的应该是完整的数据解决方案,Google Analytics很好的做到了这一点。
当然要做到这一点也并不简单,回首看一下Google Analytics的发展历史:
从2005年GA分析上线,直到2016年,其不断丰富产品线,才形成了Google Analytics Solutions,在2018年,官方将GA Solution升级为Google Marketing Platform,整合了DoubleClick广告技术,帮助企业购买和追踪广告的有效性,实现更强的联动合作。
简单介绍一下Google Marketing Platform主要的几款产品:
- GA:负责网站数据收集并通过GA提供的API等组件完成网站数据报告的输出。(本文主要介绍这款产品,其他产品请关注作者的其他文章)
- Optimize:A/B测试工具,可以使用它来进行网站体验优化。
- 跟踪代码管理器:对网站和应用的数据相关代码进行管理及更新。
- Data Studio:可以将Google Analytics产品生成的数据输出成易于分享与查看的可视化面板及分析报告。
- Attribution 360:以跨渠道、设备的归因为模型,针对广告展示、点击转化等的分析工具。
- Audience Center 360:网站、应用的受众管理平台,可以合并受众与用户数据建立新的受众群体,将这些受众发布到营销平台,并检测其效果。
- Surveys 360:用户问卷调查工具。
02 可拓展的报表展示
如何让数据能够快速、准确的提供给业务用户是BI产品要解决的首要问题,说白了用户使用BI产品最主要的目的就是查询数据。
我们来看一下GA是如何解决这个问题的,首先我们看一下GA整体的数据处理流程:
可以看到GA数据处理流程整体可以分为三个部分:数据采集、配置&数据处理、数据报告。这三个步骤的处理让整个数据处理流程做到了规范化、自动化。这也是目前BI产品处理数据一般的流程,下面我们简单对三个部分进行说明:
1. 数据采集
GA提供了一些标准的JS组件及SDK,这使得网站、应用的基础数据收集变的简单,只需接入JS库或者SDK即可自动收集网站的用户行为及受众特征。
为了在接下来的流程中能够顺利处理收集到的数据,GA提供了开放的Measurement Protocol,及数据测量协议,它定义了一套标准的数据参数规则,并支持针对收集到的数据进行参数验证,保证了收集到的数据是符合数据规范的。
千万别小看这一步,数据收集的自动化和规范化为后续的数据处理打下了坚实的基础,依赖这一套标准的规范,BI产品实现高度组件化才变得切实可行。
2. 数据处理
采集到一条条标准化的数据日志,数据处理便变得简单了。
通过几层数据处理,根据数据的属性及分类,GA生产了一些可供用具使用的数据应用视图如:实时数据视图、基础数据视图、用户受众视图等,依赖GA工具本身强大的细分分析能力,用户可以对数据视图进行组合、过滤等操作,完成数据报告的生产。
3. 数据报告
基于生成的数据视图,GA提供了一套标准的数据报告API,通过对接这些API,可以将数据视图与GA连接,并生成一套自动化的标准数据报告,简单介绍一下这几个API:
- Reporting API:支持请求多个维度的数据,支持请求指标,含指标的数学表达式组合,并支持生成用户生命周期报告
- Realtime API:通过此API可创建并显示实时用户数据,实时获取网站、应用的最热门内容
- Multi-channel API:通过此API可获取多渠道的数据
- Embed API:通过此API可将创建的数据视图内嵌至第三方系统
- Metadata API:基础数据API可访问所有维度和指标,并支持自动发现新的指标及维度
4. 配置
了解了GA数据处理的三个流程,我们可以看到GA通过一些Open API可以让业务快速接入数据并生成标准数据视图,基于这些标准数据视图,GA数据配置的组件化就顺利成章了。 配置方面,GA也提供了两个标准的API,Management API以及Provisioning API:
- Management API:通过此API可对数据视图进行管理,包括进行数据过滤、数据关联等操作。另外还支持对用户的账号及权限进行管理
- Provisioning API:与Management API不同的是,Provisioning API的可控制范围相对小一些,这个API主要用于控制用户创建的账号或者第三方合作伙伴的账号。
03 分析能力
BI产品提供的分析能力,我们主要分为两个部分:用户自助分析的能力、系统提供的智能分析能力。
1. 自助分析能力
通过程序化接入应用或网站后,GA自动生成了一些基础报告,这些报告包括实时流量报表、受众特征报告、流量获取报告、转化报告…同时,用户也可以自助进行数据视图的处理以及自助完成自定报告创建、漏斗分析、用户路径分析等操作。
- 数据视图管理:前面我们已经有介绍到GA提供了标准的配置API,对接API后,可以在GA后台进行数据视图的管理,你可以对数据视图进行过滤也可以自定一些计算指标,方便你输出更加精细化的报告
- 创建自定义报告:有了标准的数据视图,在创建自定义报告时只需对指标和维度进行选择、筛选即可生成报告,生成的报告也可根据不同的维度进行细分
2. 智能分析能力
除了用户自助分析能力外,GA还提供了一系列的智能分析能力:
- 智能异常检测:GA将贝叶斯状态时空序列模型应用于历史数据,使用90天的历史数据训练预测模型,以预测时间序列中最新观察到的数据点的值。该功能可以为用户提供数据诊断报告,集中分析异常数据
- 预测:一是预测能够最大限度提高转化次数的受众群体,将机器学习应用于转化数据,以确定哪些用户最有可能在后续会话中进行转化。二是预测能够最大限度提高转化次数的操作,使用机器学习检查网站会话的的一些特征,确定最佳会话,配合Google Ads可实现CPA自动出价
04 可视化能力
在提供数据的基础上,如何让数据的有效信息更加快速直接的传递给业务也是BI产品的一个重要能力。
这里我们抽几个比较典型的可视化案例简单进行简单介绍,关于数据可视化更多的介绍请持续关注作者的其他文章。
1. 折线图
下图的折线图有两个优点:
- 结合了数字卡与趋势图的显示方式,可以一眼观察到几个数据的真实值,而且解决了不同量级的数据放置在同一个趋势图中的问题,可以切换card的交互,为数据可视化界面节省了很多空间。
- 使用虚线显示了上周同比的趋势,更方便用户观察到异常数据并做出反应。
2. 堆积柱状图
各维度数据量使用不同的颜色深浅显示,堆积部分自动按照颜色深浅排序。这样做更方便对两个维度的数据进行横向以及纵向的对比。
3. 地图
地图+水平条形图的展现形式,地图中使用颜色深浅标识指标数据量的大小,柱状图按照指标数据量排序。单一的数据地图难以对各个地区数据量有直观感受,地图+水平条形图的组合让用户有了更直观的感受。
4. 频次分布图
使用日期作为横坐标、每个日期的多个时间段作为纵坐标建立时间分布坐标轴,将每个日期的每个时间段表示为一个矩形模块,每个矩形模块颜色的深浅标识该时间段的数据量大小。使用频次分布情况一眼即可观察到
本文由 @罗可靠。 原创发布于人人都是产品经理,未经作者许可,禁止转载。
题图来自Unsplash,基于CC0协议
power bi 如何构建不同年份的月度对比_以Google Analytics为例,盘点BI产品四大要素...相关推荐
- power bi 如何构建不同年份的月度对比_数据中台构建拥有一站式数据应用平台的三种捷径...
前言关于数据中台的构建,虽然今天我们各种相关领域创业公司老板都反复强调技术是次要的,核心是组织+方法论.而组织如何协调.构建的方法论又是咋样的?每个人都说的不一样,又都挺虚无缥缈的,往往很难落地.我这 ...
- BI工具对比|Smartbi与亿信ABI两款BI数据看板软件对比
工欲善其事,必先利其器.随着互联网行业的飞速发展,越来越多的企业意识到BI工具对企业的业务发展有很大的推动作用,使得工作效率更高更强.BI工具作为目前最炙手可热的数据分析工具,在数据分析结果的展示方式 ...
- bi power 两个日期挑较早的日期_功率 BI 中的时间智能:利用时间
概述 了解时间智能功能在 Power BI 中的重要性 通过简单示例在 Power BI 中实现时间智能函数 介绍时间是企业的资产,就像资源.材料和资金一样.企业使用累积时间计算(年到日期.月到日期或 ...
- tableau和oracle dv,比较Power BI和Tableau,好比用奔驰对比奥迪
经常会有人问Power BI和Tableau的区别,好吧,为了非IT专业的能看懂,咱们就用车,奔驰和奥迪来对比一下.因为他们确实有太多相似之处. 所以Power BI VS Tableau,就相当于国 ...
- 数据分析 | 数据可视化图表,BI工具构建逻辑
一.数据可视化 1.基础概念 数据可视化,是关于数据视觉表现形式的科学技术研究.其中,这种数据的视觉表现形式被定义为,一种以某种概要形式抽取出来的信息,包括相应信息单位的各种属性和变量. 如果说的实际 ...
- Power Designer:正向构建数据库数据库逆向工程SQL生成数据库报表
1. Power Designer 1.1 Power Designer介绍 PowerDesigner是Sybase公司的一款软件,使用它可以方便地对系统进行分析设计,他几乎包括了数据库模型设计的全 ...
- hbase可视化工具_做数据可视化,三大热门BI工具试用总结
什么BI分析工具好用?今天通过3款BI产品Power BI.FineBI.亿信ABI为范例,进行对比分析. 一.产品背景 Power BI是微软的,14年15年开始初见苗头,之前主要是基于Excel的 ...
- 完整年份值必须介于_上 | 完整解释 Monad 程序员范畴论入门
如果你接触过函数式编程,你很可能遇到过 Monad 这个奇怪的名词.由于各种神奇的原因,Monad 成了一个很难懂的概念.Douglas Crockford 曾转述过这样一句话来形容 Monad: O ...
- 指令流水 一个时钟周期 出一个结果_以SM3算法为例,构建一个软硬协作算法加速器:性能分析与优化...
衡量一款 ASIC 芯片可以从 PPA 三个角度进行. PPA 指的是: Power/Performance/Area,功耗 / 性能 / 面积. 衡量 FPGA 设计同样可以参照 PPA,但又有所不 ...
最新文章
- 紧跟时代步伐,让我们拥抱MVC 3
- ecshop二次开发必备--数据库说明2
- 我的世界手动选择java_如何选中路径-我的世界怎么选择java路?我的世界怎么选择java路径 爱问知识人...
- linux shell 引号 参数,shell(三)变量,基本语法,单双引号
- javascript概要
- python画蜡烛致敬烈士_Python量化交易-绘制蜡烛图 !这个图不像你的钱哦!
- 机器人教练SWOT分析_用SWOT方法分析中国智能机器人的发展现状
- 克隆巴赫系数 Cronbach‘s alpha 及 R, Python 实现
- 联通4g满格但是网速慢_联通4g网络慢是什么原因 联通4g满格但是网速慢
- Sql Server服务远程过程调用失败
- 1.11 Illustrator视图的预览模式 [Illustrator CC教程]
- 员工半夜被微信告知公司解散| 工资未发、押金未退,共享宝马走向破产…
- php留言本在线制作,Flash+php+mysql简单留言本制作
- 百度地图点聚合优化重写
- 不积跬步无以至千里001
- 关于iOS XCode的entitlements文件
- wine下玩魔兽的设置
- umi中AssertionError [ERR_ASSERTION]: filePath not found of
- 移动开发【2】 如何开启低系统版本小米5的USB调试模式
- 电脑摄像头无法打开,没有图像的解决办法之一