几分钟帮你掌握门店数据分析——九数云

以支付业务为例来讲解门店数据分析。

用户来到支付收银台后，在页面上有很多点击行为，比如选择各种支付方式，微信支付、ApplePay 支付等最后完成支付。

这个过程会产生很多可用于门店数据分析的数据，从数据大类上分成：用户数据、行为数据和业务数据。

用户数据指用户本身的特性，如用户画像，使用你产品的用户男性多还是女性多，年龄多大等。

行为数据指用户使用产品在页面上的各种点击行为，在页面上停留时长等。

业务数据指用户行为之后，实际产生的结果，业务数据会落库业务数据表。在门店数据分析中，分析业务数据的意义在于其可以衡量商业价值，是业务最终呈现结果，用以推动公司业务的发展。

用户数据和行为数据通常可以从第三方数据工具直接获取，业务数据一般要内部建设。

在整个门店数据分析的框架中，分为五大层次，依次是：数据生成、获取数据、数据建模、数据分析和数据应用。

1.数据生成

还是以支付业务为例，用户选择支付方式完成支付后，落库核心的两张业务表：订单表和交易表。一个订单会对应多笔交易（每选择一种支付方式生成一笔交易，一笔订单可以使用多个支付方式尝试支付），其实还会产生其他表，比如收货地址表等。

2. 获取数据

通常使用第三方工具将业务系统的数据经过抽取（Extract）、清洗转换（Transform）之后加载（Load）到数据仓库的过程，数据呈现在BI的数据源。

3. 数据建模

所有数据进到数仓以后，对实际想要进行门店数据分析的部分进行数据建模，建模后的数据呈现在数据集。数据集作为数据源和可视化展示的中间环节，承接数据源的输入，并为可视化展示输出数据表。

4. 构建数据模型

底层的业务数据表其实很多，几十张上百张都有，但到了业务数据分析阶段，当需要分析的数据存储在不同的表，可以通过数据关联，把多个表连接起来，形成模型进行数据分析。

总的来说，数据模型是完全面向数据分析的业务场景形成的新表。以支付业务为例，构建的数据模型有：用户表、订单表和交易表。

5. 数据分析

有了维度和度量的概念后，接着引入聚合概念。

聚合，简单讲就是数据源里的多行数据按照一定的标准计算成一个数据。配置了聚合计算的计算字段，将根据配置的维度自动进行聚合运算。

6. 数据应用

通过可视化的图表去呈现门店数据分析结果，找出机会点或者异常。

上一篇: 不会运营统计，九数云来帮你
下一篇: 九数云教你搞定企业财务报表分析