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：

1. 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。
2. 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