犯姊妹在近日结束的“让业务用起来·观远数据2022智能决策峰会暨产品发布会”云上直播中，进行了主题分享。熊星基于目前数字化过程中的种种困境，以及针对困境的应对策略，分享了

　　大家好，我是来自斗鱼的熊星，很高兴能参加观远数据 2022 智能决策峰会。这次峰会主题是“让业务用起来”。刚好我是一名数据消费者，正是所说的“业务”。今天就从业务的角度，简单分享业务是如何看待数据，以及如何搭建整个数据工具体系。

　　今天分享的主题是“变数为宝，数据产品助力企业数智化”。今天的分享将从三个部分讲述，首先是数字化过程中的困境，其次介绍针对困境所做出的举措，以及斗鱼整个数据产品的进化历程，最后分享目前斗鱼在企业数字化取得的一些成就和未来展望。

　　首先介绍斗鱼。斗鱼是一家“以游戏为核心的多元化内容生态平台”，是国内直播平台中的佼佼者。目前，斗鱼以游戏为主，涵盖了娱乐、户外、科教、正能量等多种直播内容。每天，都有成千上万的观众与主播在斗鱼分享欢笑，获得属于自己独一份的快乐。斗鱼通过整合游戏产业的上下游资源，力求为用户打造一个一站式的互动娱乐社区。

　　斗鱼从 2014 年创立至今已走过近9个年头。在过去9年里，斗鱼的业务形态发生了很多的变化，也出现了很多新型业务，同时也有很多业务被市场逐渐淘汰。随着Z世代成为互联网流量的主力，斗鱼整个业务形态的变化也在不断加速。

　　为了应对千变万化的市场环境和用户需求，我们对于市场的把握、对于用户的理解就愈发显得重要，这对于数据人来说也是一项巨大的挑战。

　　为了更好地支撑业务，分析挖掘的信息就要更多，所涉及到的指标与维度也随之不断增长。一路追溯到源头，通过行为打点采集的数据，以及服务端产生的业务数据，越来越细致，最终导致了数据仓库体量呈指数级的增长。

　　可供分析的数据正在快速增长，对于数据分析与挖掘的需求也在快速增长。看起来，数据正在被很好地利用，但其实出现了一个与设想相反的现象。

　　理论上拥有更多更全面的数据，随着数据思维的推动，我们对于数据的理解与需求也越来越精确。正常来说，数据消费的链条应该运转地更迅速，获取数据应该更加及时，借助数据进行决策的效率应该变得更高。实际上，我们获取数据更难了、更慢了。确实采集了很多数据，但是沉睡在数据仓库里，没有成为能够被合理利用、发挥价值的数据资产。

　　当越来越多的数据得不到很好的利用，无法发挥价值来支撑业务时，数据的有效利用率自然开始下降。

　　首先在老板眼里，我们投入了大量的人力、物力以及时间，搭建了一套又一套数据产品，但还是没有办法通过数据全面便捷地了解业务现状；在业务同学的口中，我们最常听到的一句话是，“这么简单的数据，为什么需要等这么久呢” ；我们自己，也就是数据分析师，心中同样也充满了抱怨。这个需求跟上一个好像差不多，又得调整一遍，重新跑数据。

　　于是我们尝试将问题进行了细化的拆分，按照数据生产的链路把整个链条捋一遍。

　　首先我们缺乏一套全公司统一的数据标准，或者说有一套标准，但是在业务层面和系统层面都比较难统一。对于同一个指标的定义，不同的部门可能有着不同的想法，也可能同一个部门内的不同业务场景下，会提出不同的想法。这就引发了一个问题，数据需求的多样性和多变性。

　　相似的业务问题，可能仅因为一个条件不同就演变成了多个需求。数据分析师就需要写多份的代码，重复进行取数与整理，导致效率不高。由于指标不统一，各部门之间的数据报告可比性也会下降。在管理层的视角里，这就是数据质量的问题，从而演变成了严重后果，即数据价值很难被体现。

　　那么这些问题该如何解决呢？在思考之后，我们有了一个答案：需要一套敏捷、灵活、易用的数据工具体系。

　　如果有这么一套体系，能够进行统一的指标管理，简单易用好上手，能够足够灵活地满足用需求方的各种脑洞。那么前面提到的业务场景，完全可以交给需求方自己来完成。过去耗费几个小时，甚至几天来来回回沟通，现在需求方自己在这套工具里花半个小时就可以自行解决。

　　所以数据产品是解决这些问题的关键。我们把数据产品分为三种类型，分别负责数据的采集、整合以及应用。

　　斗鱼的整套数据产品体系目标在于将更多的数据以一种合理、便捷的方式开放给所有人，帮助业务轻松地获取到自己需要的数据，让更多的沉睡数据变成有价值的数据资产，提升整体数据利用率。

　　最初数据规模很小，所以使用Excel 来处理数据，就可以基本满足需求。随着业务的发展升级，数据开始积累，需要用到数据的场景也开始慢慢变得多了起来。比如产品上线了，需要定效果；主播运营需要关注直播间的数据，方便每天在下播之后复盘今天的情况；每个月的经营性报告，从公司整体到单个直播间，从各个维度去复盘经营情况。

　　所以后来会建设了基础的数据后台，方便查询简单的基础数据，之后上线了自研报表平台、数据应用平台，形成了简单的产品矩阵。

　　用不同的工具来解决不同的需求，极大地提升了分析师的产出效率，能够覆盖和应对越来越多的问题。但数据人不能止步于此，不能局限在被动地解决数据需求上，应该更主动地出击，花更多的时间和精力在借助数据探寻业务的本质上。因此今年斗鱼也在进行新的一轮数据产品升级。

　　根据公司不同的数据发展阶段，以及用户的需求形式，斗鱼一般从三个方面评价数据产品。

　　第一个数据资产。产品能够提供什么样的数据；有着什么样规模和丰富度；复杂程度怎么样；数据的质量如何；数据的口径能不能统一等。

　　第二个是产品呈现形式。产品能否足够简单易用。不光是针对分析师等专业数据人员，要看是否能满足普通业务人员随时可用，即用即走的诉求；是否能让零基础的小白进行简单的数据探索；是否蕴含一定的业务分析逻辑，帮助用户做一些简单的业务决策。

　　最后一点是整个产品的收益。对于数据团队来说，是否能降低开发难度提升效率；是否有足够灵活与可靠的数据安全保障；是否可以轻松的扩展；是否能轻松和其他平台进行融合打通；是否能够提供真实有效的业务价值？

　　这些都是评估产品收益的几个方面。按照这个逻辑，下面简单介绍斗鱼的几个典型的数据产品。

　　首先是即席查询。早期斗鱼的数据分析师是没有权限在自己电脑上自由访问数据的。所有数据需求需要先汇总到数据分析师手上，经过分析师的筛选和调整之后，统一提交给数仓团队。数仓团队将数据提取出来，用 Excel 的形式发送到云桌面上。接下来数据分析师才能在远程云桌面上用 Excel 进行数据处理。

　　远程加 Excel 的形式意味着数据分析师只能处理少量的数据，并且需要在提交需求时就想清楚所需要的字段以及约束条件，不然需要再次等数据更新的时间，这意味着数据处理成本比较高。

　　此后，斗鱼通过一套自研的数据开发平台解决了这个问题，数据需求的处理能力得到了大大的提升。这个过程中，我们发现有很多的数据需求，它会周期性地出现，或者说同一套逻辑， A 场景需要， B 场景也需要。数据分析的时间被大量的、低价值的、相似的数据处理给占据了。

　　所以斗鱼着手推进即席查询。通过统一整合历史业务需求，形成固定的数据查询模板，用一个自助查询的方式开放给分析师，让需求方可以自助地获取数据，从而解放分析师的产能，提高整体的效率。在效率提升之后，分析师开始有机会更多更深入学习业务。

　　与此同时，我们发现数据集市中存在着大量数据，但数据存储的形式杂乱，口径不一，不同的人在用不同的数据源、不同的口径计算同一个指标，这就导致了不同的部门都有一套自己的归因逻辑，让数据结论的可比性和可靠性大打折扣。

　　在这个过程中，诞生了“斗鱼 360” 产品。它有别于以往的数据工具，不再是一个简单的看数工具，每一个模块都和业务逻辑有着紧密的结合。通过一个个图表的展示，呈现出一条通过数据解决问题的路径。基于对业务经验的抽象沉淀，以产品的形式固化分析决策路径，帮助业务快速决策响应。这在真正意义上，迈出了数据驱动的第一步。

　　但“斗鱼360 ”每一个模块都非常依赖于数据团队对于业务的理解，对于每一个业务场景的抽象，对数据分析师的业务能力要求比较高，而且也只能服务于常规的、成熟的业务场景。

　　对于多变的、新兴的业务尝试来说，还是不够灵活，现在的数据需求的形态五花八门。尤其很多时候，需求可能都不是一个确定性的问题，带有一定的探索性。数据的维度、筛选条件、需要看的指标，甚至说指标的口径，都会不断变化。在这个过程中，只能依赖于数据分析师一遍又一遍取数和沟通。带来的结果就是整体数据决策效率还是比较低，从而让整个数据的价值难以被体现。

　　所以今年斗鱼启动了观远项目，我们借助观远数据产品重置了一套数据门户，涵盖了全平台的日常经营所需，也细分到分区、主播、产品、用户等等层面，相当于把过往在自研报表平台里的核心报表都进行了重置。

　　一是交互体验的升级。首先观远数据提供了丰富且美观的各种图表样式，可以轻松地搭建出一张漂亮的报表。不管是用来做简单的报表，做数据大屏，甚至直接拿来写报告，都比较有设计感。这直接给用户一种耳目一新的感觉，让大家非常好接受。同时页面可以跨平台展示，非常方便用手机直接打开查看。

　　另一方面是更高的自由度。以前报表平台看数就是看数，一个表格就是一个表格，彼此之间是孤立的，只能形成被动的信息接受，很难完成主动的探索。借助观远平台的能力，新的门户可以做到不管是数据的上下钻取，还是多图表的联动，甚至直接点击编辑调整卡片的样式、指标、数据维度、筛选条件等等，方便用户在看完数据之后，及时地进行猜想和验证。通过这套产品以强互动的方式去展现数据，引导业务进行自主分析去提升整体的数据能力。

　　目前来说，整个斗鱼的产品矩阵还在逐步完善，从底层的数据基础设施，到标准化的模板查询，再到开放探索式的自助分析工具，目标是满足不同岗位、不同数据技能水平的用户，同时也积极推进更加场景化的数据应用工具落地，帮助业务去实现基础的策略自动化。

　　整套产品体系帮助斗鱼极大地提升了数据分析师的效率，让分析师从较为初级的数据需求中解放出来，将精力更多投入到策略的研究与迭代当中，从而推进更高层次的数据化进程。

　　数据驱动业务是每一个数据分析师都绕不开的话题。过去的思路是通过人去建立合作关系，培养信任，通过一次又一次的数据建议，慢慢地提升话语权，从而实现影响业务决策的目的。这一套当然非常有效，但做事情不能总依赖于个人魅力和个人能力，更要通过体系、工具，让个人能力沉淀为组织能力。

　　斗鱼数据中台就是这样做的。首先通过一系列的报表、邮件订阅去培养每天看数据的习惯，然后通过数据给出一定建议，去引导做基础的数据洞察。现在更进一步，提供好的数据工具让大家学会简单的数据分析与挖掘的技巧，从而让数据成为一个工具，让每个人都能通过数据找到对业务有用的信息，这比培养一个熟练高效的数据分析团队是更有价值的。

　　回顾整个体系的建设过程，随着企业的成长，我们使用的数据变得越来越广。在起步阶段，只需要一个简单的数据解释就可以满足日常所需。随着业务变得丰富，数据维度与指标开始扩充，开始进行用户的分层研究，开始做不同指标间的对比与趋势预估。

　　到了现阶段，已经不满足于分层看待用户，需要关注到每一个个体，从更小的颗粒度，观察用户的变化。整个数据扩张过程对于斗鱼数据体系来说是一个巨大的挑战。这不光是技术上的挑战，而是对整个体系思维、整个体系运转逻辑的挑战。

　　未来，我们希望数据团队能够更多地向业务靠拢，下一步会开始推进更深一步的数据与业务的融合。数据要实现驱动力，就必须得从上到下，渗透到各项业务中，实现数据到业务的打通。这整个过程是一个企业数字化的过程。通过数据采集系统的完善与升级，帮助企业获取越来越多越细致的数据。通过数据开发平台的升级，帮助企业更快更高效地处理数据。通过多元化的产品矩阵搭建，帮助业务人员快速便捷的使用数据，使每一个人拥有一定的数据分析能力，从而让整个企业的数字化程度得到提升，让决策变得更加智能。

　　我今天的分享到这里就结束了，希望后续能和大家有更多的交流与合作，非常感谢大家的聆听。返回搜狐，查看更多