近日，DataFunSummit2022现代数据栈技术峰会“观远数据 x DataFun自助分析与决策论坛”成功举办。多位技术专家齐聚一堂，聚焦数据自助分析与决策，探讨大数据前沿技术与应用，并对数据驱动企业增长实践展开讨论与分享。

峰会现场，斗鱼直播 PMO 负责人熊星带来了《让数据成为工具，让分析成为能力》的主题演讲，分享了如何让数据分析团队做好数据分析？如何让业务一线用好数据？什么样的数据工具叫做好的数据工具？

斗鱼直播 PMO 负责人 熊星

以下为演讲原文：

我在企业中主要是业务角色，今天就从业务的角度和大家分享，作为数据的使用方，如何去看待数据，看待数据体系，以及如何让数据成为工具，让分析成为能力。

2017年，我加入了斗鱼，在业务部门中是数据分析的角色，是一个纯粹的数据消费者。之后开始搭建整个业务的数据分析团队。在过去的几年里，随着业务的开展和大数据部门有了越来越多的合作和融合，最后形成了目前斗鱼的数据中台团队。

斗鱼打造数据中台：

数据基建+数据应用

• 下层是数据的基础建设，面向技术侧的架构，包含了数据采集、清洗、存储、计算等工作，是数据的生产和加工环节，由大数据部门负责；

• 上层是数据应用部分，主要将数据提供给业务方使用，包含了斗鱼的取数平台、报表平台，以及很多和业务场景强相关的应用工具，例如自助分析与决策工具。这一整块就是数据的包装和消费环节，由数据中台来负责。

在计划中，数据应用的升级道路分为四个阶段：

个感知阶段是基础。通过做大量的数据监控报表、订阅邮件，以及每天的实时推送，帮助业务及时感知到当前情况，分析日常数据波动原因。业务方可能每天都会被领导问一个问题，比如昨天数据为什么涨了？为什么跌了？原因是什么？因此，通过这个形式可以让业务慢慢地养成每天看数的习惯。

在个阶段感知的铺垫之后，业务方开始感受到数据的价值，也会和数据团队开始建立起基本的合作关系。那么在此基础之上，第二个信息阶段，我们开始去做专项数据分析，寻找具体业务的问题，帮助业务方探寻问题根源。并且我们可以借助数据给出相对具体的业务建议，和业务一起去探讨下一步解决方案。这个阶段最重要的事情是通过数据把更多的信息挖掘出来，提供给业务方，明白数据状态或者业务现状，以及下一步的优化方案。

第三个知识阶段，主要是沉淀上一个阶段所积累的各种信息。在不断的磨合和积累中，我们对业务的理解也会越来越深入，可以开始把业务的信息做一些抽象重组，形成具体的业务规律。基于业务逻辑，把日常做决策所需要的信息做抽象、重组和聚拢，以一条合适的路径展现出来，适当地进行基于业务场景的应用化产品落地，目的是为了让业务中的场景和策略可以自动化跑起来，让更多的业务经验借由产品体系化工具继承下来。

17年斗鱼开始了自研的报表服务平台。这个产品在我们内部看来非常令人振奋。因为此前基本是用 Excel ，在云桌面上进行数据处理，成本非常高。在有了这一套工具之后，我们的数据需求的处理能力其实得到了一个大大的提升，包括数据的提取、分析，以及简单报表的产出。也正因为效率的提升，我们和业务之间的合作关系也越来越紧密了。

在后面的合作过程中，我们发现很多数据需求会周期性地出现，比如每周、每个月需要看一次，或者说同一套数据分析的逻辑在A和B的业务场景里面都需要。因此我们开始着手推进“即席查询”、“模板查询”这一套工具，可以把重复出现或者相似的数据需求，进行抽象、产品化，固定成查询模板，放在数据平台上。当业务方需要数据时，可以去自助获取，不需要重新提需求，让数据分析师来重复工作，进一步解放了数据分析师团队的产能。当分析师效率得到进一步提升后，才会有机会去更深入地学习业务。

在上述发展过程中，我们现在斗鱼的 360 系统就诞生了。它有别于以往的数据工具，不再是一个简单的看数的工具，它的每一个模块、功能点都和业务逻辑有着非常紧密的结合，可以通过一个个图表和数据的展示，去呈现出一条通过数据解决问题的路径。

这就是上面提到的通过数据信息呈现，引导数据使用者通过数据思考问题，发现问题，找到结论。此时，我们内部真正意义上迈出了数据驱动业务的步。

斗鱼如何应对灵活多变的业务情况？

比如 360 平台，每一个模块都比较依赖数据团队对于业务的理解，而且业务场景的抽象，需要数据分析师有比较高的业务能力，并且也只能服务于常规的成熟业务场景。因为 360 平台上的每一个功能都是经过业务经验的积累之后，对经验抽象所形成的。

那么对于平台上很多新兴的、经常变动的业务来说，其实并不够灵活。为了解决这个问题，我们今年开始引进观远平台，希望借助观远数据整个灵活的自助分析与智能决策能力去应对当前更加多变的业务情况。

上面规划的整个数据中台期望以及计划，看似很美好，但是现实仍有不足。斗鱼整个数据体系经过多年建设，虽然很多问题已经解决了，但仍存在一些困难：

数据量庞大，数据分析师任务繁重。举个简单的例子，斗鱼作为国内一流的游戏直播平台，日活跃量非常庞大，用户每天在平台上的行为数据达到了一个非常惊人的量级。由于过去几年的引导，目前整个斗鱼的业务团队对于数据的重要性有了一定程度上的认可。现在业务每天提出的数据需求量很大，小到一个主播的数据详情分析，大到一整个分区未来流量和营收策略的制定。这些数据需求在内部都得靠数据分析师团队来承担，需要分析师团队和业务对接、取数、分析，整理成数据报表或者结论反馈至业务方。

业务数据决策效率待提升。虽然我们提供了一套模板化的数据查询工具可以满足相当一部分的简单数据场景。但对于五花八门、形态各异的数据需求，还是难以招架。比如很多时候业务方提出的需求，并不一定是一个确定性问题，可能带有一定的探索性。需求所需要的数据维度、筛选条件以及指标，可能都是不确定的。在看数的过程中，业务方可能会一遍一遍地和分析师沟通，看一下这个、那个条件，把口径放宽或者缩窄一点，把分层逻辑改一改等等，以探索业务问题。这个过程只能依赖数据分析师一遍又一遍取数、沟通，导致整体的数据产出以及基于数据的决策效率相对比较低，这也会让整个数据分析师团队的价值难以被体现。

数据分析师价值低，数据价值难体现。这时就出现了所有数据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？对于业务数据分析师来说，我们希望能够产出各种各样的策略，去发现产品、运营策略上的不足，引导大家跟着数据来优化业务。现在分析师每天日常工作都花在了整理基础数据上，慢慢就会变成一个人肉取数工具。对于企业来说，一个数据分析师团队做这种事情其实非常浪费。

所以我们尝试把问题进行拆解，按照数据生产、使用的链路去捋一遍。问题主要出现在以下几个环节：

首先全公司在业务层面还有系统层面，需要统一、推广一套数据标准。如果同一个指标的定义，在各个部门中是不一样的，自然会导致需求多变性。相似的业务问题可能仅因为一个条件不同，就会演变成多个需求给到数据分析师团队，造成资源浪费。后面更大的一个问题是指标不统一，各个部门之间的数据报告不太具有可比性。那在管理层的视角里，这是数据质量问题，那么数据的价值、数据团队的价值就非常难以被认可。

这些问题我们该如何解决呢？在过去一段时间的思考之后，我们给出了答案：需要一套数据工具，能够进行统一的指标管理，能够简单易用，好上手，并且兼具足够的灵活性以能够满足需求方各种开脑洞式的需求。那么前面提到的业务场景，都可以完全自由地交给需求方、业务方，自己去完成。过去业务方和数据分析师之间来来回回沟通、返工等等，耗费几个小时甚至几天的需求，现在借助一套这样的工具，需求方可能在工具里花半个小时，拖拉拽改条件、跑数据，就能解决所有的疑问。

斗鱼数据工具演变历史：

从Excel到引入观远数据分析平台

我们开始去寻找一个产品来补足整个数据产品的矩阵。回过头来看一下公司内部整个数据工具的演变历史。

增加基础数据后台：随着业务快速发展和升级，数据开始了快速地积累，需要用到数据的场景越来越多。简单举几个例子：产品上线需要定效果，看每天参与人数，收入等数据；主播运营，需要时刻关注直播间的数据变化，方便实时和主播沟通今天的直播情况，做复盘和改善；每个月整个公司的经营性报告，需要从各个维度复盘过去一个月的经营情况。为了方便我们日常业务中使用到这些基础数据，我们开始做了基础数据后台。这个后台其实相对固化，只有固定的数据维度、数据指标，点击查询把数据导出来，单纯为了方便整个数据的提取。

自研报表平台和数据应用平台：后来业务需求上来后，基础数据后台跟不上发展了，于是上线了自研的报表平台和数据应用平台，形成了一个简单的数据矩阵。通过这一套数据矩阵解决不同的需求，提升了整体分析师的产出效率，并应对越来越多的问题。

被动的解决数据需求我们解决了，但我们不能止步于此，更要主动出击，去花更多的时间和精力，通过数据去探寻业务的本质。要做到这个事情，就意味着需要进行新一轮的产品升级。那么什么样的产品能帮助我们实现这个升级呢？总结了以下几个点。最重要肯定是成本，不管是采购成本以及维护成本，都需要去和自研系统做成本比较。

其次，从产品能力上主要关注这五个点：

• ，视觉美观。不仅仅是整个产品 UI 界面，更重要的一个点是图表组件的丰富度，以及最后整个版面的协调和美观。业务人员是不是可以轻松地做出来一个好看也好懂的报表？

• 第二，简单易用。不光是要对分析师友好，同时也需要对业务使用者友好。当用户有想法时，例如看完图表有一些猜测，可以通过简单的操作对图表进行改造、补充，或者改变看数视角，进行一些浅层次的数据探索。

• 第三、随时随地。对于直播公司来说，很多运营同学大多数工作时间都不在电脑前，甚至不是在公司里。那么为了满足不同的设备在不同的场景下看数据的需求就非常重要。

• 第四、易于集成。前面讲到比较难管理各个数据口径。那么系统可以很轻松地和其他系统进行集成，把别的系统就作为展示渠道，而数据的口径和内容可以统一收口到这一套系统里面。那么就可以很大程度上解决数据口径问题。

• 第五、易于维护。从斗鱼来说，虽然发展了这么多年，整个业务已经趋于成熟稳定，但是不少的细分场景，还在进行不断地迭代和尝试。在这些方面，数据肯定要跟得上，那数据报表的内容也需要实时跟着业务变化进行变化。

总而言之，除了成本和性价比这些硬性指标之外，我们需要的一款产品就是可以帮助用户获取数据分析能力的产品。这也回到了主题，让数据成为工具，让分析成为能力。综合以上因素，我们最终选择了观远数据。

接入观远数据到现在也就两个月时间，我们做了一些什么事情？

件事情是重置了一套斗鱼内部的数据门户，涵盖了全平台的日常经营所需，也细分到了分区、主播、产品，用户层面。这是从上到下各个层面，把过往自研报表平台里的核心报表都进行了一次重置。这套门户和之前的报表工具体系有什么区别？

一个是交互体验升级。首先观远数据有很多丰富而且很美观的图表样式，可以帮助我们轻松地搭建出一套漂亮的报表。不管是用来做简单的报表，还是数据大屏也好，甚至一线也开始直接通过观远去做周期性的分析报告，整个页面都比较有设计感。同时，观远的页面支持跨平台展示，很好地满足了我们随时随地通过手机看数的需求，也能支持一定程度上的数据回写，有了一种移动办公 App 的感觉。

另一个方面是这套产品提供了更高的自由度。以前老的报表平台，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过程，没有办法让用户完成主动的探索。借助于观远平台，斗鱼新的数据门户可以做到不管是数据的上下钻取，还是多个图表的联动，甚至是直接点击编辑，调整卡片样式、指标维度、筛选条件等等，都非常方便用户在看数之后的及时猜想和验证。

数据驱动业务这个话题，是每一个数据分析师绕不开的。过去，我们在斗鱼有一个思路，通过人来做这个事情，通过人去建立合作关系，去培养信任度，去树立话语权，通过一次又一次的数据的建议去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。这一套路径其实是非常有效的。

因为有人的参与，那么面向不同的业务方，可以很灵活地去推行这一套模式。但有一个问题是，我们不能所有的事情都依赖于个人的魅力，我们需要通过体系，通过工具，让个人能力慢慢地沉淀成组织能力。这也回到主题，让分析成为能力这一句话的真实含义。我们数据中台目前就是顺着这个思路在做的。

首先我们通过一系列的报表邮件订阅去让大家养成看数据的习惯，然后再慢慢地通过数据去给建议，引导大家做基础的数据洞察。现在我们更进一步，提供一套好的数据工具，让大家学会简单的数据分析和挖掘技巧，让数据成为每一个人做业务的工具，让每个人都能通过数据找到对业务有用的信息。这件事情是比数据中台单纯培养一个熟练、高效、能力很强的数据分析团队更有价值的。

未来我们要干掉“数据分析师”

举个简单的例子，斗鱼平台一直在做的一个事情是创作者扶持。过去，我们通过人工运营去沟通，定制化地做策略和活动，并倾斜资源给到我们认为有潜力的创作者，来达到提升整个创作者水平的目的。这个手段是非常有效的，但是问题在哪？在于效率。因为每一个运营能够辐射到，能够关注到的创作者是有限的。

当平台发展起来后，需要被关注的群体变得庞大，运营人力是跟不上的。其中更关键的一点是这些经验存在于人的脑袋里面，只能靠老人带新人，去传授。一些优秀的部门和团队，会通过文档等形式把知识给沉淀下来，但大多数情况是口口相传。

那么数据在这个事情上非常有用武之地。我们可以通过过往的成功项目经验做细致深入的拆解，结合整个创作者的生命周期的划分，抽象出不同周期或者说不同阶段的创作者所需要做的事情，需要达到的目标。根据这些数据产出，就可以定制一套任务体系，根据创作者每日的数据情况自动定级，并且配上相应级别的任务要求和行动指引。当创作者达成了这些目标之后，就可以自动发放资源和奖励，推动创作者进一步成长。

最后回到整个数据中台的终极目标，就是人人都是数据分析师。说得直白一点，我们希望革自己的命，把我们自己的“数据分析师”给干掉。这个“数据分析师”是打引号的，指的是目前这个阶段每天取数、做基础数据整理以及常规业务分析工作的角色。

并不是说这个工作不重要，而是说我们可以通过更高效、更低成本的方式去解决这些问题，让数据分析团队从机械性工作中解放出来，从而花更多精力去深入到更进一步的业务分析中去，探寻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。

我今天的分享就到这里，主要是跟大家分享一下我们做数据业务团队的历程和心得，也希望后续能和大家有更多的交流和合作，感谢大家。

Q&A

主题演讲结束后，熊星回答了直播间的相关提问。

MORE