这周笔记下对于支撑数据分析效能的一些笔记，数据分析不是只有分析的动作，而是包含"数据治理">"数据管理">"数据分析"三环的整体，是一个从底层到上层应用的立体结构，在构建数据分析业务时，必须搞定前两者才能让数据分析的效能得以保障。
数据治理模块，其核心，是给数据建立规则，形成核心结构。不是要搞多复杂的技术架构，而是得让数据说得通、信得过。它为其他模块提供基础但又核心的保障。实际业务中主要包括两部分：一是数据指标规范性，数据指标规范性，比如指标定义中，比如"新增"指标，是按登录计算，还是激活计算，还是注册账号计算（咱们是按照账号注册）；比如新增回流的定义，是间隔多少天计算（我们是流失超过30天再登录算新增回流）；或是登录比、衰减率、LTV、参与率、漏斗转化指标等，都属于数据治理模块中的数据指标规范性，规范性是要确保所有指标的认知一致，不会在后续的处理和分析中产生因为定义的差异而出现的数据争议。二是数据源的准确性。像数据打点的规范要求，数据来源的规则都是该范围里，比如数据来源哪些是游戏前端记录、哪些是后端提供；广告标签和用户属性的链接要求；跨平台数据的同步规则等。这个模块的价值是确保数据本身的准确纯净。总体而言，因为数据本身就带着杂质，比如可能是定义混乱，也可能是来源不明，后面就算用再严谨的逻辑去分析，得出的结论也站不住脚，甚至会反过来误导决策。源头没处理好，再好的数分能力也白搭。
数据管理模块。简而言之，是提升数据分析的使用效率。它是在治理的基础上，把数据的日常运营管到位。比如数据使用的便捷性，常用的新增、日活、付费数据能分好报表方便看到，不用每次都来回多个页面切换查看；比如数据的更新节奏，像我们会比较需要看新增、ROI、留存、付费率、LTV等都小时级别的刷新，OB时几乎分钟级别刷新，不然用有延迟的数据判断当前的效果，很容易错过调整时机；另外，数据的安全和生命周期也属于数据管理模块，哪些数据的查看权限分配，哪些数据过期了该清理停止以释放数数的算力，这些工作是在保证数据在整个流转过程中的使用效率。数据管理跟不上，就算治理定了再好的规矩，数据也会慢慢变得混乱，比如常用数据等半天，过期数据占资源，高敏感数据随便看有风险，并且最后还是没法给分析提供稳定支持。
数据分析模块。是真正把数据用起来。分析的核心是从数据里挖出自带业务价值的信息。比如找到用户流失的关键节点，判断某个活动到底是拉新有效还是促活有效，而不是在数据展示本身。有效率的数据分析，必须建立在治理和管理都到位的基础上。要是数据本身定义不统一、来源不可靠，哪怕分析逻辑再严谨，得出的结论也是个大坑。要是数据管理跟不上，需要的数据调不出来、更新不及时，分析会关键时刻卡壳掉链子，影响到决策效率。另外分析模块中关键的还有，分析完之后得把结论落地到业务里。比如定义到引导的问题，就得推动优化引导流程，才是在真正帮到业务。
之前和数据小伙伴谈论时有提到这方面的个人理解，治理、管理、分析，三者的关系很像盖房。数据治理是打地基和框架，决定整个数据分析体系的稳健；数据管理是硬装，保证体系能正常运转；数据分析就是软装，让体系发挥出服务业务的价值。数据分析如果一开始就只抓分析本身，没有从治理和管理抓起，很容易踩坑，出现低效能的情况。真正靠谱的数据分析，是先让数据可信、可用，再让数据产生价值。