日報のデザイン方法とトッププレイヤーの大規模日報の遊び方

「今日は、当初の計画に戻ります。インターネット金融プロジェクトの日報をどのように設計するか、そして、トッププレーヤーの大規模な日報がどのようにプレイされるかです。この記事は合計2,100語で、読むのに8分かかると予想されます。」

データは業務の基盤です。ビジネスの核心に近づくほど、データ機能が重要になります。インターネット金融の運営も例外ではありません。業務におけるデータの日常的な使用には、主にデータ監視、データ分析、データ結論出力戦略という 3 つの側面が含まれます。適切な毎日のデータレポートを作成することは、データ監視作業の最も基本的な要件です。

データ監視を適切に行うには、データ監視の目的を理解し、適切な対策を講じる必要があります。データ監視の目的は単純です。現在のデータの状況を素早く把握し、データに基づいて表面的な問題を発見することです。その中で、データを素早く理解することが主な目的であり、表面的な問題を発見することが副次的な目的です。 Design Daily の目標は、これら 2 つのニーズを満たすことです。

01—データの現状を素早く把握

では、データをすぐに理解できるように日次レポートをどのように設計すればよいのでしょうか?分解が最善の解決策です。データを結果データとプロセスデータ、コアデータとセグメントデータ、属性データと行動データと業務データに分けて個別に表示することで、一目でデータがわかり、プライマリとセカンダリを区別できるようになります。

融資支援事業の新規ユーザー部分を例にとると、新規顧客融資支援の中心的な目標は、融資総額の増加です。結果データは UV、融資額、借り手数、融資件数の平均数となり、プロセスデータは総振替額となります。そして、これら 5 つの指標が最も重要なコア指標となります。

これを第 1 レベルのビジネス ノードに分解すると、新規顧客はアクティブになることから申し込みの送信、信用承認の成功、ローンの申し込み、そしてローン申し込みの成功という 5 つのステップを経る必要があります。次に、結果データに、これら 5 つのステップのスケール指標、つまり UV、新規アカウント申請、信用成功、信用承認の平均数、総信用額、ローン申請、ローン成功、ローン申請の平均数、および総ローン額を補足する必要があります。

プロセス データでは、合計コンバージョン レートが、新規アカウント登録率、クレジット申請率、クレジット完了率、クレジット承認率、ローン申請率、ローン完了率、ローン承認率、合計コンバージョン レートの 5 つのステップのコンバージョン レートに分類されます。これら 5 つのコア指標と 12 の第 1 レベル ノード指標により、ビジネス結果データとプロセス データ、コア目標と第 1 レベル構造からビジネスの全体的な状況を迅速に把握できます。

次に、データを分解してみましょう。セグメント化されたデータは、まず行動データとビジネスデータに分けられます。アクティブ、登録済み、クレジット、借入の各ページでのユーザーの行動が行動データです。与信システムや借入システムで生成されるデータは業務データです。ユーザーのチャネルソース、クレジットプロバイダーなどは属性データです。

このように行動データをクロス分割することで、アクティブな UV をさまざまな排水口のデータに分割できます。登録ステップのデータは、登録ページへのアクセス、登録のクリック、登録成功、登録申請率、登録成功率、および総登録コンバージョン率でさらに細分化できます。ログインでは、ログインしたユーザーと未送信のユーザーのアクティブなセクションに応じてデータを分割できます。申請は、申請ページを閲覧したユーザー数、次のステップに進むユーザー数、各ステップの申請率、承認率、およびクレジットプロセス全体の完了率に基づいて分類できます。ローンも申請書に似ており、投資家やローンごとにページを分けることができます。

ビジネスデータは、ビジネスシステムへの参入人数、合格率、平均件数、総額、投資家別に分類できます。

この表は単なる例であり、記事の内容と完全に一致するものではありません。実際の業務に合わせて調整する必要があります。

02 - データの問題を素早く発見

データを素早く理解するための近道はデータを分解することであり、問​​題を素早く発見する方法はそれらを比較することです。

比較には2つの方向があります。 1つは垂直比較、つまり日次前年比、週次前年比、月次前年比、年次前年比などの時間軸での比較です。 2 つ目は水平比較、つまり業界内の比較、類似の事業ラインの比較、新規顧客と既存顧客の比較、異なるチャネル間の比較、異なる投資家間の比較など、空間次元での比較です。

日報に比較項目を追加するにはどうすればいいですか?日次データであるため、キーデータには日次前月比データ、7 日間データ変動、月次前年比データが含まれている必要があります。このうち、日次前月比、前月比前年比は1列のデータのみでよいため、主要データと詳細データの2列は必須となります。ただし、7 日間のボラティリティ データを更新するにはコストがかかるため、重要なデータのみを公開できます。

日次前月比、前月比、変動傾向の右側は、比較しやすいように元のデータです。

また、四半期、月、週ごとに融資目標を設定する場合、目標達成度に応じて継続的に戦略を調整するために、現在の指標達成度進捗項目を主要データに追加して、全体的な指標達成状況を管理することができます。

このようにして、インターネット金融業界の日次レポートが設計されました。このロジックに基づいて、ビジネス ノードに応じてさまざまなビジネスを調整できます。次に、このデータを取得して集計する方法について説明します。

03—データの取得と統合

データ収集に関しては、主な区別はさまざまなデータ収集方法に基づいて行われます。たとえば、行動データは通常、埋め込みポイントを通じて収集され、ビジネス データは通常、ビジネス システム ベース テーブルに記録され、属性データは埋め込みポイントまたはシステム ベース テーブルにフィールドを追加することによって収集されます。チャネル データを除き、個別の収集方法が必要になることはほとんどありません。異なる場所からデータを集約する必要がある状況は 2 つあります。 1 つは、行動ビジネス データが分離されており、対応するデータを対応するシステムで直接使用する必要があることです。たとえば、多くの行動データ収集ツールには分析ツールが付属しています。業界最高水準の Sensors には、対応する動作分析に直接使用できる一連の Sensors 分析ツールがあります。ビジネスベーステーブルの場合、SQL を使用してデータを取得するには、Hive、Spark などの対応するデータ取得プラットフォームを使用する必要があります。もう 1 つの状況は、行動データとビジネス データを接続することです。いくつかの方法では、データ収集ツールを通じてデータを直接接続し、行動データ、ビジネス データ、属性データがすべて 1 つのシステムに収集されて使用されるようにします。他の企業は、データを独自のデータ ウェアハウスにインポートし、ユーザーの関連付けを独自に実行し、フロントエンド データとバックエンド データを接続します。断片化されたデータは 2 つのプラットフォームから個別に取得し、別のプラットフォームで集約する必要があります。たとえば、行動データは Python スクリプトでキャプチャし、基本テーブル データは SQL でクエリし、最後に手動で Excel テーブルに集計することができます。接続されたデータは、Excel などのサードパーティにエクスポートしたり、レポートにして自動的に更新したりできます。それに比べると、接続されたデータは当然ながらより効率的です。

04—ビッグモデルデイリーに将来はあるか？

日報の設計、データの取得と集計について説明した後、高度なこと、つまり大規模モデルの自動分析について説明しましょう。業界の大手企業の中には、データの監視と分析のための AI ツールセットを開発しているところもあります。設計されたレポートと構成された指標の関係に基づいて、量と割合の両方の観点からデータの各部分の変化をリアルタイムで評価し、最も影響のある変化のポイントを見つけることができます。

このシステムの利点は、データベース内のすべてのディメンションからデータを分析し、データ ブリーフィングを自動的に作成して送信し、データの変動に基づいてリアルタイムのアラートを送信できることです。欠点としては、ビジネスチャネル、戦略、活動、製品などの調整を十分に理解しておらず、上級運用担当者の経験がないことが挙げられます。データの変更点を確認することしかできず、データ変更のビジネス上の理由を見つけて戦略を策定することはできません。現時点ではブリーフィング生成ツールに過ぎませんが、人工知能の急速な発展により、将来的には監視、分析、意思決定においてオペレーターに取って代わる可能性も否定できません。

以上がクレジット業界の主要プレーヤーの運営方法と進化段階の概要です。来週は引き続き基礎練習セクションを更新していきます。ビジネス成長モデルの確立方法、ビジネス予測モデルとビジネス戦略ライブラリの設計方法、戦略実行テーブルの設計方法など、基本的な実践セクションがあります。また、成長モデルを適用して指標を分解し、成長ポイントを迅速に発見する方法、UJMモデルを適用して新規顧客を獲得する方法、ライフサイクルモデルを適用して古いユーザーを管理する方法などの方法の応用セクションもあります。AB実験の実施方法、トラフィックソースの属性付け方法、定期的なアクティビティの設計方法、インテリジェントな意思決定モデルの設計方法などのシナリオ実践セクションもあります。