58同城作为中国领先的生活服务平台，业务覆盖招聘、房产、汽车、本地生活服务等领域。每日产出亿级别数据，数据分析师对海量数据多维度展示和数据分析需求强烈。部门内部的可视化基石BI基于用户需求，提供数据自定义看板展示和增强分析能力，支持拖拽式操作和丰富的展示效果，帮助用户灵活搭建数据看板，从不同的角度对数据进行解读和挖掘，对数据进行全面的监控和分析，及时发现异常情况和风险点，提供预警和决策支持。

不同于传统BI工具，基石BI提供了完整的数据闭环，对数据进行抽取、整理、分析、报表输出等，通过数据对企业决策提供支持和帮助。

• 数据连接：用户将要查询的数据表接入到BI中。

• 数据准备：将数据表进行查询整理，形成数据集，进行数据标注。

• 数据看板：设置看板对应数据集，拖拽插件进行布局，固化为数据看板。

• 数据应用：配置应用信息，对外输出数据看板。

• 增强分析：通过算法模型进行有效的数据分析，查询异动、转化分析数据。

• 工具化：转化思想，从以往已报表为核心在不同系统开发展示，或是采购其他厂商应用，转化为自研数据工具思维，使功能工具化标准化，提高效率，保证数据一致性和安全性。

• 平台化：研发BI分析平台，简单快捷的进行可视化看板搭建，对外输出平台化产品，进而实现一处设置，多处使用。

• 智能化：实现业务智能化，基于算法模型持续产出异动分析、转化分析等智能分析组件，提升平台竞争力，有效为企业决策提供数据支持。

• 数据接入层：统一数据源，多类型数据源接入BI体系，支持定时同步，数据加工管理，让数据更好的展现。

• 数据服务层：研发数据查询引擎，提供查询解析和结果聚合服务，能够处理数据复杂查询，提升效率。

• 数据展现层：基于数据查询解析、数据预览服务，搭建用户需求分析看板，设置权限管理，使数据灵活展现。

• 增强分析层：结合算法模型，更深层挖掘数据潜力，智能诊断，支持维度下钻、指标探查等，为企业运营提供多维度数据支持。

• 统一数据源，通过权限设置，将数据有效管理。

• 支持数据源实时校验，数据连接。

• 页面组件优化：优化组件拖拽显示体验，做到低延迟高流畅；对组件进行二次开发，提升数据展示效果。

• 交互效果优化：平台前后端调用交互优化，合理构建组件数据查询参数，提高平台解析数据效率；平台操作页面交互优化，让用户使用更便捷，提高操作易用性。

• 字段条件优化：动态设置字段过滤器，添加多种格式设置，支持日期、数值、字典字段等自定义配置，更加灵活进行数据过滤。

• 应用信息：对应用进行管理，配置每个应用唯一的授权Key，设置授权模式、授权域、令牌时效信息，安全稳定的与第三方业务应用进行对接。

• 看板嵌入：将平台看板和应用进行绑定，实现一处配置，多处展示。提供对接服务，高效快捷的使看板嵌入其他业务应用。

• 数据权限：通过设置 应用-看板-用户 数据权限关系,精确设置到每个组件不同人员查看的行权限，做到千人千面，灵活展示。

• 邮件推送：平台提供截图服务，对定时发送的数据报告提供邮件推送能力。

• 多端展现：在PC端配置完成后，能在移动端和H5端自动适配，动态适应看板展示场景。

• 分析展现：提供下钻维度、智能分析等多种展现功能，提高数据使用率，充分挖掘数据深度。

• 统计方法：基准值指定为均值。均值的计算设定为，以近期（7天、30天）数据进行滚动均值计算。误差的范围选取，以 标准差或者3σ 为建议范围。

• 阈值方法：基准值指定为环同比的上周期数据，允许分析师自定义波动阈值。根据自定义的阈值，进行数据波动范围可视化展示。

• 建模方法：基准值通过ARMA时间序列预测&fb-prophet时序预测获取。异常判断将更智能，兼容性更好。

• 基于Adtributor算法对异动点分析，算法的核心主要是：惊喜度SURPRISE，解释力EP。Adtributor对异常指标的所有维度和元素,根据当前的数值和参考的数值，计算EP值和S值

  S值 ：

• 根据惊喜度计算出，针对关键的指标，计算所有维度下的所有元素和参考值的差异，即计算每个元素的Sij(m)，然后进行求和得到S值，然后找出哪些维度可能存在异常，根据S值进行降序排序，找出最意外的维度。

• EP值：计算每个维度下每个元素在该分析的指标上的变化总数的占比，EP值是针对单个维度进行衡量每个元素的重要程度。

• 简单来说，就是针对单个维度进行归因分析，根据S值找出最大的异常维度，根据EP值给出解释说明。

1)漏斗分析是衡量转化效果、进行转化分析的重要工具，是一种常见的流程式的数据分析方法。它能够帮助你清晰地了解转化情况，从多角度剖析对比，定位流失原因，提升转化表现。

2)

a.漏斗分类

【计算规则】： 假设一个漏斗中包含了 A、B、C 3个步骤，A步骤发生的时间可以在B步骤之前，也可以在B的后面。 用户的行为顺序为A、B、C的组合都算成功的漏斗转化。 即使漏斗步骤之间穿插一些其他事件步骤，依然视作该用户完成一次成功的漏斗转化。

【计算规则】： 假设一个漏斗中包含了 A、B、C 3个步骤，A步骤发生的时间必须在B步骤之前，用户的行为顺序必须为A->B->C 。 和无序漏斗一样，漏斗步骤之间穿插一些其他事件步骤，依然视作该用户完成一次成功的漏斗转化。

b.漏斗创建 

• 选取漏斗类型 ：有序漏斗和无序漏斗，平台默认选择有序。
• 添加漏斗步骤 ：漏斗步骤就是漏斗分析的核心部分，步骤间统计数据的对比，就是我们分析步骤间数据的转化和流失的关键指标。
• 确定漏斗的时间区间和周期 ： 一般来说，此类数据的数仓表是按照时间分区的。所以选择时间区间，本质就是选择要计算的数据范围。周期是指一个漏斗从第一步流转到最后一步的时间限制，即是用来界定怎样是一个完整的漏斗。

3) 平台漏斗实现 

刘乃翔，后端研发工程师，58同城用户价值增长中心-增长数据研发部，主要负责数据平台、增长策略服务等后端架构设计和开发工作。

【部门简介】

58同城用户价值增长中心-增长数据研发部，主要负责用户增长相关数据仓库、数据平台建设，旨在数据赋能业务，为企业运营提供更高效的数据支持。