墨菲 | 基于影刀+BI，0基础搭建数据自动化运营体系

本文介绍了墨菲品牌电商的数据自动化体系搭建方式，并详细地讲解了体系在监控店铺、全局监控等实操场景下的应用.本文将从数据框架模型分析和数据自动化介绍两块做拆解复盘。

| 数据框架模型

为了更好地理解本次课程的数据框架思维，本文引入数据分析中常见的模型：OSM。

1.如何理解OSM这个模型？

OSM模型就是将目标拆解成为具体的、可落地的、可度量的行为上。通俗的说就是拆解，将目标拆分为若干个组成细颗粒度，赋予其策略、行为操作，然后指标化。我们举一个简单的例子。我们要做一顿晚饭，拆解成策略包含：买、清洗、烹饪、吃、卫生打扫等。

而每一个策略有很多行为支持，例如“买”的构成是交通、菜市场、费用等行为。我们给与这些策略的“指标”就是“交通往返两次+步行20分钟”、“比较10个菜摊”、“掏50块钱”等。

简化举例图

2.OSM模型组成

• 目标Objective
• 策略Strategy
• 度量Measurement

即明确目标，拆分目标，补充策略，衡量指标。按照OSM模型，梳理小智老师整体数据框架，如下图所示：

框架图

小智老师强调：“OSM都需跟着公司的北极星目标，以此做拆解，并且数据逻辑要跟着业务需求，重视关键节点数据埋点，不然BI就无法落地，终成纸上谈兵。”

策略、度量示意图

思路和方法有很多种，数据不止要分析，还需要去挖掘，不能被框架局限，引用此模型框架只是为了更好地表达内容。

| 数据自动化

自动化数据体系重要依赖的两个工具：影刀RPA和Power bi。体系搭建逻辑是怎么样的，这两个工具是如何搭建成一个数据自动化体系的，它们解决哪些环节问题？

体系依托影刀RPA自动登录相关平台，采集、爬取海量数据，完成初步的数据处理，形成“数据源”（excle）。

然后此“数据源”提供给Power bi，完成数据调取，接着通过Power query进行数据清洗、处理，并通过“模型”关联，形成数据关联，最后使用“报表”进行数据展现，完成可视化看板（含自动更新、交互等性能）制作。

1.数据采集、爬取有哪几种方式？

在下载看完小智老师的课件，我们不难发现，其数据每日总量5000+条起步，如果人工操作，爬取、处理、清洗，工作量会非常大，所以这里需要引入IT、采集软件工具，目前采集和抓取数据的方式有以下三种：

• 业务人员手动抓取
• 业务人员借助通用数据抓取软件抓取
• IT部门编写

IT传统的技术方案是通过代码的方式编写程序进行抓取，这需要专业的开发人员，有被拦截的风险，而且其高研发成本造成了不平衡的ROI。

2为什么要选择影刀RPA，而不是其他软件？

数据爬取软件很多功能单一，除了爬取数据，并不包含自动登录，excle处理能力，做不到完全流程自动化。而影刀RPA的功能超级强大，它是电商流程自动化专家，模拟人的操作，能在电脑、手机端自动化处理重复性高的工作。

在小智老师搭建的数据自动化体系中，以下几个场景比较经典，能很好地体现影刀RPA的强大、便捷。关注公众号，对话框输入：自动化，下载、查看、免费使用以下介绍的通用案例。

（1）自动登录

影刀RPA支持平台、网页自动登录，在指定的窗口填入保存的用户名和密码。下方图片为影刀RPA“自动登录”应用搭建页面。

图：影刀RPA“自动登录”应用搭建页面

（2）网页自动化-数据爬取

影刀RPA支持自动登录平台爬取、处理数据，下图为影刀RPA的“获取店铺数据”应用搭建页面。

• 本应用浏览器为chrome浏览器，请保证您已安装chrome浏览器且在其上安装了影刀插件
• 本应用用于批量获取天猫店铺的商品详情信息，可用于自家商品信息核对和竞对店铺信息获取
• 请在导入的Excel的第A列写入店铺名称，注意：必须是店铺全称，避免混淆，
• 请在导入的Excel第1行第B列写入【商品获取数量】（如输入10，则会获取所有店铺月销量前10名的商品信息）
• 运行完毕后，数据会保存在导入的excel中，以各个店铺名命名的sheet页呈现

天猫店铺商品信息获取

（3）EXCLE数据处理

关注公众号：影刀RPA，对话框输入：1，体验这些excle通用应用，马上实现excle处理自动化。

影刀RPAbot市场-部分excle通用应用

3.Power bi起了什么作用？

Power bi在自动化数据体系中承担了三个作用，分别对应了它的三个功能。其中Power query在清洗数据过程中使用到的公式和模板包含在小智课件中，有需求可以下载。

• 模型：数据连接模型连接数据表格关系
• 数据：通过Power query进行数据清洗和重构
• 报表：制作模板、设置交互

本次针对于“搭建数据自动化体系”拆解完成，几个关键动作是：确定符合业务发展的数据模型，通过影刀RPA解决海量数据爬取处理难题，通过Power bi完成数据细化梳理和可视化看板制作。

小智老师表示：“我们在数据工作中要常思考对手在做什么？为什么这么做？我们能不能做？我们是否产生优化和增长。”