开始使用
DataHub
面向周报归因、看板监控与运维排障的一站式文档中心
DataHub 是什么？
DataHub 不是单点工具，而是一条业务诊断链路：用看板发现异常，用周报做归因，用 AI 做摘要，再用运维面板确认数据链路健康。 目标是让团队从“看见问题”走到“知道怎么做”。
为什么用 DataHub？
| 功能 | 解决什么问题 |
|---|---|
| 统一入口 | 把看板、周报、AI、运维串在一条分析链路上，避免多人在多个页面反复跳转。 |
| 归因深挖 | 从 GMV 波动到渠道漏斗，再到量化归因，一页内完成“发现问题到定位原因”。 |
| 动作闭环 | 每条诊断都可落到可执行动作（SLA / 优先级 / 指标回收），提高复盘效率。 |
| 协作对齐 | 团队围绕同一份诊断口径和文档基线讨论，减少“各讲各话”的沟通成本。 |
| 可持续迭代 | 文档作为操作手册长期演进，新成员可直接按目录上手。 |
快速开始
看板
用于实时浏览核心经营指标，适合“先看全局、再下钻”的日常管理动作。
周报阅读顺序
推荐路径：先看 GMV 波动归因（商品定位），再看商品 - 流量渠道定位，最后看渠道诊断与量化归因。 按这个顺序可以更快定位“哪里涨跌、为什么涨跌、接下来做什么”。
月报
用于月度复盘与策略回顾，重点关注趋势稳定性、平台结构变化和策略延续性。
淘宝流量渠道归因诊断
入口：周报淘宝页。该模块用于拆解“单品 GMV 波动”在渠道与漏斗中的根因，默认聚焦增量贡献明显的渠道。
步骤 A：定位商品
在商品定位表和瀑布图中，先锁定 GMV 变化最显著的核心商品。
步骤 B：定位渠道
在渠道瀑布中识别拉动/拖累渠道，重点关注 GMV 增量贡献高于商品整体环比涨幅的渠道。
步骤 C：看流量漏斗
渠道标题按当前诊断渠道动态命名，并展示渠道增量贡献。左侧展示漏斗路径，右侧展示漏斗外推广指标（花费、ROI、CPC、CPM、咨询、入会、新客等）。
步骤 D：看量化归因
量化归因公式按渠道类型动态切换，归因计算使用 Shapley 路径分解，显式考虑因子交互影响。
AI 总结使用建议
AI 总结用于提炼结论，不替代指标核对。建议先完成业务口径确认再触发 AI 生成；出现异常结论时回到漏斗与量化归因复核。
DataOps 排障顺序
优先检查 ADS 目标表是否更新，再检查 DWD/ODS 源表时间戳；若链路中断，按 DataOps 面板失败节点逐层回溯。