数据分析简单介绍

Model 1

工作模块

日、周、月报

日报

1. 各种数据源整理，了解业务现状
2. 培养数据敏感性，比如数据波动
3. 数据波动的解析，提醒业务变更

周报

1. 版本迭代分析
2. 短期分析趋势
3. 为其他PPT背书

月报

月报的数据来源大多参考日报和周报

1. 业务梳理
2. 形成指导建议，尤其是对后续迭代的指导
3. 目标评估及战略知道

临时数据

背景：一般有2种。第一，管理层需要；第二：业务执行人员需要。

针对管理层需要，注意以下几点：1、了解背景；2、核对再核对，确定准确性且只能上报一次；3、简单明了；4、反思到思考。

针对业务人员执行需要，注意以下几点：1、不一定每次都立刻响应，防止永无止境；2、分析为何要这个数据；3、怎么样闭环

案例：掌上生活APP最近上线了一个线下餐饮优惠券功能，产品经理需要快速知道优惠券的使用人数，你怎么做？

产：我需要使用人数！

程：一顿操作，写sql查给你

产：我需要优惠券下发人数！

程：又是一顿操作，，查询给你

产：我需要优惠券使用频次和每次的消费金额

程：永无止境。。。

原则：坚决不做提数机器

针对每一个业务单点问题，先追根溯源，建立业务类的分析框架，由点到面，彻底解决该类问题；同时，在此过程中，要不断的利用互惠原理和社交技巧，只给业务方做最核心的需求，其他衍生需求让业务自主动手完成。

上述案例，可以先自己列举需求点，找业务方一次沟通结束。下次的同类需求，可以先排期。

常规工作优化

1、机器人发日报，提升效率

2、目标建立（杂事多我们也需要自我清醒）

3、寻求领导帮助（不轻易给自己挖坑填坑）

专题分析

需求解读

大于20%的时间分配再沟通需求上，一定要当面沟通

原始需求—》了解需求—》本质需求

建立逻辑树

逻辑树的目的是让思路更加清晰

活动前

活动前每天流量效果，流量波动解析

活动中

dau/mau提升

新用户进入

不活跃用户唤醒

活动期间连续访问情况

各类活动效果对比

活动后

新用户的沉淀

换回老用户后续的活跃度

客服数据、活动复盘

SQL提数及分析

撰写报告

1. 90%图 + 10%文（图为主，图标标题说结论）
2. 结论前置（从打开PPT到看每一页PPT都是一个漏斗）
3. 讲故事（报告的逻辑性一定要非常强）

Model 2

数据异常排查

1、判断是否异常

• 亲自看数据准确性，不要人云亦云
• 时间轴拉长，看是近期异常（3个月）还是历史异常
• 看和该指标关联的其他指标是否异常
• 找到关键人物（产品/数据），提前沟通

2、最大概率法则原因归类

• 假期效应：开学季、暑期、节日、当地习俗
• 热点事件：常规人点如世界杯
• 活动影响：双11，公司活动
• 政策影响：互联网金融监管、快递行业实名
• 底层系统故障：数据传输、存储、清洗异常
• 统计口径：业务逻辑更改、指标计算方式更改

3、原因闭环

• 持续跟进后期数据是否异常
• 记录、沉淀、文档化
• 邮件化：只有确任了没问题再发邮件，描述影响范围和主要结论即可

数据分析流程

明确问题