Model 1
工作模块
日、周、月报
日报
- 各种数据源整理,了解业务现状
- 培养数据敏感性,比如数据波动
- 数据波动的解析,提醒业务变更
周报
- 版本迭代分析
- 短期分析趋势
- 为其他PPT背书
月报
月报的数据来源大多参考日报和周报
- 业务梳理
- 形成指导建议,尤其是对后续迭代的指导
- 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
- 90%图 + 10%文(图为主,图标标题说结论)
- 结论前置(从打开PPT到看每一页PPT都是一个漏斗)
- 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