2020-10-28

数据分析的作用
数据分析是把隐藏在一大批看似杂乱无章的数据背后的信息集中和提炼出来，总结出所研究对象的内在规律。在企业的日常经营分析中有三大作用：➤ 现状分析：告诉你过去发生了什么具体体现在：第一，告诉你现阶段的整体运营情况，通过各个经营指标的完成情况来衡量企业的运营状态，以说明企业整体运营是好了还是坏了好的程度如何，坏的程度又到哪里。第二，告诉你企业各项业务的构成，让你了解 企业各项业务的发展及变动情况，对企业运营状况有更深入的了解。现状分析一般通过日常通报来完成，如日报、周报、月报等形式。比如：电商类型网站的日报中的现状分析会包括订单数、新增用户数、活跃率、留存率等指标同比或环比上涨还是降低了多少。➤ 原因分析：告诉你某一现状为什么发生。经过第一阶段的现状分析，我们对企业的运营情况有基本了解，但不知道运营情况具体好在哪里。差在哪里，是什么原因引起的。这就需要原因分析。原因分析一般是通过专题分析来完成的，根据企业运营情况选择针对某一现状进行原因分析。 比如：某电商网站某一天的日报中某件商品突然销量突然增加，那么就需要针对这件商品销量突然增加做专题分析，看是什么因素影响了该商品销量大增。也可以用于分析活跃率、留存率等下降或升高的原因。➤ 预测分析：告诉你将来会发生什么。在了解企业运营状况以后，有时还需要对企业未来发展趋势做出预测，为制定企业运营目标及策略提供有效的参考与决策依据，以保证企业的可持续健康发展。预测分析一般通过专题分析来完成，通常在制定企业季度、年度计划时进行。比如：通过上述的原因分析，我们就可以针对性做出一些政策，比如通过原因分析，我们可以得出面包的销量在台风来临之际销量会突增，那么我们在下次台风来临之前就应该多准备面包货源，同时为了获得更多的销量做一系列准备。4、数据分析的逻辑一般而言，数据分析的逻辑是：先明确数据分析的目的、然后理清用户消费流程和逻辑（实际上也就是梳理清楚业务逻辑），找出关键用户行为和数据，分析用户在消费行为中关键行为和数据找到问题，思考解决方案。比如某电商做了一个专题活动，但效果却并不理想，现在需要寻找原因，那么它的逻辑就大致是：首先理清用户消费流程：专题活动页面——商品页面——下单购买，或者是通过搜索/导航——商品页面——下单购买；然后找出关键的用户行为：打开专题页或通过搜索导航、进入商品页面、点击购买、下单等；再然后确认是用户的哪个行为数据是否有异常的地方，也就是找到问题所在；最后就是思考怎样去解决这个问题。5、数据分析方法在数据来源正确的前提下，数据分析的方法可以分为定性分析和定量分析。定性分析，就是对事物的性质作出判断，究竟它“是什么”。比如最近某一个产品的用户活跃度大幅度提升，而结合该款产品最近的更新情况可知，用户活跃度之所以大幅提升是该款产品上线了一个新功能导致的。定量分析，是指对事情的数量做出统计，衡量它“有多少”。比如产品优化了登录注册流程，这一优化的效果是怎样的，带来了多少新注册用户，增长率是多少。在《增长黑客》中有一段对数据分析的精彩论述，其中也有提到定性分析和定量分析的关系：数据分析就是定性分析和定量分析的相互结合，不断验证的过程。提出假设、设计方案、分析数据、验证或推翻假设，最终抽丝剥茧，逐渐接近真相。数据是相互印证的，彼此之间有如通过无形的网络纵横连接，只需轻轻按动其中一个就会驱使另外一个或一组产生变化。通过数据分析得出的结论，应当能反推出其他数据，或是与其他数据分析得出的结果相一致。例如，假设某日在线订餐网站的数据量猛升，猜测与天气阴雨、用户窝在办公室或家中不愿出门有关，那么就应当去翻查近期之内网站在阴雨天期间的访问数据，看是否出现了类似的攀升。6、数据分析流程明确目的——获取数据——处理数据——寻找异常值——分析原因——得出结论——验证结论明确目的：清楚并理解此次分析的目的是什么，比如寻找某地城市的流量锐减的原因，这个很多时候是建立在你对业务逻辑/流程的理解，如果不了解的话，你所做的不是数据分析，顶多就是个数据整理的工作。而这就要求先确认分析维度，包括拉取什么数据、核心变量是什么、核心变量是否受到其他外界因素的影响（是否有其他需求上线？能否取寻找异常值：则是需要结合具体的业务才能进行，因为不同平台不同指标的异常值不同，我们需要熟悉自己平台的哪些指标为哪些值时为异常值。分析原因：找到异常值以后，我们需要分析异常值出现的原因，在分析原因时会用到几种常见数据分析方法论和数据分析方法。得出结论：根据原因分析得出结论。验证结论：则是需要从其他维度去验证一下结论的可靠性。