数据分析咖哥十话——基础篇

一、深入业务寻价值：价值源于深度理解场景

1、驱动运营增长的AARRR模型

又称为海盗模型，是用户增长的经典模型，将数据指标归并至五大阶段：获客、激活、留存、变现、自传播。这5个阶段并没有严格的顺序和界限，例如pdd将获客和自传播结合起来。

各阶段的数据指标：

（1）不同商业模式关注的指标不同，电商平台关注转化率，UGC内容平台关注用户活跃，内容输出；

（2）同一公司在不同阶段关注的指标（北极星指标）也不同，早期关注获客数，积累一定用户到稳定期关注营收GMV

2、精益数据分析的业务方法论

精益数据分析将业务拆解和数据分析划分为四步：

第一步：结合业务模式和业务阶段，确定问题，选择一个希望改进的KPI，并为该KPI确定基准值

第二步：确定数据指标，拆解细化，找出提升KPI的方法

第三步：为数据指标指定方案并进行实验，搜集数据进行分析

第四步：根据测试和分析结果 做出决策

二、积跬步以察千里：数据的采集与治理

1、采集数据前先明确目标

点击流数据》运营数据》调研/定性数据》竞争对手数据

数据存在不同的系统，形成了数据孤岛，只能满足单一的业务场景，难以全局规划和管理

2、数据中台解决了什么问题

数据中台能帮助企业解决数据难找、难用、割裂的问题。企业的目标是以用户为中心，迅速响应用户的需求，因此需要提高数据整合和数据治理的能力，通过数据平台为前台业务赋能。数据中台是数据平台的下一站。数建设数据中台的过程是数据平台不断进行自身治理、打破技术边界、拥抱业务、容纳业务、加强业务属性的过程

3、做好数据埋点，搜集有价值信息

埋点：对用户行为或事件进行捕获，处理和发送的过程

是数据平台和数据中台建设过程的重要环节，埋点源于业务需求，服务于业务需求，能对产品和服务进行全方位追踪

4、加强数据治理，提高数据质量

避免“脏数据”的出现，是数据治理的核心思想

数据治理的原则：约束输入，规范结构，单一来源，规范输出

约束输入——尽量避免让用户手动输入文本

规范结构——设计表单和数据表进行原子化，越细越不容易出错

单一来源——同一数据字段出现在两个表，应该关联两个表，用外键约束该字段

规范输出——建立通用的“数据字典”，统一指标的口径和意义

三、沥尽狂沙方见金：数据的清洗与可视化

1、脏数据的清洗

（1）缺失数据：不影响分析可以删除；或者填充缺失值（用平均值、中位数或随机值等）

（2）重复值：看单个数据还是整行都重复，再考虑删除

（3）错误数据：金额为负数或百分比大于1，考虑更正或删除

（4）不可用数据：如价格字段，有些以人民币为单位，有些以美元为单位

2、数据可视化

1. 给用户看的。让用户看得懂
2. 简单就是美。一张图颜色不超过三种，字体不超过三种，删除网格线
3. 注意对比。
4. 强调一致性。一系列的数据可视化的结果要基于相同的标准，最好让它们使用同样的模板

四、营运之道无定法：数据分析的核心方法

4.1 用户画像

本质就是用户信息的标签化集合，包括用户的基础信息、行为数据、消费特征。从多角度的了解用户，对用户进行精细化分组，给运营以精细化指导

常见的天猫八大人群，抖音5A人群

4.2 RFM分析

用于确定用户核心价值

R: 最近一次消费时间

F：一定周期内的消费频次

M：最大的消费金额

4.3 波士顿矩阵

常用于协助企业分析其业务和产品序列的表现，从而更妥善地分配、开发和使用资源

问题产品：需要投入大量资源，可能转成明星，也可能变成瘦狗。在向这类业务投放资源前应谨慎分析

瘦狗产品：通常只能维持收支平衡，但实际上降低了公司的资产回报率。这类业务应该被售出或停止

金牛产品：通常都为公司带来较高的现金收入，业务稳定但是沉闷。为这类业务增加投资并不会大量增加收入，所以公司只会维持这类业务基本的开支

明星产品：这类业务需要投入较多的资源以维持其市场领导者的地位，是公司重点关注的对象

4.4 SWOT分析

［Strengths（优势）、Weakness（弱点）、Opportunities（机遇）、Threats（挑战）］

用于评估公司经营状况或者产品所面临的挑战的

4.5 5W2H分析

常用于多角度拆解分析问题，在归因分析中常用

• what——什么问题或目的？
• when——什么时间做？什么时机做最适合？
• where——在哪里做？什么地方出了问题？
• why——什么时间做？什么时机做最适合？
• who——谁来做？
• how——如何实施？如何提高效率？
• how much——如何实施？如何提高效率？

4.6 KANO模型：对用户需求分类排序

是一个定性分析模型，以分析用户需求对用户满意度的影响为基础，对产品功能进行分级，从而确定产品实现过程中的优先级

根据需求完成度和用户满意度之间的关系，该模型将用户需求分为五类：

以在线教育为案例：

基本需求就是网速快不快，课程能不呢访问；期望型需求就是课程质量；兴奋型需求就是课程交互页面设计好，目录清晰；无差异需求就是可有可无的；反向型需求就是带来负面影响的因素；

4.7 漏斗分析

用于用户行为分析、产品转化、流量监控

通过每个节点的转化率，判断设计是否合理，是否存在优化空间

4.8 A/B测试

用于产品迭代或核心功能更新

两个不同的设计或者方案（即A和B）进行比较，用来研究某一变量所带来的差异。A和B两个方案中只有一个变量不同，而其他变量保持一致，然后再观察用户对A和B方案的反应差异，由此判断出A和B方案中哪一个更佳。

五、增长践行成于思：数据分析的关键思维

5.1 逻辑思维：演绎与归纳

逻辑思维能力就是指正确、合理思考的能力，是在认识事物的过程中，进行观察、比较、分析、综合、抽象、概括、判断、推理的能力。

数据分析遵循：提出问题、分析问题、提出假设、验证假设、输出结论这一过程，需要逻辑思维的参与。

归纳法：从特殊到一般的推理过程，是通过个别经验归纳出普遍规律的方法，是从部分样本推知全体样本的过程。归纳法是基于经验的方法，其推理方式不够严谨。

演绎法：从一般到特殊的推理过程，常见的表现形式是从大前提到小前提，再到结论的逻辑三段论

在现实情况下，一般原理也只能来源于经验。因此，我们不得不先使用归纳法得出原理，然后再用演绎法做出推断、判断或预测

5.2 发散思维与收敛思维

针对特定问题，一般处理都是先发散，展开头脑风暴，得到尽量多的方案或答案，然后将所有的方案集中在一起，运用收敛思维，去掉一些不相关的方案，根据排序选择一个或几个较好的解决方案

5.3 相关思维和因果思维

注意相关性并不代表存在因果性

进行因果辩证，提出一些假设问题

• 原因是否真实？
• 结果是否真实？
• 原因一定会引出这个结果吗？是否其他原因导致的？

此时，我们会发现一些表面上的原因只是结果的必要不充分条件。应先对结论提出假设，并设计实验或采取其他的手段来验证假设，最终验证结果才是真正的结论。（参考假设检验）

5.4 批判性思维：保持怀疑

批判性思维一般包括理性的、保持怀疑的和无偏见的分析，以及对事实证据的评估。对于数据分析师来说，时时运用批判性思维的习惯能让他们透过现象看清问题的本质，并做到去伪存真。

5.5 结构化思维：形成系统

结构化思维是从整体思考到局部思考，先对事物进行分解（MECE法则），然后归类分组，最后总结概括。这是一种层级分明的思考模式，运用它可以把零散的信息整理成结构清晰的系统。

金字塔式结构思维：

1.         归类分组，将思想组织为”金字塔“
2.         自上而下表达，结论先行
3.         自下而上思考，总结概括

将零散混乱，无条理的想法集合  》》 有条理、有层次的思考模式

5.6 图解思维：一图胜千言

图表式更直观的表达方式，让复杂的关系更好地展现，承载更多的信息；还可以把数据间的隐藏关系直观地展现出来

一般的小问题分析结论可以是：一两张图表 + 一两句话结论 + 一两条建议

5.7 指标思维：北极星指标

北极星指标：第一关键指标，是产品在当前阶段与业务、战略相关的核心指标，指引着业务前进的方向（提升这一指标）

虚荣指标：在营收不足阶段、现金流出现危机情况下仍关注流量、增速，那么流量和增速就是虚荣指标。

魔法数字：如果说北极星指标是长远目标，魔法数字则是当前行动指南

例如，通过数据分析，某公司发现了高黏性用户的“秘密”之一：在80% 的情况下，高黏性用户会在第一次购物后的30天内完成第二次购物；LinkedIn 用户在一周内添加5个社交好友，Facebook 用户在10 天内添加7个好友，这样就能够保证较高的留存率。这些例子中的“30天”“5个”“7个”就是《增长黑客》中的魔法数字。

北极星指标的选取原则：

1. 指标应该易于理解，可量化、可拆解的
2. 指标可以反映整体业务在往好的方向发展
3. 指标能够反映用户从产品中获得价值，aha时刻
4. 指标能够反映用户活跃度
5. 指标是先导性指标而非滞后性指标
6. 指标能为达到长期的商业目标奠定基础

未来或许是：RARRA。即AARRR中5个阶段的次序变为留存（Retention）→激活（Activation）→自传播循环（Referral）→变现（Revenue）→获客（Acquisition），指标本身没变，运营的思路变了，一切动作都以用户的留存为核心，同时也更强调现有用户在推荐和获客中的作用

在产品积累了足够的流量池之后，未来的重心必定是从获客转移到留存

5.8 细分思维：分组与分类

细分思维就是对产品、用户、运营策略及各种数据做单一维度或多维度的拆解、分组，再进一步细分，比较各组之间的差异。

应用主要有：用户画像、波士顿矩阵、RFM模型、漏斗分析等，都是细分思维的应用

一些常见的细分维度：时间、地域、渠道、产品、用户、行为、消费状况等

5.9 对比思维：找到变化点

只有对比才能看到变化，计算增速，找到问题点

纵向对比：不同时间的对比，如环比获客数

横向对比：与同类产品进行对比

一般对比与分组结合使用，先细分，在进行对比

5.10 用户思维：初心不可忘

数据分析与运营都是为了获客、激活、留存和增长。这一切的最终目的都是为了给用户提供他们需要的服务。KANO模型也是用户思维的体现，通过对用户核心需求进行优先级排序，确保产品能够解决用户的痛点问题。因此，无论是产品、运营、市场还是做分析，都需要研究用户心理。

5.11 真实思维：以事实为真

真实思维是以尊重事实为导向的思维。

对比处于初创、发展或守业的公司，真实思维就意味着认真地分析现状，正确认识自身发展的实际情况，确定合理的目标，不虚荣地追逐数据，不弄虚作假，不急功近利，不追求纸面上的急速增长。

作为分析师，你准备的分析报告并不是总能与你所期待的结果相匹配，请不要强行用数据解释结果，或者刻意忽略掉某些本不应该忽略的因素。而应该从始至终尊重事实，从事实出发，寻根究底，发现不足。要有接受数据分析不是“万能灵丹”的勇气，也要敢于找出数据背后隐藏的事实真相。