数据分析的底层认知

对于初学者而言,在工作中或者数据分析实践中常常会面临一个问题:该如何选择分析方法?解决这个问题,有一个重要的技巧,就是先回答”业务需求方是谁?“这个问题,由此给予不同的部门得出不同的分析方法:

  • 用户运营部门、会员管理部门:从常见的用户分析方法入手。
  • 产品部门、产品经理:从常见的产品分析方法入手。
  • 市场部门、战略部门、产品部门:从常见的行业分析方法入手。

万能的数据分析流程可分为三个阶段:
第一阶段 :明确问题,这个阶段重要的是对业务问题进行清晰定义。

  • 数据思维的逻辑整理
  • 描述性分析
  • 对比分析
    第二阶段:分析原因,这个阶段重要的是对前面定义好的业务问题进行下钻分析。
  • 数据异常分析
  • 归因分析
  • 预测分析
  • 相关性分析
    第三阶段:落地建议,这个阶段重要的是能给出落地(即业务可操作)的有效建议。
  • 了解业务
  • 给出落地建议

企业发展路径背后的业务场景需求

在发展初期,市场还处在“开荒阶段”,那时的产品比较简单,对应的运营玩法也比较简单,此时体系不完善,主要依赖经验、直觉来驱动业务增长,例如之前没有做广告投放,现在做了,效果就有了。

在发展中期,为了追求规模化,品牌需要不断去扩展边界,于是基于现有运营能力,把成功经验复制到其他细分市场的模式就很重要,进而成体系的运营方法论、产品方法论需求应运而生,也就是要从以往经验中沉淀出泛化能力强的业务模型框架,来实现增长。例如以往做用户运营,尝试过用近期消费距离、累计消费频次、累计消费金额来做用户分层运营,效果不错,因此可以把方法论总结成 RFM模型应用到更多场景中。

度过了“野蛮生长”的增量时代后,市场竞争格局形成,竞争对手运营体系成熟,再想从增量市场抢夺用户成本将变得很高,而且手里的存量客户如果没有及时维护也容易被竞争对手夺去;此时的业务需要更精准的方法来指导决策,于是代表理性、客观的数据登上舞台,数据分析就变得很重要。 例如运营中常说的“魔法数字”:利用数据分析方法计算RFM模型的特征阈值,能够得到更精准、有效的分层模型。

什么是数据指标

什么是数据

数据是被存储起来的信息。从应用的角度看,数据是把事物做量化处理的工具。
(1)按字段类型划分,可以把数据分为:
文本类:常见于描述性字段,如姓名、地址、备注等。
数值类:最为常见,用于描述量化属性,如成交金额、商品数量等。
时间类:仅用于描述事件发生的时间,是重要的分析维度(如同比、环比、累计等)。
(2)按结构划分,可以把数据分为:
结构化数据:通常指以关系数据库方式记录的数据。
半结构化数据:如日志、网页数据。
非结构化数据:如语音、图片、视频等形式的数据。
(3)根据数据连续的属性不同,可以把数据分为:
连续型数据:在任意区间可以无限取值,例如年龄、身高。
离散型数据:常见于分类数据,例如性别、年级。

怎样理解指标

指标的作用是”度量“业务,可以从三个角度对指标进行拆解:指标=维度+汇总方式+量度。
维度:从什么角度去衡量问题。
汇总方式:用什么方法去统计问题。
量度:目标是什么。
例如,订单数是指统计周期内,用户完成支付的订单数量总和。从维度、汇总方式、量度
三个角度将订单数拆解。
维度:用用户完成支付的订单去衡量问题。
汇总方式:用订单数量总和来统计问题。
量度:目的就是统计订单数量。

数据指标如何落地使用

了解指标的底层逻辑后,更重的是如何将指标在业务中落地。对于数据指标的落地有以下的建议:
合数据分析经验,总结了以下数据指标的落地建议:
(1)指标基建,确保数据的完整、准确。
为了打下指标模型的稳固基础,需要对数据底层进行检视:

  • 检视数据源头:理点收集的事件数据是否足以支撑所需指标的建模
  • 胜数据清洗逻辑,也就是数据仓库中常见的ETL(Extract-Transform-Load,抽取、转换-加载)概念。

(2)从业务层面理解指标。
理解业务是数据分析落地的前提,有效地使用指标也同样如此,要求熟悉数据指标背后的业务含义。例如“会员成单数”这个指标本身有很多含义(针对以购买会员为主要商业模式的App):

  • 直接含义:整个团队的业务完成能力。
  • 会员成单数+成本:企业的盈利能力。
  • 会员成单数+产品:产品畅销程度。
  • 会员成单数+用户分层:用户的需求。

(3)从指标的变动中做决策。
为了判断业务现状的好坏、趋势,需要建立衡量标准,数据指标的使用同样如此。
通过某个孤立的指标不能反映现实,利用对比思维建立标准的过程,对比的客体可以是横向的同属性对象、总体平均,也可以是纵向的历史数据。
如果是周期性变化,那很有可能是正常波动,可以初步判作“正常”。如果是“突发+下跌”,那很有可能是异常的波动,可以初步判作“问题”。

(4)指标的生命周期——不同阶段使用不同指标。
既然指标的作用在于反映业务,而业务的发展存在生命周期,那指标的使用也应存在时效性,即指标的生命周期。
沿着产品的生命周期来看,不同阶段使用的指标差异如下:

  • 导入期:业务目标在于建立知名度,通过口碑引流,着重关注新注册人数、分享率指标。
  • 成长期:业务目标在于通过不同渠道布局推广最大限度占有市场,着重关注新会员来源渠道占比等指标。
  • 成熟期:业务目标在于将前期流量变现,确保盈利规模,着重关注付费率、毛术率等指标。
  • 衰退期:此时,市场增量收缩,要求对存量人群精细化运营,着重关注复购率、重购金额占比等指标。

版权声明:
作者:倾城
链接:https://www.techfm.club/p/153597.html
来源:TechFM
文章版权归作者所有,未经允许请勿转载。

THE END
分享
二维码
< <上一篇
下一篇>>