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。