一套正确且高效的数据分析体系该如何搭建？

发布时间：2022-09-17

浏览次数：

来源|活动盒子-APP活动运营工具(huodonghezi.com)

那么，数据分析是干嘛的呢？运营如何运用数据分析指导产品优化？数据分析的方法又有哪些？下面，盒子菌就和大家来聊聊数据分析的二三事。

伴随数据驱动和精细化运营时代的到来，如何迭代产品功能？如何优化产品转化流程？如何根据用户画像做精准投放？……面对这一系列问题，你会发现以前行之有效的手法，不再那么可靠，而基于客观的数据进行分析，可以更准确的辅助运营做出决策。

二、什么是数据分析？

数据分析，顾名思义，数据+分析，也就是说必须要以数据为先，分析为后。用适当的统计方法对收集来的大量第一手资料和第二手资料进行分析，以求最大化地发挥数据的价值。是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。

我们使用数据分析，总是想解决某些业务中遇到的问题，驱动业务实现增长，根据我们想要解决的问题类型，我们可将数据分析的目的分为三类：现状分析，原因分析，预测未来。

现状分析的含义大概可以从两点来看：已经发生的事情和现在正在发生的事情。通过分析告诉你企业的整体运营情况，让你了解企业各项业务的发展及变动情况，对企业运营状态有更深入的了解。

（2）原因分析

原因分析一般通过专题分析来完成，根据实际运营情况选择针对某一现状进行原因分析。

分析了现状，也分析了原因，接下来就需要预测未来。运营者利用已掌握的数据，用数据分析的方法来预测接下来的发展趋势等。

预测分析一般通过专题分析来完成，通过在制定季度、年度等计划时进行，其开展的频率没有现状分析及原因分析高。

很多刚接触数据分析的小伙伴，不知道怎么做数据分析。要么胡子眉毛一把抓，要么无从下手。这都是缺少分析思路的表现，今天就给大家盘点数据分析的工作流程是什么样的，常用的数据分析方法论和方法具体有哪些。

数据分析主要包括6个既相对独立又互有联系的阶段，依次是：明确分析目的和思路——数据收集——数据处理——数据分析——数据展现——报告撰写。

图片来源于网络

在做任何一件事之前都要有一个明确目的，数据分析也是如此。在进行数据分析之前首先要明确数据分析的目的，知道自己为什么要做数据分析，想要达到什么效果。譬如说，原先的商品落地页的购买转化率比较低，需要使用新的落地页，以提升流量进入后的购买转化率。

数据收集是按照确定的数据分析和框架内容，有目的的收集、整合相关数据的一个过程，它是数据分析的一个基础。

（3）数据处理

数据处理主要工作包括数据清洗、数据转化、数据抽取、数据合并、数据计算等处理方法，利用这些方法将各种原始数据加工成为数据分析所要求的样式。

数据分析是指用适当的分析方法及工具，对处理过的数据进行分析，提取有价值信息，形成有效结论的过程。

（5）数据展现

常用的数据图表包括饼图、柱形图、条形图、折线图、散点图、雷达图等，当然可以对这些图表进一步整理加工，使之变为我们所需要的图形，例如金字塔图、矩阵图、漏斗图、帕累托图等。

最后阶段，就是撰写数据分析报告，这是对整个数据分析过程的一个总结与呈现。通过报告，把数据分析的起因、过程、结果及建议完整地呈现出来，供决策者参考。一份好的数据分析报告需要满足以下3点要求：好的分析框架、明确的结论、提出具有可行性的建议或解决方案。

数据分析的方法论很多，本文就不一一列举了。小编为大家介绍其中比较常见的理论，让大家日后在建立数据分析框架时能应用它们作为指导。

PEST分析法是从政治（Politics）、经济（Economy）、社会（Society）、技术（Technology）四个方面分析内外环境，适用于宏观环境的分析。而PEST分析法能从各个方面比较好的把握宏观环境的现状及变化的趋势，有利于企业对生存发展的机会加以利用，对环境可能带来的威胁及早发现避开。

图片来源于网络

（2）SWOT分析法

SWOT分析法是用来确定企业自身的竞争优势、竞争劣势、机会和威胁，从而将公司的战略与公司内部资源、外部环境有机地结合起来的一种科学的分析方法。

（3）5W2H分析法

该分析方法又称为七何分析法，是一个非常简单、方便又实用的工具。广泛用于企业营销、管理活动，对于决策和执行性的活动措施非常有帮助，也有助于弥补考虑问题的疏漏。

（4）4P营销理论

可以说企业的一切营销动作都是在围绕着4P理论进行，也就是将：产品、价格、渠道、推广。通过将四者的结合、协调发展，从而提高企业的市场份额，达到最终获利的目的。

• 产品（product）

• 价格（price）

• 渠道（place）

• 推广（promotion）

（5）AARRR模型

AARRR从整个用户生命周期入手，包括获取（Acquisition）、激活（Activition）、留存（Retention）、变现（Revenue）和传播（Refer）。

图片来源于网络

3、常见的数据分析方法

根据运营的工作的实际需要，下面小编介绍几种数据分析中常用的方法，希望在数据分析的实际应用中能给大家带来帮助。

趋势分析是最简单、最基础，也是最常见的数据监测与数据分析方法。适用于产品核心指标的长期跟踪，比如：点击率、GMV、活跃用户数等。

以电商类网站为例，如果我们将流量作为第一关键指标。我们将网站的访问用户量（UV）和页面浏览量（PV）等指标汇汇聚到统一的数据看板（Dashboard），并且实时更新。这样的一个数据看板，核心数字和趋势一目了然。

当单一的数字或趋势过于宏观时，我们需要通过不同的维度对于数据进行分解，以获取更加精细的数据洞察。这里的维度包括但不限于浏览器、访问来源、操作系统、广告内容等等，在选择维度时，需要仔细思考其对于分析结果的影响。

（3）用户分群

比如在考虑注册转化率的时候，需要区分用户登录平台是PC端、平板端还是手机移动端，以及北京、上海、广州、深圳等地的用户群体。这样可以在渠道策略和运营策略上，有针对性地进行优化。

漏斗分析是我们最常见的数据分析手段之一，广泛应用于网站用户行为分析和APP用户行为分析的流量监控、产品目标转化等日常数据运营与数据分析的工作中。例如将漏斗图用于网站中某些关键路径的转化率的分析，不仅能显示用户从进入网站到实现购买的最终转化率，同时还可以展示整个关键路径中每一节点的转化率。

• 不但要看总体的转化率，还要关注转化过程每一步的转化率；
• 漏斗分析也需要进行多维度拆解，拆解之后可能会发现不同维度下的转化率也有很大差异。

人口红利逐渐消褪的时代，留存老用户的成本要远远低于获取新用户，所以分析中的留存是非常重要的指标之一。

衡量留存的常见指标有：次日留存率、7日留存率、30日留存率等等。

增长黑客的一个主要思想之一，是不要做一个大而全的东西，而是不断做出能够快速验证的小而精的东西。快速验证，那如何验证呢？主要方法就是AB测试。

例如，谷歌对于搜索结果的显示，会制定多种不同的方案（包括文案标题，字体大小，颜色等等），不断来优化搜索结果中广告的点击率。

图片来源于网络

四、数据分析常见谬误

1、数据偏见

在分析数据时受个人偏见和动机的影响，即仅选择支持你声明的数据，同时丢弃不支持声明的部分。“数据偏见”将让数据的客观性荡然无存。

2、采样偏差

所以当分析数据时，一个很重要的步骤是问一下你自己有什么缺失的数据。有时可能没办法掌握数据的整体情况就是因为它们只反映了一部分。

在数据分析时很容易将两个事件同时发生（相关），判断为因果关系。

4、辛普森悖论

避免“辛普森悖论”给我们带来的误区，就需要斟酌个别分组的权重，以一定的系数去消除以分组资料基数差异所造成的影响。

纸上得来终终觉浅。以上内容仅是提供了基础的框架和思路，各位想要真正掌握数据分析这一技能还需要将其应用到实际工作中，实践出真知。

作者: 活动盒子