2017年12月3日，應(yīng)“水滴互助”的朋友邀請(qǐng)，分享我個(gè)人數(shù)據(jù)分析的一些基本方法論。數(shù)據(jù)產(chǎn)品基于降水?dāng)?shù)據(jù)分析的思路，這兩個(gè)領(lǐng)域略有重疊。在這里整理文章，分享給大家。

“為什么-什么-如何”是一個(gè)很好的解釋概念和執(zhí)行的思維模式。這一次，按照這個(gè)框架，“數(shù)據(jù)分析”是拆分的。相信很多朋友都有豐富的分析經(jīng)驗(yàn)，所以要從個(gè)人角度梳理一下，以供參考。為了幫助大家更好地理解這篇文章，先貼一張思維導(dǎo)圖:

一. WHY：為什么要做數(shù)據(jù)分析

目前大部分關(guān)于數(shù)據(jù)分析的文章都忽略了數(shù)據(jù)分析本身的目的。這將導(dǎo)致我們?cè)趫?zhí)行時(shí)動(dòng)作的變形。只有以終為始，才能保證不跑路。個(gè)人認(rèn)為，數(shù)據(jù)分析就是對(duì)業(yè)務(wù)問題進(jìn)行量化分析，得出結(jié)論。有兩個(gè)關(guān)鍵詞:量化和商業(yè)。

先說量化。量化是為了統(tǒng)一認(rèn)知，保證路徑可以追溯和復(fù)制。只有統(tǒng)一認(rèn)知，不同層次、不同部門的人才能在話語權(quán)平等、方向一致的背景下討論合作，公司內(nèi)部的人才能避免用“我感覺”、“我猜測(cè)”來猜測(cè)當(dāng)前的經(jīng)營狀況。路徑具有可追蹤性和可復(fù)制性，這意味著可以通過量化的結(jié)果找到并復(fù)制許多優(yōu)化方法。同樣是轉(zhuǎn)化率優(yōu)化?？梢灶A(yù)測(cè)誰會(huì)得到更好的結(jié)果，使用方案A和方案B會(huì)得到多少更好的結(jié)果..

為了量化，需要做到三點(diǎn):建立量化體系，明確量化的重點(diǎn)，保證數(shù)據(jù)的準(zhǔn)確性。

1.1建立量化體系

量化體系的建立主要是基于“指標(biāo)設(shè)計(jì)法”，設(shè)計(jì)業(yè)務(wù)的“核心指標(biāo)+拆解指標(biāo)+業(yè)務(wù)指標(biāo)”，最后放入全公司通用的“指標(biāo)字典”和“維度字典”。這類工作通常由數(shù)據(jù)分析師或數(shù)據(jù)PM來完成。這樣就可以初步建立起一個(gè)全面系統(tǒng)的全公司量化分析框架，保證日常分析可以“層層分解，不重復(fù)不泄露”。

1.1.1指標(biāo)設(shè)計(jì)方法

說到索引設(shè)計(jì)方法，你可能會(huì)覺得你以前聽說過產(chǎn)品設(shè)計(jì)方法、程序開發(fā)方法、索引設(shè)計(jì)方法。事實(shí)上，指數(shù)設(shè)計(jì)是一種以準(zhǔn)確性和可理解性為標(biāo)準(zhǔn)，并將統(tǒng)計(jì)和商業(yè)效果相結(jié)合的方法。

準(zhǔn)確是指能準(zhǔn)確達(dá)到測(cè)量目的，通俗易懂是指指標(biāo)算法能直觀地表現(xiàn)好壞，指標(biāo)算法也通俗易懂。兩者之間總有選擇的余地，準(zhǔn)確性第一。比如我們要衡量一個(gè)群體的收入差異，是用方差還是基尼系數(shù)？方差很好理解，但不能說明兩個(gè)極端有多大區(qū)別。基尼系數(shù)算法很難理解，但可以準(zhǔn)確描述這個(gè)問題。

具體到指標(biāo)設(shè)計(jì)，我們需要用到一些常用的統(tǒng)計(jì)工具:

以客戶質(zhì)量分析為例:簡介是我們看客戶的平均支付金額或支付中位數(shù)來了解客戶簡介。要想知道這些客戶的質(zhì)量好不好，需要用方差和標(biāo)準(zhǔn)差來描述。如果想了解更多細(xì)節(jié)，可以了解每個(gè)區(qū)間的用戶數(shù)來做判斷。

這里有一些提示供你參考:

比率指標(biāo):注重實(shí)效(訂單轉(zhuǎn)化率，看單數(shù)沒用)

關(guān)聯(lián)指標(biāo):既要看新客戶數(shù)量，也要看CAC，保證數(shù)量的前提也要保證質(zhì)量

防止壞指標(biāo):錯(cuò)誤指標(biāo)，虛榮心指標(biāo)，復(fù)雜指標(biāo)

以下是對(duì)每一個(gè)提示的目標(biāo)的簡要說明。之所以采用比率指數(shù)和伴隨指數(shù)，是因?yàn)樗軌蚯逦胤从硺I(yè)務(wù)的“效率”，有效防止因追求單一指數(shù)而導(dǎo)致的動(dòng)作變形。如果這車能跑10萬公里，不代表車有多好。只有“速度=距離/時(shí)間”才能體現(xiàn)這輛車的效率。同時(shí)，如果片面追求速度，會(huì)導(dǎo)致車的劍在設(shè)計(jì)上誤入歧途，給駕駛員帶來危險(xiǎn)。因此，需要增加“故障率”或“事故率”等伴隨指標(biāo)，以確保安全。

不良指標(biāo)中的“虛榮心指標(biāo)”最早出現(xiàn)在《精益數(shù)據(jù)分析》一書中，作者簡單的將“PV/UV”等指標(biāo)歸為虛榮心指標(biāo)。剛開始我是認(rèn)可的，但后來在實(shí)際申請(qǐng)過程中，發(fā)現(xiàn)這些指標(biāo)對(duì)于監(jiān)控很多業(yè)務(wù)來說是無法避免的。后來我把“虛榮心指數(shù)”修正為“把離業(yè)務(wù)目標(biāo)太遠(yuǎn)的環(huán)節(jié)定義為核心監(jiān)控指標(biāo)”。對(duì)于一個(gè)即時(shí)通訊APP，需要監(jiān)控下載次數(shù)、啟動(dòng)用戶和注冊(cè)用戶，但不能作為核心監(jiān)控指標(biāo)。更合適的是消息數(shù)或者“有過對(duì)話的用戶數(shù)”。復(fù)雜的指標(biāo)往往是各種各樣的“指標(biāo)”，很多指標(biāo)是加減乘除的，這就使得此類指標(biāo)波動(dòng)時(shí)很難分析原因。

擁有定義和解釋指標(biāo)的權(quán)利，是一件很高級(jí)的事情。這就要求設(shè)計(jì)師對(duì)業(yè)務(wù)有很深的理解，有很高的抽象能力。對(duì)于分析師來說，擁有定義指標(biāo)的權(quán)利將突出你在業(yè)務(wù)方面的重要性。當(dāng)然，這并不是為了定義指標(biāo)而鼓勵(lì)大家定義指標(biāo)。找到行業(yè)內(nèi)現(xiàn)有的量化方法，在公司推廣也是一件很棒的事情。

以美容外賣“美容廚師率加權(quán)指導(dǎo)值”為例。為了避免泄露商業(yè)秘密，將原本用來衡量用戶體驗(yàn)的指標(biāo)改為“美女廚師率”，并對(duì)以下背景略加修改，讓大家都明白其中的精神。指標(biāo)的背景是保證用戶的用餐體驗(yàn)，美容外賣總部提出每個(gè)城市的商家必須配備一定比例的美容大廚。但城市提出異議:不同城市有不同的商家，大商家廚師多，漂亮廚師率相對(duì)較低，不可能用一個(gè)統(tǒng)一的數(shù)值來比較所有城市。所以總部設(shè)計(jì)了這樣一個(gè)指導(dǎo)值:全國的商家分層，每一層的商家拿到全國平均，然后每個(gè)城市對(duì)照基準(zhǔn)平均值產(chǎn)生自己的基準(zhǔn)值，也就是美女廚師率的加權(quán)指導(dǎo)值。雖然計(jì)算有點(diǎn)復(fù)雜，但在實(shí)際應(yīng)用過程中，BD人只需要知道整體差距和各層業(yè)務(wù)的區(qū)別，就很容易有針對(duì)性的落地和優(yōu)化。

1.1.2建立指標(biāo)體系

按照“指標(biāo)設(shè)計(jì)法”，如何圍繞業(yè)務(wù)建立指標(biāo)體系？核心是根據(jù)業(yè)務(wù)特點(diǎn)確定核心指標(biāo)，在核心指標(biāo)的基礎(chǔ)上從不同角度進(jìn)行拆解。然后慢慢補(bǔ)充其他業(yè)務(wù)的指標(biāo)。

拆卸時(shí)，需要根據(jù)指標(biāo)而不是尺寸進(jìn)行拆卸。例如，訂單數(shù)量也可以細(xì)分為每個(gè)類別的訂單總數(shù)。這可以通過保持上層和下層的索引名稱不一致來避免。拆卸過程遵循“層層拆卸，無重漏(MECE)”的金字塔方法論。如果業(yè)務(wù)拆解或補(bǔ)充的指標(biāo)太多，可以借鑒數(shù)據(jù)倉庫中“域”的概念來管理這些指標(biāo)，比如上圖中的“交易域”、“商品域”、“用戶域”。

在標(biāo)準(zhǔn)的索引系統(tǒng)中，涉及到元數(shù)據(jù)管理領(lǐng)域。包括索引命名的規(guī)范，數(shù)據(jù)存儲(chǔ)和計(jì)算的管理等等。如果有興趣，可以搜索相關(guān)文章或者閱讀阿里巴巴新的《大數(shù)據(jù)實(shí)踐之路》。下面，我們將截取一個(gè)來自云起會(huì)議的PPT關(guān)于指標(biāo)給大家的命名標(biāo)準(zhǔn):

1.1.3構(gòu)建索引維度字典

這里是轉(zhuǎn)讓公司前期的指標(biāo)維度字典(Bus Matrix)，一定程度上解決了之前公司指標(biāo)定義不清或不一致的問題?，F(xiàn)在這套東西已經(jīng)產(chǎn)品化了，可以在可視化產(chǎn)品中查看和展示。

對(duì)于暫時(shí)無法生產(chǎn)產(chǎn)品的公司，建議分析師可以通過Google Docs或Wiki統(tǒng)一維護(hù)一些關(guān)鍵常用指標(biāo)。

對(duì)于維度總線矩陣，主要通過維度為數(shù)據(jù)倉庫建模、數(shù)據(jù)產(chǎn)品設(shè)計(jì)和多維交叉分析提供框架和基礎(chǔ)。

1.2明確的量化重點(diǎn)

在每個(gè)階段，應(yīng)該清楚地定義當(dāng)前的業(yè)務(wù)優(yōu)先級(jí)。量化系統(tǒng)需要根據(jù)業(yè)務(wù)階段改變量化的重點(diǎn)和方法。同時(shí)也意味著有更詳細(xì)的指標(biāo)和更大的監(jiān)測(cè)和推廣力度。

比如外賣行業(yè)早期，經(jīng)歷了重視訂單數(shù)量、重視訂單金額、重視新客戶數(shù)量+補(bǔ)貼率、重視新客戶數(shù)量+資金利用效率(交易完成進(jìn)度/費(fèi)用完成進(jìn)度)的過程。我們可以看到，隨著戰(zhàn)爭階段的升級(jí)和變化，我們開始考慮新客戶的數(shù)量，同時(shí)控制補(bǔ)貼，由于戰(zhàn)爭趨于正常，我們開始控制整體補(bǔ)貼額度，通過爭取效率來擊敗對(duì)手。在每一個(gè)階段，都需要根據(jù)不同的戰(zhàn)場(chǎng)情況來判斷當(dāng)前的焦點(diǎn)，從而建立一個(gè)圍繞焦點(diǎn)無死角的360度分析監(jiān)控系統(tǒng)。

1.3保證數(shù)據(jù)的準(zhǔn)確性

在數(shù)據(jù)準(zhǔn)確性這個(gè)話題上，數(shù)據(jù)產(chǎn)品已經(jīng)有了成熟的數(shù)據(jù)質(zhì)量管理方法，涉及到數(shù)據(jù)源的監(jiān)控、指標(biāo)計(jì)算和數(shù)據(jù)展現(xiàn)。本文主要從分析師的角度闡述了保證準(zhǔn)確性的方法，不會(huì)重復(fù)數(shù)據(jù)產(chǎn)品。

采用可信來源:多個(gè)來源的交叉驗(yàn)證，在采用新來源時(shí)要格外小心

確定處理方法:索引定義和處理算法

雙重檢查:量值、計(jì)算邏輯和商業(yè)常識(shí)

本文重點(diǎn)介紹了雙重檢查的技巧，它可以使許多經(jīng)理或投資者在不了解業(yè)務(wù)的情況下，判斷數(shù)據(jù)是否有問題。

震級(jí)檢查:每個(gè)數(shù)據(jù)都有其大致的范圍，如DAU、WAU和MAU。

計(jì)算邏輯檢查:一般對(duì)于積分偏分，比如市場(chǎng)占有率，必須滿足以下要求:1。最大值不能超過1；2、各部分之和應(yīng)為1；3.兩個(gè)數(shù)相加后，總和應(yīng)該在中間范圍。

業(yè)務(wù)知識(shí)檢查:根據(jù)其他常用數(shù)字計(jì)算業(yè)務(wù)范圍。如果有人告訴你某個(gè)社交APP的DAU超過1億，你大概知道你是不是在吹牛，因?yàn)橹挥猩贁?shù)的APP一天活1億以上。對(duì)于DAU/MAU，所有行業(yè)都有響應(yīng)范圍值，淘寶為34.6%，天貓為15.5%，JD.COM為15.8%。

1.4從業(yè)務(wù)方面來看

除了“量化”，另一個(gè)關(guān)鍵詞是“業(yè)務(wù)”。只有解決業(yè)務(wù)問題，分析才能創(chuàng)造價(jià)值。價(jià)值包括個(gè)人價(jià)值和公司價(jià)值。對(duì)于公司來說，你提高了收入水平或者降低了經(jīng)營成本；對(duì)于個(gè)人來說，你知道如何利用數(shù)據(jù)解決業(yè)務(wù)問題，這對(duì)個(gè)人的能力成長和職業(yè)生涯有很大的幫助。

總結(jié)一下，如何站在業(yè)務(wù)方的角度去思考，就是八個(gè)字:“為他們的擔(dān)心擔(dān)心，給他們想要的”。這不僅適用于分析師的職位，對(duì)于供應(yīng)商來說，在以供需為主要關(guān)系的所有互動(dòng)過程中，準(zhǔn)確理解彼此的需求是最重要的。比如PM是給用戶的，分析師是給業(yè)務(wù)方的，下屬是給上級(jí)的。

在具體的落地過程中，主要是在以下幾個(gè)環(huán)節(jié)

充分溝通

簡潔的結(jié)論

為登陸提供信息和建議

尋求反饋

在溝通中，確定業(yè)務(wù)方要分析什么，提出更合理更專業(yè)的計(jì)量分析方法，同時(shí)做好節(jié)點(diǎn)同步，避免一路走黑。在分析業(yè)務(wù)需求時(shí)，它類似于很多產(chǎn)品需求分析方法論，所以需要明確所需數(shù)據(jù)背后的含義。比如業(yè)務(wù)方說要看“頁面停留時(shí)間”，但他實(shí)際想要的可能是衡量用戶質(zhì)量，所以“留存率”和“目標(biāo)轉(zhuǎn)化率”是更合適的指標(biāo)。

在闡述分析結(jié)果時(shí)，要記住結(jié)論要先來，層層解釋，然后提供論據(jù)。關(guān)于論點(diǎn)，圖片>:表格>:單詞。因?yàn)闃I(yè)務(wù)方或者管理層的時(shí)間有限，一大塊郵件就扔了，沒人管你分析了什么。需要在郵件前面用1-3句話給出結(jié)論，讓需求方不用看后續(xù)內(nèi)容就能知道你報(bào)告80%的內(nèi)容。

關(guān)于“提供信息量及落地建議”，首先要明白信息量是什么意思:提供對(duì)方不知道的信息。明天太陽從東方升起，不是信息，是在西方。在分析的過程中，一定要站在專業(yè)的角度，從已知邊界向未知邊界進(jìn)軍，爭取一個(gè)新的、堅(jiān)實(shí)的論據(jù)，并根據(jù)分析內(nèi)容給出可以落地的建議。舉個(gè)簡單的例子:

尋求反饋是很多分析過程中缺失的一步，數(shù)據(jù)分析后沒有持續(xù)的跟進(jìn)。那你不知道你做的對(duì)不對(duì)。反饋就像一面鏡子，允許你及時(shí)調(diào)整和優(yōu)化你的方法。

二. WHAT：什么是數(shù)據(jù)分析

數(shù)據(jù)分析的本質(zhì)是把握“變”和“不變”。

“變化”是數(shù)據(jù)分析的基礎(chǔ)。如果一個(gè)企業(yè)每天訂單1萬單或者每天以10%的速度穩(wěn)定增長，就不需要分析了。要想把握“變”，首先要形成“不變”的意識(shí)。

積累“不變性”，就是發(fā)展“數(shù)據(jù)常識(shí)”的過程。“不變性”是基于對(duì)歷史數(shù)據(jù)的不斷觀察和積累。一般來說會(huì)是一個(gè)區(qū)間。范圍越精確，對(duì)變化越敏感。有三種個(gè)人習(xí)慣可以幫助養(yǎng)成“不變”:

養(yǎng)成習(xí)慣，每天第一時(shí)間查看數(shù)據(jù):實(shí)時(shí)&:每日周報(bào)

記住每個(gè)指標(biāo)的大數(shù)，反復(fù)計(jì)算

記錄關(guān)鍵數(shù)據(jù)(列表&:報(bào)告)

大多數(shù)指標(biāo)不需要記住所有的數(shù)字。簡單記住大數(shù)字，10000以下只有10000位數(shù)，有些數(shù)字只需要記住百分比。指標(biāo)之間的計(jì)算可以幫助你整理出每個(gè)指標(biāo)的數(shù)量級(jí)關(guān)系和邏輯脈絡(luò)，在出現(xiàn)波動(dòng)的時(shí)候更加敏感。記錄關(guān)鍵數(shù)據(jù)是將工作和生活中遇到的有趣的列表或數(shù)據(jù)報(bào)告保存在一個(gè)統(tǒng)一的地方，以便于參考和分析。

在“不變”的基礎(chǔ)上，可以逐步培養(yǎng)指標(biāo)敏感度，即實(shí)現(xiàn)指標(biāo)偏離的能力。這主要是通過周悅的各種日常監(jiān)控和同比監(jiān)控以及日常好奇心來維持的。

下面是一個(gè)管理林元帥的野史:林彪帶兵，每次戰(zhàn)斗都要記清楚俘虜和殲滅敵人的數(shù)量和種類，這是一個(gè)習(xí)慣。1948年，在遼沈戰(zhàn)役尋找對(duì)方指揮官的過程中，發(fā)現(xiàn)一次遭遇戰(zhàn)的戰(zhàn)報(bào)數(shù)據(jù)略有變化。他意識(shí)到偏離了過去“不變”的基礎(chǔ):繳獲的短槍和長槍的比例，繳獲和摧毀的汽車和大車，繳獲和殺死的官兵比其他戰(zhàn)斗中的稍高。根據(jù)這個(gè)偏離指數(shù)，他迅速圈定了對(duì)方指揮所的位置，一舉打下了對(duì)方的大本營。

從QuestMobile年春季列表中，讓我們簡單看看“指標(biāo)偏差”是如何應(yīng)用于日常分析的:

在這里，讓我與你分享如何看待這個(gè)列表:

看整體排名:想不到哪個(gè)應(yīng)用在前面

看行業(yè)排名:看行業(yè)排名及其變化

看看增長率:哪些應(yīng)用增長更快

看看其他指標(biāo)，如使用時(shí)間

這里我試著拋出幾個(gè)問題:

新浪新聞甚至比騰訊新聞還高？今天的頭條比一點(diǎn)信息都低？

第二槍比阿托快？

百度地圖在榜單上高于高德。為什么于永福敢宣稱去年活躍終端數(shù)量第一？

QQ的時(shí)長已經(jīng)連續(xù)住了兩個(gè)季度零個(gè)月。有什么意義嗎？

按增長速度排序，王者榮耀最快，其次是今日頭條，亞圖更快，高德地圖。既然高德還是一個(gè)快速成長的APP？

數(shù)據(jù)分析的定義和國外商業(yè)分析書的定義用作腳注:

三. HOW：怎么進(jìn)行數(shù)據(jù)分析

任何數(shù)據(jù)分析都是“細(xì)分、比較、溯源”的連續(xù)交集。細(xì)分和比較最常見的維度是時(shí)間。我們用時(shí)間進(jìn)行周月同比。發(fā)現(xiàn)數(shù)據(jù)異常后，我們對(duì)維度或流程進(jìn)行細(xì)分，一步一步拆解，找到問題所在。如果發(fā)現(xiàn)某個(gè)維度的問題，需要追溯到業(yè)務(wù)方或者真實(shí)方，確認(rèn)問題來源。如果經(jīng)過反復(fù)細(xì)分和比較，問題仍然沒有得到確認(rèn)，則需要追溯到業(yè)務(wù)日志或用戶訪談，進(jìn)一步了解情況。

3.1細(xì)分

以下內(nèi)容在之前關(guān)于大數(shù)據(jù)和用戶的研究中略有提及，這里做一個(gè)總結(jié)。就細(xì)分方法而言，主要有三種方式

交叉:按照一定的維度對(duì)指標(biāo)進(jìn)行劃分和交叉分析

縱向切割:以時(shí)間變化為軸，將指標(biāo)分為上游和下游

內(nèi)切:從目標(biāo)內(nèi)部按照一定的模型進(jìn)行分割

交叉，以轉(zhuǎn)身為例，對(duì)維度和指標(biāo)進(jìn)行分類交叉。當(dāng)某類指標(biāo)出現(xiàn)問題時(shí)，我們就知道要分析哪個(gè)維度了。在橫切分析中，經(jīng)常需要跨多個(gè)維度。這在數(shù)據(jù)分析方面叫做跨多維分析。這也是剛才提到的“維度總線矩陣”中看到的各個(gè)維度的交集。

縱向切割，如果有目的有路徑，就用漏斗分析。如果沒有目的或路徑，則使用軌跡分析。如果沒有目的和路徑，就使用日志分析。

漏斗分析可分為長漏斗和短漏斗。長漏斗的特點(diǎn)是環(huán)節(jié)多，時(shí)間周期長。常用的長漏斗有渠道歸因模型、AARRR、用戶生命周期漏斗等。短漏斗目的明確，時(shí)間短，如訂單轉(zhuǎn)換漏斗、注冊(cè)漏斗等。在軌跡分析中，桑基圖是常用的方法。常見于各頁面的流通關(guān)系，電子商務(wù)中各類目的轉(zhuǎn)移關(guān)系等。日志分析，通過直接瀏覽用戶的前后日志，分析用戶的每一個(gè)動(dòng)作。

各種手段的細(xì)分經(jīng)常交叉使用。例如，在縱向切割訂單漏斗后，可以橫切它以查看哪個(gè)維度的轉(zhuǎn)化率導(dǎo)致了問題。

在內(nèi)部，分析主要基于市場(chǎng)上現(xiàn)有的常見分析模型，如RFM模型、群組模型和細(xì)分模型。RFM，即最新的購買時(shí)間、頻率和金額，綜合決定了用戶的忠誠度和粘性。隊(duì)列，或同期群分析，通過分析不同時(shí)期進(jìn)入平臺(tái)的新用戶，區(qū)分不同新用戶的質(zhì)量，如保留率或目標(biāo)轉(zhuǎn)化率。細(xì)分通過幾個(gè)條件對(duì)用戶進(jìn)行分層，然后對(duì)不同的用戶進(jìn)行分層分析和操作，比如用戶活動(dòng)分層等等。

3.2比較

比較主要分為以下幾類:

交叉比較:根據(jù)細(xì)分中的交叉維度進(jìn)行比較，如城市和類別

縱切對(duì)比:與細(xì)分中的縱切維護(hù)進(jìn)行對(duì)比，如漏斗不同階段的轉(zhuǎn)化率

目標(biāo)對(duì)比:目標(biāo)管理中常見的，比如完成率等。

時(shí)間對(duì)比:一天天，周月同比；7天移動(dòng)平均線比較，7天極端比較

時(shí)間對(duì)比嚴(yán)格來說是橫切對(duì)比。但是因?yàn)闀r(shí)間維度在數(shù)據(jù)分析和產(chǎn)品中極其重要，所以要簡單提一下。在橫向比較中，有一種眾所周知的數(shù)據(jù)應(yīng)用方法，即“排名列表”。通過這種簡單粗暴的方式，我們可以驅(qū)使人們達(dá)到目的，或者占據(jù)人們的認(rèn)知。前者有銷售完成清單。后者有一個(gè)最暢銷的類別列表。

3.3可追溯性

經(jīng)過反復(fù)細(xì)分比較，基本可以確認(rèn)問題。此時(shí)，需要與業(yè)務(wù)方確認(rèn)數(shù)據(jù)是否由于一些業(yè)務(wù)動(dòng)作而異常，包括新版本的推出或活動(dòng)策略的優(yōu)化。

如果還是沒有頭緒，只能從最細(xì)的粒度開始，比如

用戶日志分析

用戶訪談

了解外部環(huán)境，如外部活動(dòng)、政策和經(jīng)濟(jì)條件的變化等

3.4衍生模型

在“細(xì)分比較”的基礎(chǔ)上，可以推導(dǎo)出很多模型。這些模型的意義在于，它們可以幫助你快速判斷一件事情的關(guān)鍵要素，不要去關(guān)注它們。這里有幾個(gè)供參考:

為什么-怎么-什么

5W1H

5為什么

4P模式(產(chǎn)品、價(jià)格、渠道、宣傳)

SWOT模型(優(yōu)勢(shì)、劣勢(shì)、機(jī)會(huì)、威脅)

PEST模型(政治、經(jīng)濟(jì)、社會(huì)、科技)

波士頓矩陣

例如，最近，JD.COM和美國的交貨時(shí)間可能會(huì)延長。鑒于與物流相關(guān)的客戶投訴的增加，可以使用PEST模型來分析是否存在政治問題。當(dāng)你對(duì)競(jìng)爭產(chǎn)品進(jìn)行比較分析時(shí)，SWOT或4P模型可以為你提供不同的角度。

四. 數(shù)據(jù)分析如何落地

以上言論都是偏于“道姬叔”的“術(shù)”部分，但以下是總結(jié)以上內(nèi)容并結(jié)合實(shí)際工作的“術(shù)”部分。

4.1數(shù)據(jù)分析流程和場(chǎng)景

根據(jù)不同的過程和場(chǎng)景，會(huì)有不同的注意點(diǎn)和“藝術(shù)”的應(yīng)用

4.2數(shù)據(jù)分析中常見的謬誤

控制變量謬誤:A/B測(cè)試時(shí)變量控制不好，導(dǎo)致測(cè)試結(jié)果沒有反映實(shí)驗(yàn)結(jié)果?；蛘咴趯?duì)比數(shù)據(jù)時(shí)，兩個(gè)指標(biāo)沒有可比性。

樣本謬誤:在抽樣分析中，選取的樣本不夠隨機(jī)或代表性不足。比如說，互聯(lián)網(wǎng)圈的人會(huì)發(fā)現(xiàn)身邊的人幾乎不用“今日頭條”。為什么這個(gè)APP還能有這么多瀏覽量？有一個(gè)類似的概念叫做幸存者偏差。

定義謬誤:在閱讀一些報(bào)告或披露數(shù)據(jù)時(shí)，人們往往會(huì)感到困惑?！熬W(wǎng)站訪問量過億”指的是用戶數(shù)或者訪問量？

比率謬誤:比率或比例指標(biāo)的謬誤可以單獨(dú)提出來。一是每次談到這類指標(biāo)，都需要明確分子和分母是什么。另一方面，在討論變化的百分比時(shí)，有必要注意基數(shù)。即使有的人工資只漲10%，也可能是150萬…

因果關(guān)聯(lián)謬誤:關(guān)聯(lián)會(huì)被誤認(rèn)為因果，中介變量會(huì)被忽略。比如，發(fā)現(xiàn)冰淇淋銷量與江河淹死兒童數(shù)量有顯著相關(guān)性，于是下令削減冰淇淋銷量。其實(shí)可能只是因?yàn)閮烧叨及l(fā)生在炎熱的夏天。天氣熱的時(shí)候，買冰淇淋的人越多，去河里游泳的人就越多。

辛普森悖論:簡單來說，兩種不同的分組數(shù)據(jù)相加，在分組比較中占優(yōu)勢(shì)的一方，將是在整體評(píng)價(jià)中失勢(shì)的一方。

最后總結(jié)幾句，也是本文的核心思想:

數(shù)據(jù)準(zhǔn)確性是第一要?jiǎng)?wù)

從業(yè)務(wù)的角度考慮:擔(dān)心他們的想法，給他們他們想要的

定義“改變”和“不改變”

細(xì)分、比較和可追溯性

結(jié)束。

精選干貨