知識來源：接地氣學(xué)堂¹

---

前言

---

行文之初衷，建立知識樹，因而不易速讀，請君悉知。宜為工具書，按索引取之。獨(dú)學(xué)而無友，必孤陋寡聞，請君賜教，不吝感激。循序圖之，

數(shù)據(jù)分析介紹

• 前言
• 一、基本認(rèn)識
• • 1. 數(shù)據(jù)分析定義
  • 2. 需求層的工作概述
  • 3.數(shù)據(jù)層工作概述
  • 4.分析層工作概述
  • 5.輸出層工作概述
  • 7.技術(shù)與能力
  • 其他概念
  • • 數(shù)據(jù)賦能
    • 數(shù)據(jù)產(chǎn)品
• 二.數(shù)據(jù)分析可以解決問題類型：
• • 1.“是多少”問題的解決思路
  • 2.“是什么”問題的解決方法
  • 3.“為什么”問題的解決方法
  • 4.“會怎樣”問題的解決方法
  • 5.屬于“怎么做”的方法
  • 總結(jié)
• 三.數(shù)據(jù)分析思路如何建立
• • 分析的思路建立
  • 1. 理解業(yè)務(wù)——工作的前提
  • 2.需求分析 —— 分析的前提
  • 3.開展分析工作——核心工作
  • 4.落地方法——最重要環(huán)節(jié)
  • 5.復(fù)盤經(jīng)驗
  • 案例：
• 四.建立指標(biāo)體系
• • 1. 主指標(biāo)（一級指標(biāo)）
  • 2.結(jié)構(gòu)框架（二級/三級指標(biāo)）
  • 3.判斷標(biāo)準(zhǔn)
  • 4.使用指標(biāo)體系診斷問題
  • 5.建立指標(biāo)常見問題
• 五.數(shù)據(jù)報告
• • 1.明確前提
  • 2.你問我答- 報告要點
  • 3.我說你聽，報告要點
  • 4.失敗的報告
  • 5.如何寫建議
  • 6.報告格式參考
• 六.數(shù)據(jù)分析與運(yùn)營體系
• • 1.運(yùn)營特點
  • 2.數(shù)據(jù)運(yùn)營
  • 3.數(shù)據(jù)運(yùn)營體系搭建方法
  • 4.根據(jù)KPI設(shè)定目標(biāo)的方式
  • 5.如何支持運(yùn)營迭代
  • 6.事后如何目標(biāo)數(shù)據(jù)
  • 7.如何給運(yùn)營提建議
  • 8.遇到人為阻力，如何解決？
  • 9.復(fù)雜任務(wù)
• 七.數(shù)據(jù)標(biāo)簽
• • 1.打標(biāo)簽
  • 2.標(biāo)簽發(fā)揮作用
  • 3.用戶標(biāo)簽
• 八.用戶畫像
• • B2C用戶畫像
  • B2B的用戶畫像
• 九數(shù)據(jù)處理
• • 1.數(shù)據(jù)探索 Explore
  • 2.數(shù)據(jù)修正 Modify
  • 3.數(shù)據(jù)轉(zhuǎn)化
  • 4.工具
• 十.分析方法
• • 1.數(shù)學(xué)分析框架
  • • 單維分析
    • 多維分析
    • 分類分析
    • 流程法
    • 相關(guān)性分析
    • 聚類分析
    • 回歸分析
    • 其他
  • 2.行業(yè)與公司框架
  • • • **從哪里獲取研究所需的報告和數(shù)據(jù)**
  • 3.電商數(shù)據(jù)分析
  • • 用戶分析
    • • 客戶生命周期模型
      • AARRR
      • RFM：
      • TGI指數(shù)
      • 其他：
    • 商品分析
    • • 杜邦分析法
      • ABC 分類法
    • **場景分析（產(chǎn)品）**
    • • **轉(zhuǎn)化漏斗**
    • 場景分析（營銷）
    • • 渠道分析
• 十一、數(shù)據(jù)可視化 visualization
• • 常用圖形
• 十二、常見指標(biāo)
• • 1. 用戶指標(biāo)
  • 2.商品指標(biāo)
  • 3.產(chǎn)品指標(biāo)
  • 4.營銷指標(biāo)
• 十三 工具偏
• • 1. 網(wǎng)站分析工具
  • 2.移動端分析工具
• 番外篇：基本素養(yǎng)
• • 醫(yī)者意識
  • 指標(biāo)意識
  • 業(yè)務(wù)意識
  • 溝通意識
  • 工程思維
  • 超模板意識

---

一、基本認(rèn)識

1. 數(shù)據(jù)分析定義

根據(jù)分析目的，用統(tǒng)計學(xué)的從數(shù)據(jù)中尋找信息形成結(jié)論。

• 工作對象
  驅(qū)動業(yè)務(wù)：利用數(shù)據(jù)落地運(yùn)營方法.具體的運(yùn)營崗位提供相應(yīng)的服務(wù)。包含，但不限于：提供報告報表、數(shù)據(jù)賦能、專題分析、數(shù)據(jù)產(chǎn)品。

• 數(shù)據(jù)分析與挖掘的大致關(guān)系
  數(shù)據(jù)挖掘是分析的一種方式，統(tǒng)計學(xué)/機(jī)器學(xué)習(xí)的方法只是解決分析問題的工具

  一般數(shù)據(jù)分析數(shù)據(jù)挖掘

  定義	分析方法業(yè)務(wù)模型，評估現(xiàn)狀和修正不足	分析側(cè)重于數(shù)學(xué)模型，發(fā)現(xiàn)未知的模式 和規(guī)律
  側(cè)重	實際的業(yè)務(wù)知識	挖掘技術(shù)的落地，完成“采礦”過程
  技能	統(tǒng)計學(xué)、數(shù)據(jù)庫、Excel、可視化等	過硬的數(shù)學(xué)功底和編程技術(shù)
  結(jié)果	需結(jié)合業(yè)務(wù)知識解讀統(tǒng)計結(jié)果	模型或規(guī)則

• 工作流程
  需求層——數(shù)據(jù)層——分析層——輸出層

2. 需求層的工作概述

• 定義：基于對業(yè)務(wù)的理解，決定分析的整體方向
• 目標(biāo)：最終要弄清，需要分析什么問題，怎么分析，要什么數(shù)據(jù)。
• 流程：理解業(yè)務(wù)——理解需求——建立分析計劃

3.數(shù)據(jù)層工作概述

• 定義：處理數(shù)據(jù)，工作量最大，數(shù)據(jù)分析人的基本功，最浪費(fèi)時間。
• 要求：能得出適合分析的數(shù)據(jù)格式。
• 工作：數(shù)據(jù)采集——數(shù)據(jù)探索——數(shù)據(jù)處理
  • 數(shù)據(jù)采集
    常用的搜集手段有：從數(shù)據(jù)庫里取數(shù)、從業(yè)務(wù)指標(biāo)當(dāng)中取數(shù)，或者說從數(shù)據(jù)場景當(dāng)中去取，問卷調(diào)查 、實驗室試驗、儀器設(shè)備的記錄
  • 數(shù)據(jù)探索：把握數(shù)據(jù)的全面性和純度。
    全面性：整體把握字段數(shù)、字段類型。是否包含了所有我們需要的字段，字段的數(shù)據(jù)分布。
    純度：具體每個字段把握：臟數(shù)據(jù)，數(shù)據(jù)范圍、格式和缺失程度。注意異常數(shù)據(jù)的規(guī)律，是否代表著某種特殊情況。
  • 數(shù)據(jù)處理
    應(yīng)用工具清洗、整理、加工數(shù)據(jù)，主要方式： 增、刪、改、查、計算。數(shù)據(jù)類型的轉(zhuǎn)換 、數(shù)據(jù)的一致性處理 、 異常值和缺失值的處理 、數(shù)據(jù)形態(tài)的轉(zhuǎn)換

4.分析層工作概述

• 是什么：開始分析工作，最考驗我們數(shù)據(jù)分析人思維的一個層級
• 要求：得出合理的結(jié)論
• 工作：方法+軟件+業(yè)務(wù)，根據(jù)擬定的計劃使用數(shù)據(jù)分析工具展開具體的分析

5.輸出層工作概述

• 是什么：展現(xiàn)信息/結(jié)論+落地方法+復(fù)盤經(jīng)驗。
• 包括：結(jié)論—建議—執(zhí)行—反饋—改進(jìn)。

7.技術(shù)與能力

基礎(chǔ)能力作用說明其他

		統(tǒng)計學(xué)
		概率論
		溝通表達(dá)
		思維框架
業(yè)務(wù)能力：	各方業(yè)務(wù)知識
		電子商務(wù)
		用戶運(yùn)營
		商品運(yùn)營
工程能力
	數(shù)據(jù)搜集	SQL
	數(shù)據(jù)清洗與探索 ：	Excel
		Python
		KETTLE
	數(shù)據(jù)建模 ：	Python
	數(shù)據(jù)呈現(xiàn) ：	PPT
		BI
		Excel

其他概念

關(guān)于數(shù)據(jù)工作的概念層出不窮，但萬變不離其宗，數(shù)據(jù)分析思維是解決一切的核心

數(shù)據(jù)賦能

所謂數(shù)據(jù)分析賦能業(yè)務(wù)，可以做的是：
一量化現(xiàn)狀，為賦能打下基礎(chǔ)
二梳理問題，為賦能方向指路
三展開分析，為賦能優(yōu)化效率
四監(jiān)控進(jìn)度，為賦能保駕護(hù)航
五總結(jié)經(jīng)驗，為賦能積累成果

賦能的直觀含義
賦能的直觀含義，就是增強(qiáng)業(yè)務(wù)能力，提高業(yè)務(wù)效率。注意：賦能是用更高級的手段解決戰(zhàn)斗，不是替代，更不是“你行你上啊”
“二營長，你他娘的意大利炮呢！”——這就是最直觀的賦能。沒有意大利炮能不能打縣城？能，當(dāng)然能，李團(tuán)長手下上萬人馬呢。可沒有意大利炮，打城門口很累，要死很多人。戰(zhàn)士們扛著梯子沖了那么多次都沖不下來。有了意大利炮，“咣！”一下就搞掂了，就損失一個老婆，這個投入產(chǎn)出比顯著提升

賦能的方法

工具式賦能-意大利炮，通過提供高效率的工具

資源式賦能-炮彈。二營長只有17發(fā)炮彈，估計打完縣城炮就用光了。我們可以提供更多炮彈。

知識式賦能-洋碼子。意大利炮上全是洋碼子，二營長看不懂，打炮只會貼著臉直射。我們可以提供操作手冊，最好有個教官親自教一下。

服務(wù)式賦能-炮車。二營長連輛吉普車都沒有，炮全靠人來拉。我們可以提供一輛吉普車，幫他把炮拉上戰(zhàn)場。

數(shù)據(jù)賦能的特殊問題
15年前我們說數(shù)據(jù)賦能業(yè)務(wù)，大部分談的是如何給領(lǐng)導(dǎo)做儀表盤，給業(yè)務(wù)員做跟進(jìn)工具，做推薦算法、做響應(yīng)算法提高外呼成功率，因為那個時代企業(yè)數(shù)據(jù)建設(shè)普遍落后。真的是沒數(shù)據(jù)可用，所以需要做大量基礎(chǔ)建設(shè)。
現(xiàn)在說數(shù)據(jù)賦能，大部分談的是如何讓業(yè)務(wù)方重視、尊重、科學(xué)利用數(shù)據(jù)。我們看到的企業(yè)實際情況，是驕兵悍將不屑于看數(shù)據(jù)，蝦兵蟹將學(xué)也學(xué)不會。最后數(shù)據(jù)報表不是沒人看，就是淪為“證明老子很牛逼”的工具。完全沒有派上應(yīng)有的用處。當(dāng)然是得想辦法積極投身到和業(yè)務(wù)的溝通中去。平時多做科普（比如多多轉(zhuǎn)發(fā)陳老師文章）讓大家知道數(shù)據(jù)到底是干啥的，有啥用，能咋樣用。在遇到項目的時候爭取參與機(jī)會，從基礎(chǔ)做起，不斷提高業(yè)務(wù)方使用率，不斷積累在業(yè)務(wù)上助力經(jīng)驗。

數(shù)據(jù)產(chǎn)品

真實的產(chǎn)品，是一個廣泛的概念，并非是死板的BI+儀表盤。因為，業(yè)務(wù)使用頻率和認(rèn)可度，是第一位的。很多做數(shù)據(jù)的同學(xué)一提數(shù)據(jù)產(chǎn)品，就想著搞花里胡哨的儀表盤，很容易讓數(shù)據(jù)產(chǎn)品變成“為做而做”，最后打開率不高，更不指望別人說自己好了。換句話說，只要業(yè)務(wù)能用起來，數(shù)字輸出到哪里，炫酷不炫酷，根本沒那么重要。

二.數(shù)據(jù)分析可以解決問題類型：

復(fù)雜問題是簡單問題的疊加

1.“是多少”問題的解決思路

• 工作：要用數(shù)據(jù)描述狀況。

• 單指標(biāo)思路
  只用1個指標(biāo)就能描述清楚狀況，比如身高、年齡這種，是沒有什么分析方法的，注意描述的維度：時間、角度。

• 多指標(biāo)思路
  描述很多指標(biāo)，涉及：重點指標(biāo)選擇，指標(biāo)展示方式。描述性方法：

  • AARRR：
    AARRR都是圍繞用戶來說的，實際上只適用于用戶運(yùn)營，不是所有業(yè)務(wù)都能硬插這五個指標(biāo)的。互聯(lián)網(wǎng)行業(yè)增長黑客理論的五個大指標(biāo)。
    需要注意的是，實際用的時候，還有很多二級、三級小指標(biāo)，絕不是五個指標(biāo)就完事了，切記。
  • 漏斗法：
    圍繞流程環(huán)節(jié)，任何流程都能擺一個漏斗出來，主要用來衡量流程轉(zhuǎn)化率的指標(biāo)。比如：互聯(lián)網(wǎng)廣告（站外頁-落地頁-促進(jìn)頁-轉(zhuǎn)化頁），B2B銷售的售前流程也很長（銷售線索-初次接觸-溝通需求-展示demo-議價-競標(biāo)-簽署合同），擼出來一個漏斗。
  • 杜邦分析法：
    用來拆解經(jīng)營指標(biāo)：原本是財務(wù)分析中用來衡量企業(yè)經(jīng)營效益與財務(wù)指標(biāo)的方法，現(xiàn)在被推廣到拆解。比如銷售金額=用戶數(shù)付費(fèi)率客單價。然后再層層拆解用戶數(shù)，客單價構(gòu)成。有意思的是，杜邦分析法拆出來的邏輯圖會很復(fù)雜，所以很多人為了提高逼格直接把它叫“分析模型”……
  • 量、收、利、進(jìn)、銷、存：零售行業(yè)，無論線上線下都是這六個關(guān)鍵指標(biāo)：總量、收入、利潤、采購（進(jìn)）、存貨。和AARRR一樣，有一堆二級三級小指標(biāo)。

• 要注意
  以上都是描述問題的方法，并沒有解答問題，比如看到用戶流失率75%所以呢？所以75%是好還是壞呢？描述+標(biāo)準(zhǔn)才能對問題做判斷。所以才有了下邊“是什么”的方法。

2.“是什么”問題的解決方法

• 工作：“是什么”主指樹立數(shù)據(jù)標(biāo)準(zhǔn)的方法，也包括定位對象（是誰、在哪里）

• 解決思路：可以純粹基于數(shù)學(xué)尋找標(biāo)準(zhǔn)，但實際中更多是基于業(yè)務(wù)經(jīng)驗，但業(yè)務(wù)經(jīng)驗也需要數(shù)據(jù)進(jìn)行驗證才知道是對的錯的。因此，產(chǎn)生了“是什么”的兩個步驟：探索標(biāo)準(zhǔn)的方法，驗證標(biāo)準(zhǔn)的方法：

• 探索標(biāo)準(zhǔn)
  和到底要對幾個指標(biāo)進(jìn)行探索有關(guān)。
  • 1個指標(biāo)——切割線擺在哪，方法有：二八法、十分位法、ABC法。名字聽著玄妙，當(dāng)我們沒有信心的時候，可以根據(jù)二八定律，把切割線擺在20%，也可以先拆10組或者若干組出來，探索下擺在哪里合適。
  • 2個指標(biāo)——矩陣法，其實就是把兩個指標(biāo)交叉，分出四個象限，看看四類有沒有明顯特點。
  • 超過3個指標(biāo)，用一些統(tǒng)計學(xué)的方法。在無標(biāo)注的情況下可以用Kmean聚類進(jìn)行分類探索，在有標(biāo)注情況下可以用決策樹。一般不建議直接交叉。即使只有3個指標(biāo)，每個指標(biāo)分3類，也會產(chǎn)生 333=27 類出來，在業(yè)務(wù)上太復(fù)雜了。由此可以看書：統(tǒng)計學(xué)/機(jī)器學(xué)習(xí)的方法只是解決分析問題的工具，就是這個意思。
• 驗證標(biāo)準(zhǔn)
  找出來標(biāo)準(zhǔn)需要業(yè)務(wù)方來驗證。好的標(biāo)準(zhǔn)要能清晰區(qū)分不同群體。比如女生說要相親的男生身高180。那意味著179的人她真的不要，181她不會立即拒絕。如果176的她照樣接受，就說明畫出來標(biāo)準(zhǔn)沒有區(qū)分度，要么是標(biāo)準(zhǔn)劃分出了問題，要么就是做標(biāo)準(zhǔn)的指標(biāo)壓根就找錯了。

• 注意： 有沒有用數(shù)據(jù)找標(biāo)準(zhǔn)，有沒有驗證過業(yè)務(wù)部門的標(biāo)準(zhǔn)，是從取數(shù)到分析的分水嶺。 很多同學(xué)覺得自己沒有做分析，不知道分析的是什么，核心原因就是手上只有數(shù)據(jù)沒有標(biāo)準(zhǔn)。
  比如跑出來一個：本月底銷售額3000萬，可3000萬又怎樣呢？不知道。然而渠道部一看到月底銷售額3000萬，就大喊一聲：肯定是華東大區(qū)藏了業(yè)績，下個月頭他們至少還要吐500萬出來！這就是有沒有評價標(biāo)準(zhǔn)的差距。所以平時工作中就得養(yǎng)成強(qiáng)烈的標(biāo)準(zhǔn)意識，這樣才能進(jìn)行真正的分析。

3.“為什么”問題的解決方法

• 工作： “為什么”指探索問題原因。

• 方法：很難僅通過數(shù)據(jù)鎖定原因，是一個系統(tǒng)的過程，需要做齊量化-探索-假設(shè)-檢驗-總結(jié)全套流程，往往要內(nèi)部數(shù)據(jù)+外部調(diào)研+業(yè)務(wù)判斷+測試，共同努力鎖定原因。嚴(yán)格來說，這里不是靠某個分析方法得出的結(jié)論，想僅通過數(shù)據(jù)分析找原因，是相當(dāng)困難的，這一點切記切記。但是考慮到面試官還是很想聽幾個方法的名字的，我們可以這么說，找原因的方法可以分作經(jīng)驗推斷與算法推斷兩種：

  • 經(jīng)驗推斷就是經(jīng)典的：歸納法與演繹法，具體到數(shù)據(jù)操作上，就是分組對比（歸納原因）和趨勢推演（演繹判斷）。實際中，當(dāng)然是兩種方法結(jié)合，不斷逼近真相。比如：問為什么銷售額下降，用歸納法就是將每一次銷售下降的時候，相關(guān)癥狀指標(biāo)列出來，然后做分組對比，看哪個因素影響下跌的厲害。用演繹法，就是假設(shè)銷售下降就是因為人員流失/引流產(chǎn)品不給力/季節(jié)因素導(dǎo)致的，那么我做了相應(yīng)調(diào)整：人員調(diào)動/上新品/等季節(jié)過去，以后應(yīng)該銷售能回升。
  • 算法推斷：通過指標(biāo)的計算發(fā)現(xiàn)潛在問題點，然后回歸到業(yè)務(wù)里去驗證，不是靠人工智能阿爾法大狗子汪汪一叫就把原因叼回來。可以簡單理解為把上邊經(jīng)驗推斷的過程，量化為一堆指標(biāo)的計算。比如相關(guān)分析雖然不能證明因果，但是能提供分析假設(shè)，拿到假設(shè)以后我們就能進(jìn)一步驗證，到底這種關(guān)系是真相關(guān)還是偽相關(guān)。因此，做分類的模型與計算相關(guān)系數(shù)的統(tǒng)計方法，理論上都能用來做這種探索

• 注意：統(tǒng)計上的相關(guān)系數(shù)與業(yè)務(wù)中的相關(guān)關(guān)系是兩碼事

  • 一提探索原因，大家腦子自然蹦出來的就是相關(guān)分析……往往會以為計算個相關(guān)系數(shù)，丫就真的相關(guān)了。于是產(chǎn)生了“龍脈梗”²。面試的時候經(jīng)常有同學(xué)在這里吹牛吹大了，被懟得體無完膚。相關(guān)系數(shù)在數(shù)學(xué)基礎(chǔ)掃盲（12.4中有）

4.“會怎樣”問題的解決方法

• 工作：指預(yù)測業(yè)務(wù)走勢。
• 方法：首先大類上，預(yù)測分定性預(yù)測和定量預(yù)測兩種。

  • 定性方法是基于業(yè)務(wù)經(jīng)驗和業(yè)務(wù)假設(shè)，來推測未來走勢，并不全是拍腦袋，因為定性假設(shè)選取的場景和參數(shù)可以通過分析來獲得，并不是完全沒有依據(jù)。同時，對業(yè)務(wù)部門而言，定性預(yù)測時責(zé)權(quán)劃分非常清晰，每個部門要做到多少業(yè)績一清二楚，反而容易推動執(zhí)行有兩種推測法。

    • 經(jīng)驗推斷法，一種是找一個類似的業(yè)務(wù)場景進(jìn)行推測。比如馬上上一款新產(chǎn)品，根據(jù)過往的經(jīng)驗，一般上市后T+N周銷售走勢應(yīng)該是XX，所以類似的也該是這樣。
    • 基于業(yè)務(wù)假設(shè)，比如新產(chǎn)品上市，假設(shè)推廣部門傳播力度為X，假設(shè)銷售部門配備人員為Y，假設(shè)供應(yīng)鏈的產(chǎn)品到貨率是Z，之后套入杜邦分析法的模型進(jìn)行計算，綜合預(yù)測銷量。

  • 定量的方法又分為基于時間的時間序列法，與基于因果關(guān)系的算法兩類。比如比如預(yù)測店鋪銷量，如果用時間序列法，則根據(jù)過往1-3年銷量數(shù)據(jù)來預(yù)測未來的銷售數(shù)據(jù)。如果基于因果關(guān)系，則要引入與銷售結(jié)果相關(guān)的變量（多元回歸），比如店鋪位置、店鋪產(chǎn)品線、產(chǎn)品價格、顧客評價、顧客人數(shù)等等。

    • 注意：工作中真正操作的時候，要因地制宜選方法。
      • 定量預(yù)測看起來很復(fù)雜，很多同學(xué)會直觀的認(rèn)為復(fù)雜就是牛逼的。可實際操做過幾次就會發(fā)現(xiàn)，**時間序列法對于環(huán)境變化不敏感，**容易被突發(fā)事件沖擊。因果關(guān)系法可能采集不到足夠的數(shù)據(jù)，導(dǎo)致模型預(yù)測精度很難上去。所以在工作中真正操作的時候，要因地制宜選方法。在面試的時候，要客觀陳述建模效果。又有很多同學(xué)本能的認(rèn)為，模型在測試集上跑出來的準(zhǔn)確率越高越牛逼。連過擬合這種問題都忘了。結(jié)果在面試的時候被面試官懟穿，這都是很常見的哈。說話謹(jǐn)慎不是問題，被懟穿了才是。
• 注意：一提到預(yù)測，大家腦子里會自然蹦出來很多很多統(tǒng)計學(xué)/機(jī)器學(xué)習(xí)的算法。具體的操作展開寫內(nèi)容太多，這里僅幫大家梳理下邏輯。細(xì)節(jié)可以后邊慢慢更，或者大家自去看相關(guān)統(tǒng)計學(xué)/機(jī)器學(xué)習(xí)文章。

5.屬于“怎么做”的方法

• 定義：指綜合判斷狀況，下分析結(jié)論，輸出建議要實到個可執(zhí)行的抓手上。
• 方法：同時考慮到資源與需求，幫助找到實現(xiàn)目標(biāo)的最佳方式。（所以，“又如何”是分析最后一步，因為往往做判斷，需要做一大堆前期工作。需要搞掂了數(shù)據(jù)、搞掂了標(biāo)準(zhǔn)、了解清楚原因，做了預(yù)測以后，才知道怎么下結(jié)論。）
• 判斷標(biāo)準(zhǔn)很清晰，判斷的指標(biāo)很少，那下結(jié)論是很快速的，不需要復(fù)雜的分析。比如：女生說我就是不喜歡禿頭的男生，那就看照片一票否決，來的非常爽快。這里不需要分析。
• 在復(fù)雜判斷中，有主觀法和客觀法兩種。牽扯指標(biāo)很多，指標(biāo)形態(tài)很復(fù)雜的時候，就很難決定了。比如：小姐姐說我想要一個男的對我好（行為指標(biāo)）有上進(jìn)心（心理指標(biāo)）有發(fā)展?jié)摿?#xff08;預(yù)測值）真心愛我（戀愛原因），這要求一出，就是個非常復(fù)雜的判斷。
  • 主觀法：就是基于人工判斷（專家判斷），只不過打分方式有很多種，直接打分再賦權(quán)重的往往叫專家法，打一個矩陣評分再計算的叫層次分析法（AHP）
  • 客觀法可以通過因子分析（用方差解釋率做權(quán)重）神經(jīng)網(wǎng)絡(luò)（算法訓(xùn)練權(quán)重），這樣不依賴專家打工。
• 注意：實際工作中，做評估的最大敵人是沒標(biāo)準(zhǔn)，或者標(biāo)準(zhǔn)沒節(jié)操。看到銷量下降就試圖甩給沒有數(shù)據(jù)的外部因素，或者甩給目標(biāo)定得太高，這樣的話分析就沒法做了。做評估第二大敵是所謂“業(yè)務(wù)識”，經(jīng)常有業(yè)務(wù)部門跳出來“你做過業(yè)務(wù)嗎？老夫從業(yè)10年都沒見過這樣的”。做評估的第三大敵是領(lǐng)導(dǎo)意見，領(lǐng)導(dǎo)就是不想下這個結(jié)論，你咋辦？只能回來改ppt啊。所以你看，做評估的算法有很多，真正用起來少，還真不能怪我們沒本事。

總結(jié)

• 類型

類型問題層次問題描述備注

直接解決	1.是多少	今天直播觀看10分鐘以上的人數(shù)是多少	不只是一個數(shù),搭建數(shù)據(jù)指標(biāo)體系也算“是多少”
直接解決	2.是什么	今天觀看10n+人數(shù)70萬一一不滿意啊!	“是什么”的關(guān)鍵是評價標(biāo)準(zhǔn)!找標(biāo)準(zhǔn)也是工作之
直接解決	3.為什么	為啥90%的人都看不到10分鐘?	找原因的方法很復(fù)雜,需要配合測試和長期觀察
直接解決	4.會怎樣	果我做了X工作,觀看人數(shù)會增加嗎?	做預(yù)測的方法也多,很復(fù)雜,經(jīng)常用到算法
直接解決	5.怎么做	上個抽獎,人數(shù)增加了,可其他指標(biāo)降了呀!	高大上的叫法叫:綜合評價問題,常涉及復(fù)雜評估
間接解決	6. 想不想	我要不要去簽約幾個美女主播回來?	轉(zhuǎn)化為4:列出支持想法的理由,用數(shù)據(jù)驗證/否定
間接解決	7. 能不能	我讓美女主播露臼花花的大腿,會被查封不?	轉(zhuǎn)化為5:(黑箱)數(shù)據(jù)測試(白箱)收集過往結(jié)果
間接解決	8.會不會	我到底該怎么做,才能合理合法的讓	轉(zhuǎn)化為4:從問題出發(fā)找原因/從手段出發(fā)找可行性
間接解決	9.該不該	我還是決定簽美女,該不該現(xiàn)在干!	轉(zhuǎn)化為5:(事后)評估效果(算)除證浮綠

思維導(dǎo)圖如下：

三.數(shù)據(jù)分析思路如何建立

1 類是用數(shù)據(jù)描述問題，把問題量化。2345類都需要探索-假設(shè)-檢驗-總結(jié)的循環(huán)性的過程對常用方法的簡單總結(jié)。解決后面的問題，通常要先解決前面的。

分析的思路建立

• 理想情況：
  設(shè)定數(shù)據(jù)指標(biāo)→數(shù)據(jù)監(jiān)控過程→數(shù)據(jù)預(yù)警問題→分析問題→探索對策→進(jìn)行測試→驗證假設(shè)→總結(jié)經(jīng)驗→更新指標(biāo)體系循環(huán)監(jiān)控。“大廠經(jīng)驗”，其實只是這套流程運(yùn)轉(zhuǎn)的比較順利而已。

• 注意：

  • 分析思路跟具體工具關(guān)系并不大
    沒有數(shù)據(jù)的年代，還有定性分析方法；有數(shù)據(jù)的年代，還有基于調(diào)查問卷數(shù)據(jù)的調(diào)查分析，有基于交易數(shù)據(jù)的經(jīng)營分析，有基于用戶APP/網(wǎng)站行為的“大”數(shù)據(jù)分析。數(shù)據(jù)來源越豐富，數(shù)據(jù)越準(zhǔn)確，可用的分析方法越多，結(jié)果也越精確，但基本思路是一樣的。
  • 核心：業(yè)務(wù)實踐和科學(xué)思維
    “生搬硬套終成空；棋無定式方入門”。要基于業(yè)務(wù)靈活的變通，一切以范圍內(nèi)解決問題為核心。無論是數(shù)據(jù)產(chǎn)品賦能、數(shù)據(jù)賦能基本，形式不同，核心不變。

• 思維方法：臨床診斷疾病

• 調(diào)查研究，收集資料；
  手段：問診、病歷、體格檢查、特殊化驗與檢查.
  要求：真實性、系統(tǒng)性、完整性。
• 分析、評價、整理資料；
  結(jié)合癥狀、體征、檢查結(jié)果、理論知識、臨床經(jīng)驗
• 提出初步診斷；
  為進(jìn)一步診斷的前提或試驗性治療的方向
• 確立及修正診斷；
  結(jié)合初步治療，進(jìn)一步檢查/診斷性治療
• 最后確診，進(jìn)行治療

• 基本流程：

• 觀察現(xiàn)象
  （冷、發(fā)抖、打噴嚏）——（市場口碑、業(yè)務(wù)反饋、指標(biāo)變化）
• 結(jié)合原理
  （感冒的癥狀）——（業(yè)務(wù)邏輯+分析邏輯）
• 做出推論
  （感冒了）——（建立假設(shè)）
• 采取行動
  （吃藥/扛過去）——（基于假設(shè)，采取業(yè)務(wù)動作）
• 驗證假設(shè)（
  吃藥3天/扛了3天）——（檢驗結(jié)果，積累經(jīng)驗）
• 進(jìn)一步分析
  （癥狀消失/癥狀加劇）——（持續(xù)監(jiān)控）
• 進(jìn)一步行動
  （不理它/看醫(yī)生）——（持續(xù)監(jiān)控）

1. 理解業(yè)務(wù)——工作的前提

理解業(yè)務(wù)是需求分析的前提。

不理解業(yè)務(wù)不但無法賦能別人，而是自己需要別人賦能。看不到業(yè)務(wù)，看不懂業(yè)務(wù)，不知道業(yè)務(wù)進(jìn)展、無法溝通，自然沒法把分析邏輯和業(yè)務(wù)結(jié)果聯(lián)系起來。需要深入一線了解：服務(wù)對象、業(yè)務(wù)流、管理流、數(shù)據(jù)流、業(yè)務(wù)現(xiàn)狀等。業(yè)務(wù)的理解程度決定了后續(xù)：對需求的理解，分析方法的準(zhǔn)確性、能采取的措施建議。

服務(wù)對象：誰是我的賦能對象。
剛?cè)胄械牟锁B們喜歡籠統(tǒng)的說：業(yè)務(wù)。滿腦子都是“copy模板、模型、公式”。業(yè)務(wù)并不是一個孤零零的、獨(dú)立的個人。業(yè)務(wù)兩個字背后，是非常具體的、復(fù)雜的維度：

各維度影響

企業(yè)行業(yè)地位增長速度發(fā)展方向

行業(yè)	toC	toB	toVC
部門	銷售	運(yùn)營	產(chǎn)品
等級	部門總監(jiān)	部門經(jīng)理	小兵
動機(jī)	尋求求助	證明自己	甩鍋

要素決定事項事項決定分析

行業(yè)+企業(yè)	數(shù)據(jù)基礎(chǔ)	戰(zhàn)場 ：數(shù)據(jù)的基礎(chǔ)建設(shè)、對數(shù)據(jù)的認(rèn)知程度、發(fā)展方向
企業(yè)+部門	工作職	戰(zhàn)略：工作定位、流程、人員、相關(guān)措施、制度、活動，有哪些歷史遺留問題,過往經(jīng)驗
部門+等級	關(guān)注重點	戰(zhàn)術(shù)： 職責(zé)KPI/OKR、當(dāng)前指標(biāo)表現(xiàn)是什么，哪些分析指標(biāo)反映了他的問題,有多嚴(yán)重
等級+動機(jī)	具體要求	戰(zhàn)斗：他希望從數(shù)據(jù)分析里得到什么結(jié)論，數(shù)據(jù)分析實際上可以幫他解決什么問題，ˇ還有哪些是可以幫上整約

問題層次說明舉例

戰(zhàn)略層	做哪個方向	我們要抓DAU指標(biāo)?觀看人數(shù)?觀看次數(shù)?這個指標(biāo)目標(biāo)多少,要提高多少?
戰(zhàn)術(shù)層	已經(jīng)選擇了方向,縣體做什么事情	我們決定了要抓觀看時長,盡量讓用戶觀看10分鐘以上。那么問題是:我要找更優(yōu)質(zhì)的用戶呢?還是改進(jìn)直播體驗?zāi)?還是找一些大牛主播呢?
戰(zhàn)斗層	已經(jīng)決定了做什么事,事情做的大小、多少	我們決定了簽約主播,那么市面上有哪些主播可以簽,簽?zāi)男┯螒虻闹鞑?簽來要播多少次,要不要搞個對抗賽讓主播LoW一把,啥時搞氣學(xué)

等級影響

• 越是上層的領(lǐng)導(dǎo)，越會關(guān)心數(shù)據(jù)，但是他們只關(guān)心結(jié)果。需要總覽全局的工具，看到結(jié)果、定位問題，調(diào)配資源。例如：BI+儀表盤
• 越是基層，數(shù)據(jù)越?jīng)]用，他們關(guān)心的是執(zhí)行。需要簡單、直接、可復(fù)制的武器，直接套用在流程中。例如：哪類客戶是目標(biāo)？優(yōu)先順序如何？賣點依次是什么？從話術(shù)到優(yōu)惠如何促成交易?交易后如何維護(hù)？

部門影響

部門部門職責(zé)行動方式核心關(guān)注點

銷售部	直接對業(yè)績負(fù)責(zé),出業(yè)績!	快速找到方法,然后各個業(yè)務(wù)線,各個團(tuán)隊復(fù)制、復(fù)制、復(fù)制,執(zhí)行力最重要	這個月業(yè)績有多少，我能不能借力活動作出業(yè)績，如果能,還有沒有人沒借上東風(fēng)，我怎么幫沒借上東風(fēng)的人借
市場部	打輔助,提供活動作為工具	需要較長時間籌備(方案、系統(tǒng)、物料、宣傳)策略性很重要,策略不對,努力白費(fèi)	活動有沒有效?活動有沒有效，如果有效,下個月還做不做，如果沒效,加碼還來得及不?
供應(yīng)鏈	做支撐,保障產(chǎn)品供應(yīng),維持庫存平衡	籌備周期非常長(備貨、周轉(zhuǎn)、生產(chǎn)排版)且開弓沒有回頭箭，(生產(chǎn)線一旦啟動就不能停需要打提前量	預(yù)計銷量如何，現(xiàn)有庫存能維持多久，是否要增加供應(yīng)

動機(jī)影響

類型對應(yīng)部門職責(zé)關(guān)鍵創(chuàng)新要求數(shù)據(jù)要求執(zhí)行要求

策略類	戰(zhàn)略發(fā)展、產(chǎn)品管理、用戶運(yùn)營	夢想轉(zhuǎn)為計劃	部署和節(jié)奏	2	3	1
創(chuàng)類	研發(fā)、設(shè)計、產(chǎn)品經(jīng)理、品牌創(chuàng)意	創(chuàng)造價值	創(chuàng)造力	3	2	2
執(zhí)行類	銷售、市場推廣、媒體、社群、運(yùn)營	只談干貨、錢	干！干！干！	1	1	3
支類性	客服、售后、生產(chǎn)、供應(yīng)、物流	支撐前線	干	1	2	3

業(yè)務(wù)流程：

• 數(shù)據(jù)基本情況：擁有哪些數(shù)據(jù)，來自哪里，
  對象在做什么？分為幾步做？得什么結(jié)果？數(shù)據(jù)流是什么？可以采取流程法思考，落實到數(shù)據(jù)。流程法：業(yè)務(wù)層上各業(yè)務(wù)是并行的，流程層上是有先后順序的
  第一步，先梳理流程，
  第二步，確定每個步驟當(dāng)中涉及到的一些業(yè)務(wù)點，
  第三步，根據(jù)每一個業(yè)務(wù)點去梳理量化其中的一些數(shù)據(jù)。
  案例：如何控制商品庫存積壓成本?

  商品生命周期業(yè)務(wù)流程需求數(shù)據(jù)需求

  上架準(zhǔn)備	商品定位、評級	商品定位是否科學(xué)，品級是否合理	成本、庫存
  預(yù)熱	宣傳預(yù)售	通過預(yù)售反饋,預(yù)測第一批銷里,驗證品級合理性	預(yù)算、庫存、廣告費(fèi)用
  上市	走量、補(bǔ)貨	根據(jù)銷售變化,預(yù)測未來銷量判斷LTV	銷量、利潤
  熱銷	促銷、變現(xiàn)	根據(jù)銷售變化,預(yù)測未來銷量，預(yù)警庫存	斷貨率、流失率、轉(zhuǎn)化率
  穩(wěn)定	控制庫存	庫存管理，活動預(yù)測	銷量、周轉(zhuǎn)率
  清倉下架	尾貨處理	需要多久清完庫存	周轉(zhuǎn)、毛利

業(yè)務(wù)現(xiàn)狀：

• 核心指標(biāo)，指標(biāo)的計算方式。數(shù)據(jù)指標(biāo)是業(yè)務(wù)的核心、業(yè)務(wù)的抓手，能夠駕馭指標(biāo)才能解決業(yè)務(wù)問題。
• 業(yè)務(wù)反饋、指標(biāo)變化。做了多少？ 達(dá)到結(jié)果沒有？卡在哪一步？理想情況：能用指標(biāo)體系清晰量化情況，能基于數(shù)據(jù)診斷問題。需要有良好的數(shù)據(jù)采集、數(shù)倉建設(shè)、數(shù)據(jù)治理基礎(chǔ)等較為完善的機(jī)制。

業(yè)務(wù)痛點：
哪些地方是不滿意的，想改善哪些問題。
**決定發(fā)力時機(jī)的選擇。**數(shù)據(jù)分析項目，最大的敵人是：日常工作。所以，并不是所有事情都適合立項目來做。時機(jī)非常重要。往往我們要挑業(yè)務(wù)部門的以下時機(jī)入手：想做創(chuàng)新、想改良現(xiàn)狀、新工作兩眼一抹黑、遭遇問題不知所措、三板斧砍完不見效

套路經(jīng)驗
想找方案，就要先研究套路。大量數(shù)據(jù)分析一聽“如何做”就怕了，因為我們不做具體業(yè)務(wù)，站在數(shù)據(jù)分析角度，關(guān)注的不是某個具體idea，而是哪個套路更管用結(jié)合數(shù)據(jù)，找到更好的套路，才是數(shù)據(jù)分析的作用。這里需要數(shù)據(jù)分析師對常用的業(yè)務(wù)套路所有了解。

業(yè)務(wù)需求
有業(yè)務(wù)需求時，先不要著急跑數(shù)，牢記靈魂三問：

• 這是個啥層級問題？
  服務(wù)對象決定
• 這是個啥類型的問題
  數(shù)據(jù)分析可以直接解決的問題有五大類，可以間接解決的問題有三大類
• 當(dāng)前狀態(tài)下要輸出什么成果

適用層次適用場合投入成本效果

臨時取數(shù)	戰(zhàn)斗層	“這個數(shù)據(jù)老板要,下班以前要搞定	看似投入少,需求一多,非常時耗力	幾乎沒有，不會有人注意你
報表	戰(zhàn)略層、戰(zhàn)斗層	跟蹤固定指標(biāo),發(fā)現(xiàn)問題	建指標(biāo)體系耗時,后續(xù)維護(hù)簡單	長期內(nèi)大家都會看，但幾乎沒有人說你好
專題分析	戰(zhàn)略層、戰(zhàn)術(shù)層	針對專項問題,尋找辦法	無論啥時候都費(fèi)時費(fèi)力	短期內(nèi)有效
數(shù)據(jù)模型	戰(zhàn)術(shù)層、戰(zhàn)斗層	適合模型解決的特定問題	非常吃數(shù)據(jù)質(zhì)量,想實現(xiàn)效果需要業(yè)務(wù)的配合	不是露臉，就是露屁股
ABtest	戰(zhàn)斗層	有具體業(yè)務(wù)方案情況下做測試	需要大量前期準(zhǔn)備,有可能需準(zhǔn)備很多個版本,開發(fā)壓力大	工作量大，短期內(nèi)有效，同意產(chǎn)生依賴
數(shù)據(jù)產(chǎn)品	戰(zhàn)略層、戰(zhàn)術(shù)層	有經(jīng)費(fèi)/人力/時間的話盡量都做成產(chǎn)品,直觀,好用	非常多經(jīng)費(fèi)/人力時間投入	需要培養(yǎng)用戶習(xí)慣

• 例如：
  套在電視劇里，如果你是總指揮，意大利炮簡單，為啥我想不到？因為你既不是李團(tuán)長，也不是二營長，也不是山本大佐。你的位置和電視劇里的總指揮一樣：前線都打成一鍋粥了，你還不知道發(fā)生了什么。哪里在打，誰在打，打啥，打的咋樣了，完全不知道。如果有了以下信息會很快明了
  對象：李云龍這個混小子
  級別：戰(zhàn)術(shù)+戰(zhàn)斗
  現(xiàn)狀：優(yōu)勢兵力，四面包圍，打縣城！三個方向已得手，唯一卡在城樓，攻不進(jìn)去
  經(jīng)驗：圍點打援
  痛點：城樓太高，敵人火力太猛，步兵沖不上去
  需求：需要時間、重火力

2.需求分析 —— 分析的前提

病人一般的小病是不需要醫(yī)生的，同理，當(dāng)需要分析輔助時一定是業(yè)務(wù)遇到無法理清的大問題。數(shù)據(jù)分析師要像醫(yī)生對待真實的病人³一樣。菜鳥確認(rèn)需求完全依賴于：問業(yè)務(wù)、套模板；老鳥確認(rèn)需求：具體情況具體分析帶著經(jīng)驗、方案、邏輯……一步步引導(dǎo)業(yè)務(wù)到數(shù)據(jù)分析可以解決的問題上。

項目意識
需要復(fù)雜的問題該立項做盡量立項做，不能立項做的也要有項目思維：項目目標(biāo)、工作范圍、輸出產(chǎn)物、交付時間。有多大鍋下多少米，如果數(shù)據(jù)質(zhì)量差、人手不足、缺乏基礎(chǔ)，缺乏經(jīng)驗、就沉住氣一步步做，不指望一次解決所有問題。

• 項目管理鐵三角
  投入和產(chǎn)出是每份工作都要明確的。鐵三角需要確認(rèn)的質(zhì)量、時間、成本。
  • 產(chǎn)出質(zhì)量:
    包括：1.看清形式(數(shù)據(jù)、報告）2.找到問題(分析結(jié)論)3.對形式判斷(分析結(jié)論)4.執(zhí)行名單(分析結(jié)論/預(yù)測結(jié)果)。
    數(shù)字、模型、報告本身不是產(chǎn)出。業(yè)務(wù)從不了解情況到了解，從沒有辦法到有辦法，從不知道怎么選到知道怎么選，從沒有準(zhǔn)備到一二三級預(yù)案，這才是產(chǎn)出。所以不要脫離問題就數(shù)論數(shù)。從數(shù)字里推出結(jié)論。
  • 時間:最遲什么時候要結(jié)果
    時間千萬別忘了。時間緊，盡量快速出結(jié)論；時間寬，就要分步驟輸出，企業(yè)不是學(xué)校留大半年給你慢慢憋論文
  • 成本:
    數(shù)據(jù)分析師的人手、加班時間、數(shù)據(jù)質(zhì)量、業(yè)務(wù)配合度(缺一不可）
• 沉淀與可復(fù)制
  要想辦法沉淀些能復(fù)用的東西 ，面對同類分析需求每次都一個個從頭研究，估計得忙到黃花菜都涼了，而且可以作為項目輸出的一部分。例如：對主要的分析對象建立評估指標(biāo)體系，沉淀一套評估方法論和監(jiān)控指標(biāo)，甚至有希望上一個小數(shù)據(jù)產(chǎn)品來做長期監(jiān)控
• 可執(zhí)行
  解決怎么做，給出的建議要可執(zhí)行。可以套用：5W2H。
  • where-在哪里搞
  • who- 誰來搞
  • what-搞誰？
  • why-目標(biāo)
    目標(biāo)模糊時需要得出大致的范圍，結(jié)合趨勢+目標(biāo)進(jìn)行計算.有個這個測算，我們就對宏觀形勢有了判斷，可以爭取資源，鎖定工作范圍.注意測算時模型盡量簡潔：越簡單越容易讓不同知識背景的領(lǐng)導(dǎo)們達(dá)成共識。
  • when-多久
    目標(biāo)要結(jié)合時間、措施、投入：投入是多少、每個階段做什么、大致目標(biāo)是多少
  • how-方案結(jié)合數(shù)據(jù)，找到更好的套路，
  • how much-投入

投入/時間長短

多	精致工程:合理規(guī)劃+按部就班+細(xì)致工作+及時回饋	突擊工程：金錢換時間、人多力量大、實用第一

| 少 | 雞肋工程：有空就搞搞 | 應(yīng)急工程：抓冬瓜丟芝麻

問題題眼
題眼是指對解決最重要的影響因素，只有一個，由實際情況決定。一般來說，用戶出現(xiàn)問題時：直接面向用戶的商品是關(guān)鍵因素，為什么是這個商品不是別的，為什么觀察這個角度的數(shù)據(jù)？
需要進(jìn)行復(fù)雜分析的往往是要解決5個問題中的后兩問，需要先解決前面的問題，是多少，是什么，為什么

構(gòu)建分析框架
業(yè)務(wù)冋題不直接等于數(shù)據(jù)問題,要做把業(yè)務(wù)問題轉(zhuǎn)化為數(shù)據(jù)邏輯：明確分析思路，數(shù)據(jù)需求。判斷問題的真?zhèn)巍⒋笮?#xff0c;問題的背后可能有，商品、產(chǎn)品、用戶群、競爭對手等各反面的問題，要從根據(jù)業(yè)務(wù)邏輯/分析邏輯建立一個問題邏輯樹，用于系統(tǒng)診斷：出問題的位置。

• 邏輯樹能全面、有序的展示思路，樹的每一個分支最后要盡量落到數(shù)據(jù)可以支持的地方。
• 轉(zhuǎn)化問題
  可以用兩個方式轉(zhuǎn)化問題：
  第一，從需求出發(fā)，推導(dǎo)可行解決范圍，落實到一個具體問題上。例如：需要上促銷。需要什么形式是否存在沒促銷也能做起來的標(biāo)桿？復(fù)制了沒有？形式、力度是否可優(yōu)化？
  第二，從痛點出發(fā)，先找到需求背后的真實痛點，再找解決痛點的方案。例如：需要要上促銷!上促銷為解決什么問題？解決邀約客戶難的問題？有沒促銷也能約的標(biāo)桿？人家是怎么做的？是否可以復(fù)制？做那些事解決邀約？列出潛在方案,再分析經(jīng)驗/測試

構(gòu)建分析假設(shè)，
問題邏輯樹展示的問題較為瑣碎，一個個研究不現(xiàn)實，要根據(jù)問題的主語進(jìn)行歸納設(shè)計假設(shè)
案例：用戶是否喜歡平臺、用戶是否喜歡直播、用戶是否喜歡游戲，可以合并為用戶質(zhì)量問題，同理歸納為產(chǎn)品質(zhì)量、服務(wù)質(zhì)量等有限的幾大核心。針對幾大核心提出假設(shè)：1. 用戶問題：用戶本身質(zhì)量不高，投放不準(zhǔn) 2. 推廣流程問題：推廣環(huán)節(jié)多（比如先拉群，聽直播再推付費(fèi)課），效率低 ……

尋找數(shù)據(jù)，驗證假設(shè)推導(dǎo)出核心問題
這是數(shù)據(jù)分析師最能發(fā)揮作用的地方，因為能客觀看待問題，避免本位主義，需要：

• 具體問題具體分析
• 指標(biāo)/評估體系
  對核心對象建立指標(biāo)體系 或者根據(jù)評估體系，匹配對應(yīng)的問題

解決問題的層級
業(yè)務(wù)部門解決問題有一個從無到有的過程,數(shù)據(jù)分析輔助要根據(jù)業(yè)務(wù)部門的基礎(chǔ)有層級順序的分層級輸出。因此得先看業(yè)務(wù)部門到哪一步卡住了,不做跳躍層級的事，沉住氣一步步來，最后結(jié)果才容易得到認(rèn)可才好發(fā)力：

業(yè)務(wù)部門的狀態(tài)是否可以量化
無法量化就先做數(shù)據(jù)報表,此時要判斷數(shù)據(jù)是否已采集，在采集完成后，梳理指標(biāo)輸出數(shù)據(jù)，把基礎(chǔ)情況搞清楚完報表可以匯報了,再向下一階段推

狀態(tài)是否有清晰的判斷標(biāo)準(zhǔn)
判斷標(biāo)準(zhǔn)一定要事先立!太多項目死于“提高銷量”“增加活躍度”這種含糊的標(biāo)準(zhǔn)到底提高多少!增加多少,事前要有斷。

各種業(yè)務(wù)的狀態(tài)是否有分析假設(shè)？
分析假設(shè)，可以按圖索驥排查原因。沒有假設(shè)或者假設(shè)不足，則需要先按照業(yè)務(wù)流程排查清楚原因。

針對各種造成問題的原因是否可以執(zhí)行預(yù)案（策略）
有預(yù)案可以執(zhí)行預(yù)案。沒有預(yù)案，考慮是否有可參照的預(yù)案，有則匹配參照對象與問題；沒有參照，帶著問題、邏輯、條件尋找方案。

跟蹤執(zhí)行的結(jié)果，判斷是否對結(jié)果有信心
沒有信心則進(jìn)行：ABtest或者預(yù)測方案。有信心則建立過程監(jiān)控報表，上線預(yù)案。

控制好業(yè)務(wù)方期望
除了期待之外，一切都有邊界。現(xiàn)實中每個人都受崗位、部門、等級的限制，資源有限，因此可用的手段往往是有限的。這樣是個利好：我們篩選方法的范圍不是無限廣，而是在有限的選項內(nèi)做選擇。業(yè)務(wù)們的痛點，很多不是數(shù)據(jù)能解決的。問題分析完之后，要及時與業(yè)務(wù)方溝通預(yù)期結(jié)果，要注意留有邊界，以防項目死于期待太高

• 注意

  • 不要依賴業(yè)務(wù)
    確認(rèn)需求，不是讓你直接問業(yè)務(wù)：“你們想分析點啥”。這種問法太被動，又回到叼飛盤老路上。而且往往業(yè)務(wù)會回答的你摸不著腦袋：

  • 真實場景中需要我們處理的正是業(yè)務(wù)無法清晰講明的問需要分析定位：具體怎么難做法?具體表現(xiàn)是什么？具體在哪里？而業(yè)務(wù)部門自己是那個在雨里狂奔的人，啥時候淋濕的，淋濕了啥感覺，他們比數(shù)據(jù)分析師更早感受的到。就像得了感冒很多人選擇自己扛過去一樣，很多業(yè)務(wù)部門也喜歡選擇：自己扛過去。所以最后到數(shù)據(jù)分析師這里的問題，往往是“誒呦，痛痛痛，我也說不清楚”——因為說得清楚的早自己處理了
  • 業(yè)務(wù)方直接提出來的需求，很有可能是個偽需求，或者效率的需求。
    大部分業(yè)務(wù)一遇到問題，最直接想到的就是找公司要資源，特別是打折；我們需要考慮：為啥別人家不打折也能賣？為啥促銷參與率那么低？為啥新品流通比平均慢20%？為啥二次跟進(jìn)次數(shù)少一半

  • 不死硬套模板
    實際問題是復(fù)雜場景，不是大喊一句“我是互聯(lián)網(wǎng)AARRR思維”就能搞掂的。指望套模板結(jié)局就是死翹翹。況且經(jīng)過這幾年的歷練，很多運(yùn)營、產(chǎn)品經(jīng)理、策劃都學(xué)會了基礎(chǔ)數(shù)據(jù)分析概念，這時候還抱著充滿“SOWT、PEST、5w2h”一類空洞口號ppt模板，數(shù)據(jù)分析師就等著下崗吧。具體問題、具體分析，怎么強(qiáng)調(diào)都不為過。
    例如：曾是toC互聯(lián)網(wǎng)企業(yè)，現(xiàn)在要發(fā)力toB，完全不知道怎么和客戶打交道；名為互聯(lián)網(wǎng)產(chǎn)品，可服務(wù)對象是實體老板，銷售還在用最原始的電話外呼；

3.開展分析工作——核心工作

基本思路理清楚、定好交付時間、排工作優(yōu)先級、安排項目組成員。然后就可以按計劃下地干活。具體內(nèi)容和分析議題有關(guān)，這里無法展開講的。當(dāng)有工作方式需要注意：

• 分析和決策脫離：這是最大、最大、最大的問題。往往做決策是拍腦袋、憑經(jīng)驗、抄對手、聽安排，缺少真正的分析，作分析的實際上僅僅在更新數(shù)據(jù)，沒有意見，沒有解讀，沒有洞察。
• 理論與實際脫離：這是第三大問題，講起AARRR如數(shù)家珍，可具體到一個行業(yè)，一個業(yè)務(wù)，一個活動，一次文案，到底數(shù)據(jù)形態(tài)是啥樣，到底該做到多少合適，完全沒有頭緒。
• 缺少歷史經(jīng)驗積累：對過往數(shù)據(jù)沒有采集，沒有積累，甚至很多做數(shù)據(jù)的同學(xué)連業(yè)務(wù)目前在干什么都不知道，更別提以前干過的，這能分析就見鬼了。
• 缺少活動、策劃案、文案標(biāo)簽體系：就如同沒有打用戶標(biāo)簽很難理解用戶一樣，沒有打這些業(yè)務(wù)標(biāo)簽，也沒法具體分類對比業(yè)務(wù)，更沒法總結(jié)套路。
• 不要一開始就陷入到細(xì)節(jié)當(dāng)中，要抓住分析的重點
• 及時溝通和分步落地
• 完成一個議題溝通一次，切記憋大招。
  憋得越久，人們對你期望值就越高，最后失望就越嚴(yán)重。因此，只要項目工資超過1周，就得有周匯報，通知大家進(jìn)度；時間超過1個月，一定要有月總結(jié)，拿中間過程和大家碰一下。特別特別是用到算法的項目，死于業(yè)務(wù)期望值過高的例子，特別特別多。過程中，具體的算法過程不用向業(yè)務(wù)匯報，但是遭遇的困難和期望輸出的結(jié)論，要經(jīng)常保持溝通，適當(dāng)控制業(yè)務(wù)期望，避免最后一刻才發(fā)現(xiàn)貨不對板，最后身敗名裂。
• 分布落地
  有部分共識以后，直接往戰(zhàn)斗級推進(jìn)，有部分亮點出來，及時上更細(xì)節(jié)的分析/策略研討最好看到一個數(shù)據(jù)改善以后，再推下一個。
• 監(jiān)控數(shù)據(jù)變化，如果大形勢變化，適時調(diào)整方向。
• 及早給出預(yù)判
  在項目開始前，預(yù)先給出結(jié)果判斷非常重要。有可能假設(shè)問題里，有些運(yùn)營已有明確結(jié)論，有些運(yùn)營不想改/不能改/不會改，有些運(yùn)營毫不在乎。提前溝通能直接繞開這些溝溝坎坎，極大的減少分析完以后被人質(zhì)疑：“你說的有什么用！”“你說的很好，可這毫無意義”“你說完了我還是不知道怎么干”的問題。保持溝通，在后續(xù)項目推進(jìn)中同樣重要
• 具體問題具體分析
  回到服務(wù)對象的角度，單一的賣點很難支持所有人的需求，需要針對部門、崗位、特殊需求進(jìn)行包裝
• 篩選結(jié)果輸出方式
  要求只有一個：有效
• 方式分類：工具、知識、資源、服務(wù)。方法的來源除了創(chuàng)新之外優(yōu)先參考過往經(jīng)驗和行業(yè)經(jīng)驗。
• 適合：考慮業(yè)務(wù)部門的數(shù)據(jù)化層次，不做跳躍層級的事，沉住氣一步步來。
• 實用：選擇更有效的方法，所有面對一線的東西，對便利性的要求，都是遠(yuǎn)遠(yuǎn)大于科學(xué)性的。例如：對于銷售而言，簡潔的數(shù)據(jù)標(biāo)簽比圖更有用：

4.落地方法——最重要環(huán)節(jié)

對實際價值而言，只有分析思路和方法是沒有用的，更重要的環(huán)節(jié)是：落地。落地方法這一步，得看具體的方法是什么，再具體執(zhí)行，這里大部分是具體的業(yè)務(wù)操作，和數(shù)據(jù)關(guān)系不大。但在具體落地的時候會遇到：上同下反⁴的現(xiàn)象。問題的本質(zhì)是沒有對數(shù)據(jù)的作用溝通到位：數(shù)據(jù)不是祖?zhèn)鞯木让傻?#xff0c;它不能一吃就靈。

循序漸進(jìn)，威逼利誘。
數(shù)據(jù)分析的結(jié)果不一定就正確，類似于臨床的初診，治療性診斷、需要迭代才能確保有效。而且對銷售業(yè)績而言，促銷才是救命仙丹，一降價肯定有銷量，但救命仙丹其實都是汞、硝、硫磺這種劇毒玩意，嗑多了人就掛了。這也是數(shù)據(jù)產(chǎn)品真正難題，避免問題拖到了需要嗑仙丹的地步。

• 首先，有一個良好的開始，醫(yī)生不會說馬上就有效的話，先開幾天的藥，叮囑你按時吃藥。我們可以先找到那些對數(shù)據(jù)最信任，最喜歡的用人做第一波種子。
• 其次，重視反饋。醫(yī)生會會告訴你大概的有效，看清況：如果無效加重劑量或者換藥，有效的話提醒你好轉(zhuǎn)的情況。如何能得到反饋，要根據(jù)對象來靈活變通。
• 接著，從眾效應(yīng)，給你舉例其他患者的案例，鼓勵你。有了使用率起來，就可以開始搞從眾效應(yīng)，
• 最后，威脅恫嚇，在有效的情況下，如果業(yè)務(wù)放棄治療會有哪些的可怕后果。

落地目標(biāo)結(jié)合業(yè)務(wù)動作
方法要能落地，這是首要。數(shù)據(jù)分析驅(qū)動業(yè)務(wù)是正確的廢話，太空、太虛。想要讓數(shù)據(jù)分析成果在一個部門里落地生根，要從’太理論‘到實用：

把公司目標(biāo)-部門目標(biāo)-項目目標(biāo)串起來。部門的目標(biāo)服務(wù)于公司大目標(biāo)，我們的落地目標(biāo)要服務(wù)于業(yè)務(wù)部門的目標(biāo)，這樣才能讓項目站的穩(wěn)。

模型、報表、ppt的核心不是計算而是具體的小目標(biāo)：
我能做個模型→我要找到運(yùn)力最缺乏的時間
我能做個報表→我要找出來效率最低的班組
我能做個ppt→我要識別最容易投訴的客戶
例如：比如,數(shù)據(jù)和物流部合作,物流部的目標(biāo)也會隨著公司大目標(biāo)變化,所以比起丟一個大而全的報表,不如每次聚焦一個小目標(biāo),小步快跑 ：

監(jiān)控進(jìn)度，接受反饋
方案實施 作為數(shù)據(jù)分析，能做的是：監(jiān)控進(jìn)度，保障按計劃執(zhí)行，個冋題有一個具體針對性意見。每個意見,先看有多少人使用,再看接受后指標(biāo)改善。
在執(zhí)行掉鏈子的時候提示問題。比如：

• 工具：上意大利炮（從哪里，用什么型號炮，調(diào)動多少，調(diào)到哪里）
• 資源：多調(diào)兵支援（從哪里掉，調(diào)誰，調(diào)多少，調(diào)取哪里）

數(shù)據(jù)產(chǎn)出必須固定成產(chǎn)品/服務(wù)，堅決不能讓它躺在ppt或者excel里

一來可以插個旗子，讓大家記得這是我們的成績。如果沒有一個固定的產(chǎn)品或者服務(wù)，數(shù)據(jù)就很容易人走茶涼

二來可以告知未合作的部門，我們能做出什么樣的東西，勾引他們合作；沒有成功反而做的越多，認(rèn)可度越低。

三來可以告知所有人，數(shù)據(jù)的項目是有流程、人力、時間成本的，要合作就坐下來認(rèn)真談。不要指望丟幾句話，鍵盤咔咔一響鈔票就破屏而出事后表功的時候記不到。

區(qū)分對待服務(wù)對象
找到好隊友。數(shù)據(jù)產(chǎn)品知識只是一個開始，就像醫(yī)生開的藥，效果往往是緩慢的提升，甚至需要治療式診斷而且沒有人的配合很難獨(dú)立產(chǎn)生價值，大部分企業(yè)的數(shù)據(jù)分析部門，沒有獨(dú)立經(jīng)費(fèi)和工作團(tuán)隊，需要通過服務(wù)業(yè)務(wù)部門實現(xiàn)分析成功的落地。這就要求我們，有良好的溝通能力及敏銳的識人眼：

態(tài)度/業(yè)績好差

好	新兵銳將	蝦兵蟹將
差	驕兵悍將	疲兵倦將

• 驕兵悍將：保護(hù)自己是第一位的，不要頂撞他們，更要避免淪為他們的甩鍋對象。先安分守己，避免出錯，再談其他的。
• 新兵銳將：這是最優(yōu)先考慮合作的團(tuán)隊，一旦發(fā)現(xiàn)，盡早聊，盡早開工！
• 疲兵倦將：這些人問題非常突出，且喜歡甩鍋，所以除非已經(jīng)有了有把握的方案，否則不要招惹他們，避免麻煩上身。
• 蝦兵蟹將：這些人容易談合作，但出成績難，可以挑其中尚有生機(jī)的“活蝦”合作，嘗試著做一些

小成績，再爭取更大的機(jī)會

• 注意影響落地的因素：

• 決策與執(zhí)行脫離：這是第二大的問題。往往方向、費(fèi)用、策略，是上層領(lǐng)導(dǎo)決定的，基層同學(xué)們每天忙著：做方案-請示-改方案-請示-改方案-請示。對于為什么這么干，干到哪里才算完全暈頭暈?zāi)X。啥分析都沒用。

5.復(fù)盤經(jīng)驗

數(shù)據(jù)賦能、數(shù)據(jù)產(chǎn)品……說的好聽，最后賦成了沒有，賦成啥樣，要拿數(shù)據(jù)說話做檢驗。不用說，這又是數(shù)據(jù)分析老本行工作。

• 匯報工作
  匯報的時候，除了項目流程也要考慮目標(biāo)聽眾的身份、目的、結(jié)合項目目標(biāo)做個性化匯報。這樣才能取得好效果。基于聽眾的思考，使得即使同樣的數(shù)據(jù)，同樣的結(jié)論，也能有不同的表達(dá)形式，最后抓住聽眾眼球，

  菜鳥數(shù)據(jù)分析師眼中老鳥數(shù)據(jù)分析師眼中

  分析背景	誰在聽？
  分析目的	他關(guān)心什么?
  指標(biāo)含義	數(shù)據(jù)怎么能幫助他？
  數(shù)據(jù)來源	什么表達(dá)他能聽明白
  數(shù)據(jù)清洗
  建模過程
  分析結(jié)論
  業(yè)務(wù)建議

案例：

問題：某短視頻平臺，游戲直播業(yè)務(wù)的日活用戶1000萬左右，但90%觀看時間不足10分鐘，運(yùn)營希望盡可能多的讓用戶觀看10分鐘以上，請分析下該干哪些事情。

項目思維
遇到這種運(yùn)營很頭疼的專項問題，這時候不立項，還等何時。先把旗子插起來，再開工

定方向
這是個典型的戰(zhàn)術(shù)級問題。已經(jīng)定了要提高每日觀看10分鐘以上用戶數(shù)量，但是具體怎么做方向都沒有，這時候就得先搞清方向。
這個問題是個典型的“怎么做”問題，運(yùn)營要的是具體執(zhí)行建議，因此就不能光在數(shù)據(jù)層面纏繞，得結(jié)合運(yùn)營可以干的事情來思考。
結(jié)合本次目標(biāo)，最好先輸出一個專題報告，大家達(dá)成共識以后往戰(zhàn)斗層去推進(jìn)，才容易落地

梳理業(yè)務(wù)
問題的題眼有：短視頻、游戲直播、DAU、觀看時長。短視頻平臺不稀罕，直播也不稀罕，DAU也不重要，觀看時長僅僅是結(jié)果（短視頻平臺的直播的游戲直播的用戶觀看時長）對解決最重要的影響因素是：游戲直播。'商品’種類有很多為什么是游戲直播？

• 游戲直播的特點”：
  運(yùn)營為什么會特別盯上游戲直播這塊，并且會發(fā)出“為啥連10分鐘都看不了的原因是什么？
  • 先天優(yōu)勢：1. 游戲IP天生有粉絲，傳播成本低、 2. 游戲直播競技性、觀賞性好、3. 游戲打一局時間比較長，用戶粘性天生好

構(gòu)建思路
問題的主角是用戶，雖然表現(xiàn)是時間不夠長，當(dāng)背后原因可能千頭萬緒，其實問題的核心，來自用戶、主播、產(chǎn)品三個方，使問題邏輯樹從用戶到觸達(dá)游戲直播展開：

問題的核心，來自用戶、主播、產(chǎn)品三個方面，可以歸納為四大問題：
1.用戶不行 2. 主播不行 3. 產(chǎn)品不行 4. 用戶和主播沒有匹配上

建立評估體系
以上四個問題里三個可以用評估體系來完成。通過建立用戶需求、產(chǎn)品質(zhì)量、主播質(zhì)量的監(jiān)控體系，來評估用戶、主播、產(chǎn)品到底質(zhì)量如何，質(zhì)量是否穩(wěn)定
以用戶需求為例評估體系需要包括三個部分:第一、用戶、主播、產(chǎn)品的標(biāo)簽;第二,基于標(biāo)簽的分類;第三,基于分類的分層與數(shù)據(jù)監(jiān)控,這樣可以把“用戶質(zhì)量不夠好”這個判斷,落實成個具體、可量化的數(shù)據(jù)據(jù)結(jié)果:

上面僅僅是用戶的評估體系，還可以建立主播質(zhì)量評估體系，產(chǎn)品質(zhì)量評估體系。這樣做既能結(jié)束運(yùn)營對基礎(chǔ)情況兩眼一抹黑的狀態(tài)，又能為匹配問題打好基礎(chǔ)，還能沉淀一套評估方法論和監(jiān)控指標(biāo)，甚至有希望上一個小數(shù)據(jù)產(chǎn)品來做長期監(jiān)控。可謂一箭三雕。作為項目產(chǎn)出，遠(yuǎn)遠(yuǎn)比寫一堆PPT價值大的多。

匹配問題，出結(jié)論

用戶質(zhì)量不行，大部分不是游戲真愛粉——更精準(zhǔn)找真實用戶

主播質(zhì)量不行，名氣/技術(shù)不行，就是不吸粉——簽約有知名度強(qiáng)力主播

產(chǎn)品質(zhì)量不行，用戶就是經(jīng)常跳出——優(yōu)化產(chǎn)品流程/界面

匹配不行——根據(jù)用戶和主播標(biāo)簽，提高推送信息準(zhǔn)確度，找更容易轉(zhuǎn)化用戶的推送時間

制定工作計劃
定交付時間、排工作優(yōu)先級、安排項目組成員，之后就正式開工了。

下地干活

• 給預(yù)判
• 及時溝通
• 及時反饋

四.建立指標(biāo)體系

• 定義：
  指標(biāo)體系 = 指標(biāo) +結(jié)構(gòu)化

• 數(shù)據(jù)指標(biāo)體系三大件
  主指標(biāo)、框架、標(biāo)準(zhǔn)

• 設(shè)計思維
  自頂向下設(shè)計,再自下而上回歸。指標(biāo)體系要服務(wù)于業(yè)務(wù)但，在具體的業(yè)務(wù)人員腦子里裝的是不是數(shù)據(jù)庫里的表結(jié)構(gòu)，而是一個個具體的問題。他們眼中的是問題結(jié)構(gòu)，這就是為什么要建立問題邏輯樹的原因。業(yè)務(wù)的每個核心的問題，可根據(jù)問題邏輯樹，分解為背后的小問題，而小問題有對應(yīng)的標(biāo)簽和數(shù)據(jù)，這就是指標(biāo)體系。

• 流程
  指標(biāo)體系的建立需要對每一個業(yè)務(wù)單元進(jìn)行：1.打標(biāo)簽：用戶、主播、產(chǎn)品的標(biāo)簽；2.標(biāo)簽分類；3.基于分類的分層與數(shù)據(jù)監(jiān)控4.評估迭代

• 意義
  基于指標(biāo)體系的診斷，只解決戰(zhàn)術(shù)問題：是什么、是多少。不解決戰(zhàn)斗層面：為什么，會怎樣，怎么做，未來怎么干得有更針對性的專題分析才行。

• 為什么需要數(shù)據(jù)指標(biāo)？

  • 標(biāo)準(zhǔn)=通過數(shù)據(jù)定義對象的好壞、類別
  • 數(shù)據(jù)指標(biāo)讓業(yè)務(wù)可預(yù)測、可評估。
    企業(yè)的每一步都有成本，需要事先準(zhǔn)備，事后評估。而環(huán)境是復(fù)雜的，數(shù)據(jù)指標(biāo)就是對抗不確定，無法衡量，則無法提升，例如：推廣活動，具體的結(jié)果不到最后是不確定的，但我們需要提前為業(yè)務(wù)做準(zhǔn)備：營銷費(fèi)用、備貨量、倉儲量。活動結(jié)束后，衡量活動的效果：活動之后有多少新增？銷售額多少？用于積累經(jīng)驗，減少誤差。

• 分析為什么需要數(shù)據(jù)指標(biāo)體系？

• 指標(biāo)體系是分析思路一部分

  數(shù)據(jù)分析開工前，只有建立指標(biāo)體系，后面再進(jìn)行數(shù)據(jù)獲取、處理、分析、可視化的時候，才能有的放矢，才能按圖索驥.

一個問題，往往有很多方面。理清楚問題，就像吊車吊起一塊樓板，需要一組提手。只用一個指標(biāo)不能充分說明問題，需要有一組邏輯的數(shù)據(jù)指標(biāo)來細(xì)化。好的數(shù)據(jù)指標(biāo)體系，能讓業(yè)務(wù)人員看一眼就知道該在哪里干，該往什么方向干，非常好用

• 可以對現(xiàn)象之間的相互聯(lián)系，做出有序且深入的分析。
  一個指標(biāo)往往可以分成好多維度，增加維度，能夠避免平均數(shù)陷阱。核心指標(biāo)的波動往往是因為某一種維度的影響而產(chǎn)生的波動，所以我們要監(jiān)控核心指標(biāo)，本質(zhì)上還是說要去監(jiān)控這個影響維度上的核心指標(biāo)。

• 工具性強(qiáng)
  指標(biāo)體系是針對核心對象建立的，有了指標(biāo)體系但對象出現(xiàn)時能快速定位問題，展開分析而不是每次都重頭再來。

• OLAP系統(tǒng)

  Online analytical processing ，聯(lián)機(jī)分析處理，核心是一個OLAP多維數(shù)據(jù)集

1. 主指標(biāo)（一級指標(biāo)）

• 定義：
  用來評價業(yè)務(wù)的最核心的指標(biāo)。主指標(biāo)是由問題級別決定的一個相對值，小問題的主指標(biāo)是大問題的子指標(biāo)。

  運(yùn)營分工工作職責(zé)主要指標(biāo)感性、理性數(shù)據(jù)作用備注

  渠道運(yùn)營	選擇渠道投放資源,拉新搞流量	投放數(shù)量、用戶轉(zhuǎn)化、銷售轉(zhuǎn)化、投放RoI	理性	中	講究策略性,需要觀察數(shù)據(jù)合理分配費(fèi)用,改善轉(zhuǎn)化。具體則需要分渠道
  用戶運(yùn)營	通過獎勵、積分、會員等維護(hù)用戶新增、活躍、留存。	AARRR(新增、活躍、留存、轉(zhuǎn)化、轉(zhuǎn)介紹)	理性	高	特別講究策略性,AARRR各指標(biāo)很難平衡
  內(nèi)容運(yùn)營	內(nèi)容創(chuàng)作用于內(nèi)外部媒體投放：設(shè)計視頻、文案、廣告、供宣傳使用,通過微信、微博、公眾號、抖音、站內(nèi)信等平臺影響用戶	內(nèi)容全網(wǎng)點擊數(shù)、轉(zhuǎn)化數(shù)、漲粉數(shù)	感性	低	做內(nèi)容特別依賴創(chuàng)作者的靈感和創(chuàng)意,數(shù)字只是結(jié)果
  商品運(yùn)營	銷售商品的進(jìn)銷存管理	上架、進(jìn)貨、銷量、庫存、利潤、周轉(zhuǎn)	理性	高	前期有感性的部分，后期都有周轉(zhuǎn)和銷量來定位
  活動運(yùn)營	組織活動,提升用戶、產(chǎn)品、商品指標(biāo)	活動目標(biāo)、參與人數(shù)、達(dá)標(biāo)人數(shù)、活動ROI	高	高	數(shù)據(jù)為策略提供依據(jù)，但具體到每個活動力,影響因素很多：宣傳語、宣傳視頻、活動創(chuàng)意、代言明星等。
  新媒體運(yùn)營	兩微一抖等平臺日常運(yùn)作	平臺粉絲數(shù)、內(nèi)容點擊、轉(zhuǎn)發(fā)、轉(zhuǎn)化	中	中
  產(chǎn)品運(yùn)營	品體驗優(yōu)化、升級、改版需求	產(chǎn)品路徑、用戶使用率、跳出停留的	中	中

• 建立

  • 題眼
    在具體分析中，面對具體的問題是可以建立共識之上的主指標(biāo)，比如問題的題眼，各假設(shè)問題的題眼：用戶質(zhì)量、主播質(zhì)量、
  • 直接選取 部門kpi
    一般情況無需分析師創(chuàng)造，會選直接有利企業(yè)的指標(biāo),因此各業(yè)務(wù)部門都有自己的kpi。

• 主指標(biāo)要素：

• 業(yè)務(wù)含義：在業(yè)務(wù)上它的意義是……
• 數(shù)據(jù)來源：哪個系統(tǒng)采集原始數(shù)據(jù)
• 統(tǒng)計時間：在XX時間內(nèi)產(chǎn)生的該數(shù)據(jù)
• 計算公式：如果有比例、比率，得說清楚誰除誰；如果是匯總，得說清楚誰加誰。

• 注意：

• 存在多個主指標(biāo)情況。
  不是所有的子指標(biāo)都能合成有意義的主指標(biāo)例如：判斷活動整體的情況，除了銷售額，還要關(guān)注毛利，這才是真正賺到的錢。可能還得看銷售數(shù)量，因為銷售數(shù)量和庫存直接掛鉤，得防止積壓太多。這樣就至少有了三個主指標(biāo)：銷售金額、銷售件數(shù)、銷售毛利。
• 注意虛榮指標(biāo)
  有些指標(biāo)并非越大越好,比如僅僅關(guān)注用戶數(shù)，會忽視：虛假注冊/1人多號等問題

2.結(jié)構(gòu)框架（二級/三級指標(biāo)）

子指標(biāo)是由分析框架決定，而構(gòu)建分析框架的核心是：思考維度。自指標(biāo)是對大方向進(jìn)一步問題，使問題更加準(zhǔn)確和具有可操作性。分層拆解要有強(qiáng)烈的邏輯關(guān)聯(lián)，，必須清楚了解他們是如何影響核心指標(biāo)的，每一層的指標(biāo)只能代表一個方向，不能有相關(guān)性，

• 好的思考維度：
  分類維度本身無對錯，但有好用/不好用之分。不好用的分類雛度,數(shù)據(jù)切得很細(xì),看完也沒啥想法；好用的分類維度,可以讓人一眼看到自己可以控制的地方有沒有問題。
  例如：
  

• 核心是按照業(yè)務(wù)管理方式來拆解：
  有很多維度都能當(dāng)分類維度，選用哪些，完全看業(yè)務(wù)上能從什么角度管理問題。并非所有的分類的維度都有意義!每個部門能做的事情很有限,優(yōu)先按他們可以做事情的維度進(jìn)行拆分,這樣看完更容易指向:我該干x事情。
  比如：銷售金額，既能以分公司為單位進(jìn)行指標(biāo)拆解，也能以用戶為單位進(jìn)行。具體怎么看，要看業(yè)務(wù)能怎么管這件事。比如銷售一般按區(qū)域管理，那就按分公司拆。市場一般按用戶管，就按用戶拆。總之，基于業(yè)務(wù)最重要。

  • 越多越細(xì)越好
    主指標(biāo)往往是最終的結(jié)果，如果想更進(jìn)一步管理，需要按照過程細(xì)化，無法細(xì)化則無法監(jiān)督更無改進(jìn)的。因此過程指標(biāo)理論上越多越細(xì)越好，越多過程指標(biāo)，可以越細(xì)的追蹤流程，發(fā)現(xiàn)問題。但沒有指向性的劃分,一次性加入太多分類維度會極大增加閱讀報表的負(fù)擔(dān)。看的頭暈?zāi)X脹也不知道干啥。
  • 取決于:子指標(biāo)的重要性+數(shù)據(jù)采集難度
    在業(yè)務(wù)上，不見得每個動作都做了數(shù)據(jù)采集，因此要結(jié)合具體業(yè)務(wù)流程來，在關(guān)鍵節(jié)點加以控制。梳理過程指標(biāo),其詳細(xì)程度,取決于:過程的重要性+數(shù)據(jù)采集難度。線上電商、020業(yè)務(wù)，線上零售可以通過埋點記錄用戶行為,因此可以對銷售過程進(jìn)行追蹤,從而建立過程指標(biāo);所謂的漏斗分析,其實是一個原理。傳統(tǒng)門店銷售很難釆集數(shù)據(jù),且門店位置有區(qū)位壟斷效果,所以更關(guān)注訂單分析;B2B銷售,雖然過程很難采集數(shù)據(jù),但銷售過程極其重要,投標(biāo)中一步走錯可盤皆輸,丟掉巨大訂單,因此過程指標(biāo)非常重要。

• 常見的業(yè)務(wù)管理邏輯：

• 分類管理
  分類的方式有很多：地區(qū)、線上/下、銷量區(qū)間、時間、用戶群……
  案例：看到哪個業(yè)務(wù)線沒做好（如下圖）
  
• 按照計算公式的邏輯拆解
  常見的：杜邦分析法
  
• 按照流程程拆解維度
  比如：AAARR、漏斗圖、從用戶意向-談判-簽約-付費(fèi)，哪個環(huán)節(jié)出了問題。
  

• 案例
  像B2B業(yè)務(wù),大里過程要線下銷售跟進(jìn),很難記錄,但即使如此,只要有有線索入庫時間,那至少可以算四個指標(biāo):
  1.線索數(shù)(所有銷售起點,直接反應(yīng)營銷推廣質(zhì)量）
  2.成單率(簽約/線索,直接反應(yīng)銷售質(zhì)量)
  3.成單時間(從線索入庫到簽約時間,反應(yīng)跟進(jìn)效率,傳說中魔法數(shù)字)
  4.成單數(shù)(就是常說的:業(yè)績數(shù)據(jù),只是簽約已經(jīng)是最后一步了)
  

3.判斷標(biāo)準(zhǔn)

找到了主指標(biāo)，就得為它建立配套的判斷標(biāo)準(zhǔn)，這樣才能解讀數(shù)據(jù)含義。參照物的選擇，本身是個復(fù)雜的分析過程，需要做深入的分析。常見的有四類：

• KPI達(dá)成率法:
  如果主指標(biāo)是KPI指標(biāo),有明確的數(shù)量要求,則直接算達(dá)標(biāo)率,達(dá)標(biāo)了就好,超額完成越多越好通過對標(biāo)年度/季度/月度目標(biāo),把一個靜態(tài)問題,轉(zhuǎn)化為動態(tài)數(shù)據(jù)問題,這樣就能通過前后數(shù)據(jù)增長趨勢對比,判斷是不是有問題
• 生命周期法
  主要看環(huán)比數(shù)據(jù),假設(shè)業(yè)務(wù)走勢會有一個明顯周期性,選一個標(biāo)桿周期,比標(biāo)桿好則算好
• 標(biāo)桿法
  以競品(寡頭)/行業(yè)為參照，超過越多越好
• 自然周期法
  主要看同比數(shù)據(jù),假設(shè)每年有一個正常走勢,則符合走勢,且比去年表現(xiàn)好的的算好
• 震旦曲線法
  監(jiān)控數(shù)據(jù)是自帶標(biāo)準(zhǔn)的可以粗略的使用。我們看一條曲線，即使沒有定義一個“目標(biāo)值”，曲線本身的變動也能成為判斷標(biāo)準(zhǔn)。對于銷售額，利潤，用戶數(shù)這種正向指標(biāo)（越多越好的指標(biāo)），增長本身就是好的，增長的速度越快越好，絕對數(shù)越大越好。對于成本、風(fēng)險損失、投訴這種負(fù)向指標(biāo)而言，下降本身就是好的，下降速度越好越好，絕對數(shù)越小越好。

4.使用指標(biāo)體系診斷問題

指標(biāo)體系診斷方法：

先看主指標(biāo)+判斷標(biāo)準(zhǔn)，例如：主指標(biāo)是：銷售金額，先看本月是否達(dá)標(biāo)了，沒達(dá)標(biāo)差多少達(dá)標(biāo)。再看年累計達(dá)標(biāo)沒有，有多少虧空/盈余。這樣很容易看清楚：知道問題是什么，有多大。

再看分類維度子指標(biāo)。例如：哪些區(qū)域沒有做好，是不是一貫做不好；哪些區(qū)域做的好，是勉強(qiáng)完成還是持續(xù)上漲。這樣誰有能力兜底，誰是拖后腿的一目了然。

再看子指標(biāo)/過程指標(biāo)。例如：哪個環(huán)節(jié)沒做好，是線索太少了，得加大推廣力度；還是跟進(jìn)成功率低，得提升銷售能力；還是報價總miss，得增加一些折扣。怎么處理問題一目了然。

5.建立指標(biāo)常見問題

沒有主指標(biāo)，不知道在干啥
這是最常見的問題。很多同學(xué)的報表是從離職同事那里交接來的。為什么做？做了給誰看？看了又怎樣？一問三不知。反正每天照貓花虎，定時更新就好了。
有些同學(xué)試圖搞清楚，但是業(yè)務(wù)方自己是糊涂蛋。你問他：你們目標(biāo)是什么啊？他答：提升GMV啊~~親，GMV這么宏觀的東西，他到底管哪一塊？提升的話從多少提升到多少？提升到多少算滿意？丫自己做方案也是照貓畫虎，稀里糊涂，更不要說和數(shù)據(jù)分析師講清楚了。

沒有判斷標(biāo)準(zhǔn)，不知道說了啥
這個是另一個常見，且致命的問題。很多同學(xué)都是盲目更新報表，數(shù)據(jù)列了一大堆，到底什么算“好”什么算“不好”，不知道。或者只是天真的認(rèn)為：漲就是好，跌就是不好。結(jié)果引出特別多笑話（如下圖）

沒有拆解子指標(biāo)，對著主指標(biāo)發(fā)呆
這個問題往往是部門分工問題的后遺癥。

沒有按業(yè)務(wù)流程構(gòu)造子指標(biāo)，單純堆砌數(shù)據(jù)
很多同學(xué)構(gòu)建數(shù)據(jù)指標(biāo)體系，喜歡堆砌數(shù)據(jù)。放一堆指標(biāo)以顯得豐富。可實際上如果不按業(yè)務(wù)流程找子指標(biāo)，指標(biāo)之間邏輯性就很差，看起來經(jīng)常莫名其妙。更不要說，很容易弄出來類似“你幸福嗎”這種稀奇古怪的玩意。

沒有根據(jù)業(yè)務(wù)選分類維度，胡亂拆解
把用戶性別、年齡、地域、VIP等級、來源渠道、終端型號等等維度一通丟，顯得報表很豐富，實際上業(yè)務(wù)意義不清楚。你問他為什么拿男女分類，他答：分出來差異大……至于差異大了還能咋樣，業(yè)務(wù)上有沒有能力針對性別做事情，又不知道了。

五.數(shù)據(jù)報告

• 匯報動機(jī)分為類：

• 你問我答：有明確的問題要解答
  弄回答是一個數(shù)字，還是一件事。這時候不是寫的報告沒人看，而是被人各種挑刺。

  • 即席查詢：回答即時的問題：是多少，是什么

  • 多維分析：在多維度中鉆取，發(fā)現(xiàn)問題所在**,回答是什么**

  • 預(yù)報：回答會怎樣，是最熱門的分析應(yīng)用之一，預(yù)測型建模預(yù)測未來是多少

  • 優(yōu)化：回答怎么做，

• 我說你聽：匯報情況，需要從常規(guī)數(shù)據(jù)中解讀
  做出來沒人看，就是那些最消耗體力，卻最不受待見的

• 標(biāo)準(zhǔn)報表：報告是多少。銷售/產(chǎn)品/運(yùn)營日報、周報、月報、季報、半年報.它們一般是定期生成，用來回答在某個特定的領(lǐng)域發(fā)生了什么。從某種程度上來說它們是有用的，但無法用于制定長期決策。

• 警報：報告是什么。警報可以業(yè)務(wù)知道什么時候出了問題，并當(dāng)問題再次出現(xiàn)時及時告知。警報可以通過電子郵件、RSS訂閱、評分卡或儀表盤上的紅色信號燈來展示。

• 統(tǒng)計分析：報告：為什么。在歷史數(shù)據(jù)中進(jìn)行統(tǒng)計并總結(jié)規(guī)律。

• 報告分類

• 專題：單一性，深入性針對某一問題

  采用：Word

• 綜合：全面，聯(lián)系性

  采用：PPT

• 日常：進(jìn)度性，規(guī)范性，日常性，時效性

  采用：Excel

  例如：日報

1.明確前提

報告幾乎是數(shù)據(jù)分析的最后一步，更多功夫是在報告之前要做好：

了解業(yè)務(wù)背景

了解業(yè)務(wù)方目標(biāo)

認(rèn)清楚本次想溝通對象

報告時間長

聽報告的人來自哪些部門

領(lǐng)導(dǎo)是否來，哪個級別領(lǐng)導(dǎo)

提前了解他們對于數(shù)據(jù)/情況掌握多少
有基本的判斷、有一定程度了解，有深入功課

2.你問我答- 報告要點

初級報告
常常是領(lǐng)導(dǎo)或業(yè)務(wù)部門隨口要個數(shù)。這時候沒有分類維度，只是單一指標(biāo)，因此只要區(qū)分清楚時間狀態(tài)，就能解答好。案例：

請大家看上圖，作答：

昨天的銷售業(yè)績是多少
是多少-單維度：一問一答，正面回答，簡單清晰。
答1:昨天的銷售業(yè)績是1000萬

明天的銷售業(yè)績是多少
會怎樣：就得講清楚：預(yù)測方法、預(yù)測依據(jù)、預(yù)測結(jié)果。
明天，是還沒有發(fā)生的，因此是個預(yù)測值。涉及預(yù)測，
答：根據(jù)上周規(guī)律來看，明天預(yù)計1200萬，比今天多20%。

今天的銷售業(yè)績是多少
3點前的是實際值，3點后的是預(yù)測值。所以回答的時候要區(qū)分狀態(tài)，答：截止下午3點，實際值是700萬，按趨勢推算，預(yù)計1400萬。

中級報告
案例：
作答：

上個月業(yè)績情況如何？
是多少-多維度：判斷指標(biāo)數(shù)、維度數(shù)、先總后分。
思考：這里有幾個指標(biāo)？這里有幾個維度？第一問有幾個問題？

• 這里只有一個指標(biāo)：業(yè)績，
• 但是有3個分類維度：周、日、產(chǎn)品。很多新人會脫口而出：兩個分類維度，時間和產(chǎn)品。請注意，時間是又分成周和日的，因為這個指標(biāo)很明顯有周循環(huán)趨勢，因此周這個維度是不能省略的。
• 這里顯然不止一個問題。因為有了分類維度，所以有了整體和部分的區(qū)別。我們不能像初級匯報時候那樣丟一個“總業(yè)績是XXX”交差。遇到整體和部分，大家記得這個順序：整體-局部-個案的順序。是基于時間維度的總分結(jié)構(gòu),產(chǎn)品可以類似做分解,整體情況說完,各個分類維度一個個過可以這么說：
  

為什么第三周業(yè)績較前兩周下跌了？
為什么：結(jié)果明確，量化因素，展示假設(shè)
注意，問的是原因。原因指的是一個具體影響業(yè)績的問題，不是數(shù)字本身。分析出原因需要具體分析方法，這里略過，但作為報告，不管中間方法有多少：

最后匯報的結(jié)果得是清晰的。“因為XX原因，導(dǎo)致該問題。”

需要對問題原因做量化考核，具體指出每個影響因素的大小，單純說：“因為第三周下雨了“。難以服眾

在匯報原因的時候,要把假設(shè)驗證(證明原因是真的)一并附上,這樣原因才有說服力

高級報告
在數(shù)據(jù)分析領(lǐng)域，沒有高級的方法，只有高難度的問題。問題本身含糊不清，就一下把報告的難度從初級提到高級了。和中級報告的最大區(qū)別是：中級報告是基于數(shù)據(jù)談問題，而以高級報連基礎(chǔ)的事實、數(shù)據(jù)都沒有。這種情況下要牢記：先問是不是，再問為什么。

• 為什么這個月業(yè)績很差？
  先回答：是多少，是什么。擺事實，再樹標(biāo)準(zhǔn)，最后再分析。
  回答：1.這個月業(yè)績數(shù)值是XXX2. 判斷好和差的標(biāo)準(zhǔn)是（上月、去年同月、KPI指標(biāo)……）3. 和標(biāo)準(zhǔn)對比，差的程度是（不存在，輕，中，重）4.如果問題不存在，干脆就不答了5.最后回答：這個（輕，中，重）級別的差，是因為……

我們的產(chǎn)品體驗有什么問題？
先回答：1. 用戶體驗的考核指標(biāo)是XXX. 判斷好和差的標(biāo)準(zhǔn)是（上月、去年同月、KPI指標(biāo)……）3. 和標(biāo)準(zhǔn)對比，差的程度是（不存在，輕，中，重）4.如果問題不存在，干脆就不答了5.最后回答：這個（輕，中，重）級別的差，是因為……

為什么我的領(lǐng)導(dǎo)會聽到顧客不滿意的抱怨
套路也是一樣的。只不過問題3更不靠譜要先落實情況，要先明確對象、問題、事實、數(shù)據(jù)指標(biāo)，再樹標(biāo)準(zhǔn)，再分析再后續(xù)分析：
1.我的領(lǐng)導(dǎo)是誰2. 我的領(lǐng)導(dǎo)在什么時間、地點、以什么方式3. 聽到了哪一個用戶，關(guān)于什么問題的抱怨

3.我說你聽，報告要點

說大家關(guān)心的話，減少毫無意義的BB
分析工作中殘酷的真相是：數(shù)據(jù)是很重要，很多人是需要每天看數(shù)據(jù)，但數(shù)據(jù)只是他們工作的一小部分。因此大部分時候，看就看了，也不會特別當(dāng)成一回事。主動匯報，想讓人聽進(jìn)去，得抓

四個場景。

第一次匯報
所有報表，都有第一次見人的時候。雖然以后這張報表會出現(xiàn)很多次，但在今天以前，沒有人看過這玩意。所以你得把基本概況解釋清楚。這里有一個指標(biāo)（業(yè)績），三個維度（周、日、產(chǎn)品類型）。因此講概況，要按從整體到局部，一個維度一個維度說。開局的時候，啰嗦一點是不怕的，因為大家一無所知，如果說的太少，反而讓人覺得摸不著頭腦。

平安無事匯報
平安無事，也是一件要報告的事。因為好與壞是相對的，能清晰的標(biāo)識出哪些是好事，就能找出哪些是壞事。樹立清晰的標(biāo)桿，對于判斷形勢非常有用。就簡單寫：12日當(dāng)日業(yè)績500，無異常。就好了

問題點匯報
出了問題大家都知道匯報，問題是：怎么知道出問題呢？如下圖所示，事后我們都知道本周出問題了，但是到底在哪個點該出來喊，該怎么喊？可以提示的點好多，越是緊張的時候，越需要數(shù)據(jù)做支持，這時候是不嫌多的。大部分常規(guī)報表就像體溫計：能提示問題但不能解決問題。所以發(fā)現(xiàn)問題，不要局限在一張excel表里，主動擴(kuò)大工作：及時給建議，提早給提示是很重要的。案例：

總結(jié)性匯報

• 從部門職責(zé)、工作方式、人員級別、敲定核心關(guān)注點
  做總結(jié)性報告總結(jié)性匯報，誰負(fù)責(zé)，誰關(guān)心因此沒必要所有總結(jié)都長篇大論。
• 先定基調(diào)
  比如我們是想表達(dá)“做的很好”，還是“有問題”。大基調(diào)定下來，后邊細(xì)節(jié)就好定了。
• 提前溝通
  總結(jié)性匯報最容易出車禍因為很多數(shù)據(jù)分析師并不知道業(yè)務(wù)方的判斷標(biāo)準(zhǔn),同一件事可能數(shù)據(jù)認(rèn)為是好的,但其實業(yè)務(wù)方很不滿意!所以一定要在平時有充分溝通,不然貿(mào)然下筆,很有可能被人噴

對癥下藥的報告方式

• To銷售部
  首先要清晰：銷售部關(guān)心的是業(yè)績，活動什么的只是業(yè)績一小部分。

  • 大標(biāo)題應(yīng)該是《4月份業(yè)績情況匯報》，第一頁講的應(yīng)該是4月份業(yè)績實際/預(yù)計情況（如下圖）:
    
  • 其次，關(guān)注到業(yè)績細(xì)節(jié)，為領(lǐng)導(dǎo)們排兵布陣提供依據(jù)，展示各個業(yè)務(wù)線的差距，至于原因需要進(jìn)一步溝通和分析：
    
  • 最后，如果面對下屬，可以肯定A\B線的成績，鼓勵他們繼續(xù)行動。D\E線的人肯定有苦水想吐，可以借報告的機(jī)會，讓他們和AB交流下，看看有什么問題，這樣也留下后續(xù)深入分析的線索

• To市場部
  首先要清晰：市場部關(guān)心的是活動，業(yè)績什么的只是活動帶來的結(jié)果。所以匯報給市場部，

  • 大標(biāo)題應(yīng)該是《4月份活動情況匯報》，第一頁講的應(yīng)該是有活動和無活動的差異。注意，這就涉及到無活動的業(yè)績該是多少，或者叫自然增長率的問題,聚焦點不同于銷售的是需要展示活動新增帶來的業(yè)績：
    

  • 其次，關(guān)注到活動細(xì)節(jié)，為領(lǐng)導(dǎo)們的以下決策提供依據(jù)：1. 本月是否加碼2. 下個月是否還做。分維度對活動效果進(jìn)行評價，一般來說一刀切的效果不一定能拉動全線，后續(xù)是否需差異化都需要核實

  • 最后，如果面對下屬，可以先肯定活動成績，讓他們知道你是站在他們這邊的，之后再借這個機(jī)
    會，聊一下后續(xù)打算，知道他們下一步計劃，從而為深入分析留下

• To供應(yīng)鏈
  首先，供應(yīng)鏈關(guān)心的不是業(yè)績本身，而是業(yè)績對庫存/生產(chǎn)的影響，所以同樣的業(yè)績數(shù)據(jù)，給供應(yīng)鏈看，可能就是完全不同的樣子

  • 大標(biāo)題應(yīng)該是《4月份周轉(zhuǎn)情況》，特別是2、3月已經(jīng)嚴(yán)重積壓的情況下。雖然看起來4月有好轉(zhuǎn)，但是這個好轉(zhuǎn)是否能清理掉庫存，
    
  • 其次，關(guān)注到庫存細(xì)節(jié)：活動期間的斷碼率；加壓產(chǎn)品的維度分析；庫容、產(chǎn)能是否會引發(fā)新的缺貨；等
  • 最后是下一階段銷量計劃對應(yīng)的庫容建議。

4.失敗的報告

案例：沒用的報告
1. 男女比例4:6
2. 30歲以上占比40%
3. 平均年消費(fèi)500元
4. 活躍1個月以上用戶55%

• 報告沒價值的核心原因
  • 無判斷標(biāo)準(zhǔn)，
    男女比例是不是個關(guān)鍵問題？4：6是不是有問題？
  • 千篇一律
    沿著“分析背景-分析目標(biāo)-數(shù)據(jù)來源-數(shù)據(jù)清洗-指標(biāo)解釋-建模過程-分析結(jié)論-分析建議”的步驟羅列內(nèi)容，看似全面，實則對各部門無用。

5.如何寫建議

• 不要單純在數(shù)字上糾結(jié)
  所謂建議，是業(yè)務(wù)部門可以做的一個具體動作。這個動作和業(yè)務(wù)工作流程有密切關(guān)系。要能夠達(dá)到一個大家認(rèn)可的結(jié)果。無論是業(yè)務(wù)方的領(lǐng)導(dǎo)和下屬，都不關(guān)心具體的數(shù)字是什么，更不關(guān)心得出數(shù)字的模型是什么。他們關(guān)心的是可以做什么。做的事情要有依據(jù)，能服人就更好了！
• 用數(shù)字支持的可執(zhí)行方案
  建議是需要執(zhí)行的，但同時建議可能不利于業(yè)務(wù)本身。業(yè)務(wù)部門往往處于本位主義思考，提的建議都是對自己有利/自己想表達(dá)的，不能顧及事實，更懶得細(xì)致分類。

6.報告格式參考

• 總分總的格式：

一份數(shù)據(jù)分析報告由以下幾個部分組成，總結(jié)過去得失，原因得失是什么，建議怎么改進(jìn)。

總：標(biāo)題、目錄、前言

分：對比和細(xì)分貫穿報告，還有過程與結(jié)果。

各個行業(yè)都有自己成熟的分析方法和思路體系，首先我們需要懂運(yùn)營和行業(yè)。按照行業(yè)的運(yùn)營要素去寫。

總：結(jié)論，建議，附錄

• 標(biāo)題：

標(biāo)題是一份報告的文眼，是全篇報告最濃縮的精華。好的標(biāo)題讓讀者能毫無偏差地理解這篇分析報告的主要目的，有時可以直接在標(biāo)題中加入部分或者關(guān)鍵性結(jié)論達(dá)到直達(dá)文意的效果。

在標(biāo)題的命名過程中，現(xiàn)在有一份關(guān)于數(shù)據(jù)分析師招聘和薪酬方面的一份報告，你可以：

直接在標(biāo)題中放上報告的結(jié)論，例如《數(shù)據(jù)分析師在人工智能大環(huán)境下需求直線上升》

提出分析報告的研究問題，例如《數(shù)據(jù)分析師的職業(yè)規(guī)劃在哪里》

中規(guī)中矩地寫上研究的主題，例如《數(shù)據(jù)分析師的招聘研究》

• 目錄：

結(jié)構(gòu)清晰，可按照運(yùn)營分析的思路。論提現(xiàn)數(shù)據(jù)分析報告的整體架構(gòu)

• 前言

前言部分就和寫論文時候的Abstract類似：

要寫出做這次分析報告的目的和背景

看你報告的人，不一定知道你為什么要做分析。比如你們部門的報告，公司老板要一份。

略微闡述現(xiàn)狀或者存在的問題

通過這次分析需要解決什么問題

運(yùn)用了什么分析思路，分析方法和模型（可以在目錄中展示）

給出總結(jié)性的結(jié)論或者效果

給出數(shù)據(jù)來源，和時效性

如果是引用外部數(shù)據(jù)，引用多個數(shù)據(jù)源，需要標(biāo)注數(shù)據(jù)來源統(tǒng)計口徑：統(tǒng)計的時間段，所遵循的統(tǒng)計標(biāo)注

• 原則：

  • 謹(jǐn)慎性

  • 邏輯性強(qiáng)，架構(gòu)清晰

  建議和論證一定要嚴(yán)謹(jǐn)合理，分析思路的框架，一定要顯而易。

  • 數(shù)據(jù)的準(zhǔn)確性

  證實可靠：反復(fù)核實數(shù)據(jù)、計算、分析方法；用實際情況交叉驗證。一次出錯就會失去信任。對于數(shù)據(jù)不能用可能兩個字回答。

  • 結(jié)論明確

    最好一個分析模塊只給出一個和主題關(guān)聯(lián)最強(qiáng)的分析結(jié)論，避免干擾

  • 共識優(yōu)先

    圖表>表格>文字

    圖像：PPT中的圖形一般只能來自EXCEL，來自python\spss等。通過專業(yè)軟件 做的圖表，不適合給非專業(yè)認(rèn)識看‘例如方差。

    文字和陳述：需要把統(tǒng)計學(xué)語言，翻譯為一般人可以看懂的語言，在寫報告的時候，把分析過程略去

    術(shù)語：使用的的名詞需要根據(jù)各業(yè)務(wù)通用術(shù)語，避免口水話：

六.數(shù)據(jù)分析與運(yùn)營體系

1.運(yùn)營特點

• 活兒多分枝細(xì)
  運(yùn)營是個大工作，里邊的分支非常多。產(chǎn)品輔助：出產(chǎn)品設(shè)計、觀察產(chǎn)品效果；開發(fā)輔助：把產(chǎn)品需求做出來，維護(hù)產(chǎn)品運(yùn)行；而運(yùn)營是：除了以上兩個事以外所有事都得干。小公司的運(yùn)營人少，就幾個兄弟上天入地，下海捉憋，把所有事都干了。大公司運(yùn)營會有略清晰的分工和晉升線路。

• 本質(zhì)是輔助
  從本質(zhì)上看，運(yùn)營是個輔助性工作。理論上，如果產(chǎn)品力足夠強(qiáng)大，商品天下無敵，那根本沒運(yùn)營啥事。可大部分產(chǎn)品\商品,同質(zhì)化競爭嚴(yán)重，只能靠差異化的運(yùn)營手段。因此需要運(yùn)營打輔助，通過用戶激勵、促銷活動、內(nèi)容傳播、商品運(yùn)作等等手段，來保持用戶的新鮮感，促進(jìn)用戶持續(xù)活躍和付費(fèi)。俗話說：“產(chǎn)品不夠，運(yùn)營湊”就是這個意思。

• 自帶具體指標(biāo)
  通過指標(biāo)體系可以看到，運(yùn)營會特別在意數(shù)據(jù)，幾乎所有工作都是圍繞數(shù)據(jù)工作，都是在“自然增長率”之上做疊加。單獨(dú)看每一類運(yùn)營，都有一套自己的指標(biāo)體系。此外非理性的運(yùn)營種類工作中還有很多感性、情緒、創(chuàng)意，例如內(nèi)容運(yùn)營，對數(shù)據(jù)的依賴程度較低。如果數(shù)據(jù)運(yùn)營把重點放在數(shù)據(jù)上，那最終就是淪為跑數(shù)機(jī)器的命。

  運(yùn)營分工工作職責(zé)主要指標(biāo)感性、理性數(shù)據(jù)作用備注

  渠道運(yùn)營	選擇渠道投放資源,拉新搞流量	投放數(shù)量、用戶轉(zhuǎn)化、銷售轉(zhuǎn)化、投放RoI	理性	中	講究策略性,需要觀察數(shù)據(jù)合理分配費(fèi)用,改善轉(zhuǎn)化。具體則需要分渠道
  用戶運(yùn)營	通過獎勵、積分、會員等維護(hù)用戶新增、活躍、留存。	AARRR(新增、活躍、留存、轉(zhuǎn)化、轉(zhuǎn)介紹)	理性	高	特別講究策略性,AARRR各指標(biāo)很難平衡
  內(nèi)容運(yùn)營	內(nèi)容創(chuàng)作用于內(nèi)外部媒體投放：設(shè)計視頻、文案、廣告、供宣傳使用,通過微信、微博、公眾號、抖音、站內(nèi)信等平臺影響用戶	內(nèi)容全網(wǎng)點擊數(shù)、轉(zhuǎn)化數(shù)、漲粉數(shù)	感性	低	做內(nèi)容特別依賴創(chuàng)作者的靈感和創(chuàng)意,數(shù)字只是結(jié)果
  商品運(yùn)營	銷售商品的進(jìn)銷存管理	上架、進(jìn)貨、銷量、庫存、利潤、周轉(zhuǎn)	理性	高	前期有感性的部分，后期都有周轉(zhuǎn)和銷量來定位
  活動運(yùn)營	組織活動,提升用戶、產(chǎn)品、商品指標(biāo)	活動目標(biāo)、參與人數(shù)、達(dá)標(biāo)人數(shù)、活動ROI	高	高	數(shù)據(jù)為策略提供依據(jù)，但具體到每個活動力,影響因素很多：宣傳語、宣傳視頻、活動創(chuàng)意、代言明星等。
  新媒體運(yùn)營	兩微一抖等平臺日常運(yùn)作	平臺粉絲數(shù)、內(nèi)容點擊、轉(zhuǎn)發(fā)、轉(zhuǎn)化	中	中
  產(chǎn)品運(yùn)營	品體驗優(yōu)化、升級、改版需求	產(chǎn)品路徑、用戶使用率、跳出停留的	中	中

• 對費(fèi)用的依賴不同

  運(yùn)營分類缺錢程度用錢說明

  內(nèi)容運(yùn)營	低	一個天才寫手勝過千萬刷閱讀量的錢
  商品運(yùn)營	中	需要大量錢采購商品,維持庫存,但一般企業(yè)直接將商品成本計入日常銷售成本,不會單獨(dú)撥錢,都是走流程
  活動運(yùn)營	中	看活動規(guī)模、投入力度,往往是大有大的做法,小有小的做法
  渠道運(yùn)營	高	非常缺錢。流量為王的年代,推廣渠道都是大爺,拿一分錢干一分錢活
  用戶運(yùn)營	高	無數(shù)的補(bǔ)貼大戰(zhàn)、紅包大戰(zhàn)、優(yōu)惠券大戰(zhàn)告訴我們:用戶運(yùn)營都是錢燒出來的。

• 部門間天然沖突
  運(yùn)營各自看數(shù)據(jù)，看似科學(xué)，實則帶著原罪：公司流程越長運(yùn)營工作越需要相互配合，可各個部門的小團(tuán)伙利益是天然沖突的，各自考核數(shù)據(jù)互相甩鍋的可能性越大。例如：

  • 用戶運(yùn)營希望派優(yōu)惠券吸引人，商品運(yùn)營的利潤直接被榨干。
  • 活動運(yùn)營希望短期效益越大越好，用戶運(yùn)營的節(jié)奏直接被帶垮。
  • 商品運(yùn)營希望不打擾爆款，多出尾貨，可活動、用戶運(yùn)營都要硬貨支持。
  • 內(nèi)容運(yùn)營寫《震驚！馬云！華為！沸騰！》篇篇百萬閱讀，可最后沒轉(zhuǎn)化。

• 不需要太多創(chuàng)新
  運(yùn)營之所以喜歡說迭代，首先是因為運(yùn)營幾乎都有方法庫：有大量的基礎(chǔ)套路、模板、案例可以參照，完全不需要從頭做起。所以不需要用“創(chuàng)新、設(shè)計、創(chuàng)造”這種詞。例如：運(yùn)營最喜歡說的AARRR，其實每個方面，都有大堆套路.
  其次是隨著環(huán)境變化、企業(yè)規(guī)模擴(kuò)大，即使套路總不能一桿子捅到底，總會隨著時間變化有些變化，但其實大部分的骨架和邏輯不咋變,100%創(chuàng)新才是異類。這種變化可以分為五個等級（如下圖已優(yōu)惠券設(shè)置為例）：
  

• 運(yùn)營工作是一個循環(huán)往復(fù)的過程。
  五個等級的創(chuàng)新變化 ，會按照流程循環(huán)：了解現(xiàn)狀 →發(fā)現(xiàn)問題 →尋找方法 →落實措施 →觀察結(jié)果 →新現(xiàn)狀 。通過監(jiān)控數(shù)據(jù)發(fā)現(xiàn)問題,之后在方法庫里尋找方法,看看是直接疊加幾條規(guī)則,還是改個參數(shù),還是改個形式。

• 天然痛點
  增長需要投入和創(chuàng)新，而投入需要平衡，創(chuàng)新也會過時，成本永遠(yuǎn)比效果跑得快，復(fù)雜的市場造就了糾結(jié)的運(yùn)營。以用戶運(yùn)營為案例：
  菜鳥眼中運(yùn)營數(shù)據(jù)分析無非（是滴，外行很喜歡用無非這倆字）就是AARRR與漏斗模型，還喜歡提用戶畫像，而實際這上都是描述性統(tǒng)計，告訴的是一個結(jié)果。這些數(shù)據(jù)需求只要做了報表就能固定。但運(yùn)營真正痛點，并不是：不知道結(jié)果是啥樣，而是：結(jié)果就這樣了，我搞來搞去領(lǐng)導(dǎo)都不滿意，咋辦呀！

  • 沒錢。
    《拼多多最新策略》——你給打了人家那么大折嗎？、《瑞幸成功十大經(jīng)驗》——你給得了人家那么多券嗎？、《滴滴用戶增長黃金法則》——你給得了人家那么多補(bǔ)貼嗎？但然而偏偏有一派領(lǐng)導(dǎo)喜歡不給錢的辦法
  • 有錢，沒效果
    想象中:活動中,用戶熱烈參與;活動后,網(wǎng)店氛圍被炒熱,新人持續(xù)優(yōu)化……現(xiàn)實中:活動中,沒幾個人響應(yīng);活動后,立馬打回原形。短期內(nèi)搞指標(biāo)很容易,搞完以后一地雞毛也很常見。
  • 有效果，但領(lǐng)導(dǎo)要求越來越多
    “首單有了,二次消費(fèi)好像又不行“二次消費(fèi)有了,都是小單,GMV上不去“反正都投了這么多資源了,要畢其功于一役！“你再多想想,要掌握底層邏輯,核心思維,不要光砸錢”
  • 有效果，但領(lǐng)導(dǎo)說“不能一條腿走路”
    1.你看新人都靠這個活動，沒有活動了咋辦2. 你看人家PDD都有新玩法了，我們不能這么因循守舊，總之只有一種形式是不行的，繼續(xù)創(chuàng)新。創(chuàng)新嗎，又要看數(shù)據(jù)、做測算、分析需求、設(shè)計規(guī)則、測試效果、效果不好繼續(xù)糾結(jié)：該怎么創(chuàng)新。
  • 有效果，但現(xiàn)在又沒錢了……
    想在短期內(nèi)、單一拉升某個指標(biāo)，只要砸錢就能實現(xiàn)。但不見得每時都有錢投入，

2.數(shù)據(jù)運(yùn)營

本質(zhì)是運(yùn)營。真正價值不是拿來當(dāng)跑數(shù)機(jī)，而是建立一套從整體目標(biāo)出發(fā)的數(shù)據(jù)考核機(jī)制統(tǒng)一協(xié)調(diào)各部門的：錢、時間、責(zé)任，既能讓各部門跳出小圈子，達(dá)成共識目標(biāo)，又能讓各部門落實方法、跟蹤進(jìn)度，反饋問題，共同為“增長”服務(wù)的辦法。

3.數(shù)據(jù)運(yùn)營體系搭建方法

第一步：共識整體目標(biāo)，制定整體戰(zhàn)略。
各個運(yùn)營小組，共識年度大部門整體目標(biāo)（比如DAU、轉(zhuǎn)化率、銷售金額等），并且選擇落地大目標(biāo)的戰(zhàn)術(shù)，把大目標(biāo)分解到各個月。
注意分解方法可以有：階梯增長型:不指望爆款,毎個月穩(wěn)步推進(jìn);新品引導(dǎo)型:指望新版本推岀/爆款引入,圍繞一個重點俽;重點突破型:指望關(guān)鍵節(jié)點(68、雙十一)引爆銷量,平時做輔助。選擇策略關(guān)鍵看業(yè)務(wù)上有沒有做好相關(guān)準(zhǔn)備,比如是否有足夠的持續(xù)投入資源,比如爆款是否真的指望的,真的夠爆。以及萬一沒有爆,第二手準(zhǔn)備是什么。

第二步：設(shè)定階段性重點，各小組分配任務(wù)。
從上自下,在凊晰整體目標(biāo)的情況下進(jìn)行分解,越落地,越有任務(wù)主次之分，執(zhí)行起來各自任務(wù)很凊晰,也便于選執(zhí)行

比如上圖,大方向是求轉(zhuǎn)化,實現(xiàn)盈利,具體策略是活動拉動,因道、商品、活動運(yùn)營要抗大旗。也有可能是追求增長方向,渠道、用戶運(yùn)營扛大旗。

第三步：分解階段性指標(biāo)，各部門執(zhí)行、監(jiān)測、反饋。
這一步就是常規(guī)運(yùn)營數(shù)據(jù)指標(biāo)的監(jiān)控過程，不再贅述了。有了前兩步，每階段的運(yùn)營工作就有了清晰的主任務(wù)，就不用糾結(jié)在“為啥短期類活躍率降了”“到底自然增長該寫多少合適”“又有幾個客戶投訴很激烈”——整體目標(biāo)達(dá)成就好。細(xì)節(jié)問題，可以在各小組自己復(fù)盤的時候，再找改進(jìn)點

第四步：監(jiān)控執(zhí)行進(jìn)度，從下向上檢討效果。
為了避免甩鍋，效果沒達(dá)到使用檢討三原則：在執(zhí)行到位前，不質(zhì)疑策略；在投入可調(diào)時，不修訂策略；在策略失效前，不質(zhì)疑方向。所有人盡全力完成，

4.根據(jù)KPI設(shè)定目標(biāo)的方式

活動目標(biāo)是KPI指標(biāo)， KPI分解法
KPI分解法往往用于銷售額、利潤、新增用戶數(shù)等可累加的,直接結(jié)果類指標(biāo)（不太適用于比例、比率類指標(biāo))。常見的做法是:先定全年整體目標(biāo),提升觀之后按過往規(guī)律,按月份區(qū)域等比例分解下去,落實到每個月。(注意下圖中,因為春節(jié)原因,1、2月份手動調(diào)整,這種方法適合季節(jié)性規(guī)律強(qiáng)的業(yè)務(wù)入援地氣字）

活動目標(biāo)是KPI的過程指標(biāo)，KPI倒推法
KPI反推法往往用于活躍人數(shù)、注冊人數(shù)等過程類指標(biāo)或者轉(zhuǎn)化率、ⅥP占比等比例類指標(biāo)。常見的做法是:假設(shè)一個固定轉(zhuǎn)化率,比如活躍用戶付費(fèi)轉(zhuǎn)化是10%,人均付費(fèi)200,那為了拿到1億銷量額,饉推,需要至少活躍用戶超過500,且轉(zhuǎn)化率不低于10%這種假設(shè)看和復(fù)雜,但實際上,運(yùn)營指標(biāo)是有波動范圍、季節(jié)規(guī)律的,有歷史值可參考。

活動目標(biāo)是KPI關(guān)聯(lián)指標(biāo)，KPI場景法
KPI場景法適用于與KP直接關(guān)聯(lián)小,但業(yè)務(wù)邏輯上很重要的指標(biāo)。比如滿意度、市場知名度、鋪貨率等等。這些指標(biāo)通常不直接和KPI關(guān)聯(lián),但是滿意度太低,知名度不夠,鋪貨速度太慢,就是會讓用戶覺得你的產(chǎn)品不行,不想買。在數(shù)據(jù)上,往往呈現(xiàn)拐點效應(yīng)如左圖,低于某個值后迅速下跌)或前后效應(yīng)(如右圖,得一前一后才有快速增長趨勢)在設(shè)目標(biāo)的時候,常常設(shè)成:不低于x數(shù)值,或者在X日達(dá)到X數(shù)值

5.如何支持運(yùn)營迭代

先回答和錢有關(guān)的
與錢有關(guān)的通常是戰(zhàn)略方向性的問題，因此數(shù)據(jù)化運(yùn)營中，從一開始制定共識目標(biāo)，到后面各運(yùn)營部門都應(yīng)該厘清與錢有關(guān)的問題。每一類業(yè)務(wù)在各個階段，規(guī)模、收益需要量化，才能精細(xì)化運(yùn)營。例如：1. 公司發(fā)現(xiàn)目標(biāo)是（行業(yè)第一？營收破100億？）2. 基于此目標(biāo)，需要新用戶XX萬，老活躍用戶維持在XX水平3. 基于新用戶數(shù)，按目前市場價，渠道成本為XXX億4. 基于目前措施，老用戶維護(hù)成本為XXX億 5. 以上目標(biāo)，通過階段性大促完成x%，日常渠道/用戶投入X%

發(fā)現(xiàn)問題是重點
在運(yùn)營的五步循環(huán)中發(fā)現(xiàn)冋題環(huán)節(jié)是最混亂的,也是最需要數(shù)據(jù)分析支持的。明確除了責(zé)任的劃分，最終落實的問題點會直接影響決策!例如：用戶活躍率低了,到底是因為新人進(jìn)來就出了問題,還是后續(xù)運(yùn)營沒做好,還是對手發(fā)力了。

了解現(xiàn)在和觀察效果是數(shù)據(jù)分析的日常工作。報表類工具能夠搞定

找到運(yùn)營的痛點，進(jìn)行輔助分析

6.事后如何目標(biāo)數(shù)據(jù)

如果事前沒有定目標(biāo)，一定要事后補(bǔ)救的話， 牢記：核心不是什么自然增長率，而是“業(yè)務(wù)到底需要把指標(biāo)做成什么樣子”。特別是整體目標(biāo)已經(jīng)撲街的情況下，事后再糾結(jié)自然增長率，往往會淪為甩鍋大戰(zhàn)。這時候可以分三步做

第一步：定目標(biāo)
先根據(jù)往年趨勢+本年前幾個月走勢,結(jié)合目前KPI達(dá)成情況。定出來到底我想把曲線做成什么樣子。定義好目標(biāo)以后,不管自然增長率是多少,都努力往目標(biāo)靠攏

第二步：找方法
活動標(biāo)桿法的潛臺詞,就是:從直接產(chǎn)出(活動是拉活躍率,就看活躍率)上看,本次活動投入:產(chǎn)出比,和過往同類活動相比,很好不好,所以如果大家想花錢買指標(biāo)上漲的話,本次的形式可以繼續(xù)用/不要再用了

第三步：看細(xì)節(jié)
區(qū)分不同用戶群體,看看這個活動到底是誰在玩,哪個群體提升的多,找到活動主要影響對象和能影響的程度。基于這個分析判定:活動真正影響到誰,對誰效果好,是否適合推廣到其他群體。注意：有同學(xué)喜歡拿平均值整體值當(dāng)標(biāo)桿這是很粗糙的做法。很有可能用戶在參與時,“好的者好”“差的更差”的問題先分組,每組找標(biāo)桿是個好習(xí)慣。

7.如何給運(yùn)營提建議

做數(shù)據(jù)分析的，要對業(yè)務(wù)常存敬畏之心，不然光空口白話，會被人笑話的。提建議很難，總覺得提的不夠細(xì)，其實主要是思考的不夠細(xì)導(dǎo)致的。如果一上來只有一根曲線，沒有走勢分析，沒有結(jié)構(gòu)分析，沒有標(biāo)桿，肯定建議也細(xì)不下去。甚至連“要不要搞高”這么簡單地建議都會提的毫無依據(jù)，很容易被挑戰(zhàn)。

下圖是某個電商一周銷售金額走勢（具體數(shù)據(jù)都差不多，總之曲線長這樣），問：數(shù)據(jù)反映什么問題，怎么提運(yùn)營建議？
“要搞高”三個字說起來輕松，可做起來一堆問題：為什么非要搞高？要搞到多高才算高？市場搞高還是銷售搞高？用什么型號的產(chǎn)品搞高？啥時候開始搞到啥時候？

用剝洋蔥的方法,層層深入，每一步都基于之前獲得共識的判斷，每一層都是數(shù)據(jù)分析可以解釋的。這樣能非常有效的助力業(yè)務(wù)思考，也不容易被推翻。

• 從最簡單的：“是什么”這個問題
  判斷問題是否存在。為什么要搞高是最初的判斷，也是最重要的判斷。判斷錯誤會把整個方向帶歪，搞得大家興師動眾勞而無功，所以一定要慎重。
  前提是有標(biāo)準(zhǔn)：判定這個數(shù)是低。我們得綜合趨勢、品類周期性、任務(wù)目標(biāo)，綜合下結(jié)論。至于數(shù)值代表的好壞需要深入分析
  

• 再問‘是多少’的問題？
  問題存在則需要，就要確定有問題的嚴(yán)重性，基于此才能制定目標(biāo)要搞多高。
  此時數(shù)據(jù)分析可以：事后KPI考核。
  很多人會說：不是越高越好嗎？顯然不是！應(yīng)該是：在投入一定的情況下，越高越好。你的商品主管、用戶運(yùn)營、產(chǎn)品經(jīng)理、網(wǎng)站開發(fā)在短期內(nèi)的投入能力都是有限的，因此得定個合理的小目標(biāo)：

  • 參考標(biāo)準(zhǔn)1：KPI。可以計算做多多少才能補(bǔ)齊KPI
  • 參考標(biāo)準(zhǔn)2：自然周期。可以計算看多做多少才能讓業(yè)績曲線保持過往周期性運(yùn)轉(zhuǎn)，至少止住持續(xù)下跌的態(tài)勢。
  • 參考標(biāo)準(zhǔn)3：生命周期。可以看按目前生命周期，預(yù)計商品還有多少周銷量，再看要做多少才能趕上節(jié)奏，避免后期積壓。

• 再問是哪里搞出來的問題
  如何解決問題，想提有用的建議，得先明確是提給誰的。這就需要確定出問題的位置，確定出問題的地方，也就能找到干活的人。要分析為什么低？是哪里出了問題？利用分析思路拆解問題，具體到可執(zhí)行單位。
  例如：產(chǎn)品部交易平臺出現(xiàn)了bug、市場部競爭對手有動作、商品部產(chǎn)品斷貨、

• 再問能怎么整這個問題
  “怎么做”是不能直接從數(shù)據(jù)層面推導(dǎo)，而且不同部門可以干的事是有區(qū)別的，要業(yè)務(wù)的專業(yè)判斷。數(shù)據(jù)可以做的是， 1.上次出現(xiàn)類似情況，是如何處理的；2.常規(guī)措施，促銷、新品、用戶活動，大概投入產(chǎn)出多少。

  • 流量運(yùn)營：為全站引流，分配流量
  • 商品運(yùn)營：商品選款、上下架、補(bǔ)貨
  • 活動運(yùn)營：促銷活動、宣傳活動
  • 用戶運(yùn)營：給制定用戶發(fā)券
  • 產(chǎn)品經(jīng)理：調(diào)整購買路徑

• 再問這次可以選哪個手段
  到底用什么手段，用多少投入。之后才是細(xì)節(jié)：具體哪天上什么產(chǎn)品，優(yōu)惠力度是多少，發(fā)券面向多少人……在更細(xì)節(jié)層面，比如券面額，活動形式上，可能還得配合一些ABtest才能得到最后結(jié)果。

8.遇到人為阻力，如何解決？

只會喊：疼疼疼的病人還不是最討厭的，起碼他有治病的意愿，還能溝通。不配的病人⁵才是最棘手的：
1. 經(jīng)驗主義：老夫從業(yè)20年，不符合我的感覺的都是錯的！
2. 拒絕面對：誰說我做的不好！我不做業(yè)績更差/全行業(yè)都不好！
3. 拒絕投入：項目上線要快，所以埋點就省了吧/數(shù)據(jù)治理太麻煩，業(yè)務(wù)要快！不搞了！
4. 篡改數(shù)據(jù)：人為刷流量、刷閱讀/活動規(guī)則留薅羊毛的空間/改目標(biāo)、參照組

• 注意：
  這已經(jīng)不是分析思路的問題了。現(xiàn)在的問題是，這些人胡攪蠻纏，試圖甩鍋。用理性、正常的邏輯和他們無法溝通。這時候需要的是對付敵人的手段。具體來說，是如何推進(jìn)項目的戰(zhàn)術(shù)。所以真遇到這些人，請不要懷疑自己的思路出問題，而是看怎么趨利避害，爭取一個好結(jié)果，至少不白白背鍋。

• 把業(yè)務(wù)上理由轉(zhuǎn)化為數(shù)據(jù)上論證。
  數(shù)據(jù)不能論證的理由就閉嘴，是個非常好的議事規(guī)則.
  

• 堵住借口：找借口并不能解決問題，因此先把各種逃跑路線堵上,集中精力想能干點啥。
  往往借口產(chǎn)生于：宏觀因素、外部因素、隊友因素。所以在這里，關(guān)鍵是證偽。只要能推翻他們的逃跑借口就行。證偽最好用的辦法就是舉例法，同樣是下雨，為什么別人就抗的住。同樣是流量難搞，為啥別的業(yè)務(wù)線能持續(xù)增長？

• 找到癥結(jié)：在一堆影響因素里，從大到小，從粗到細(xì)，先搞大問題

  • 解決白犀牛，剔除明顯的重大影響。
    重大因素表現(xiàn)在數(shù)據(jù)上，有嚴(yán)格的要求：開始錢指標(biāo)無問題、開始后指標(biāo)下降、并且保持同步。例如：監(jiān)管政策、公司戰(zhàn)略、重大外部環(huán)境等等因素，確實會對企業(yè)經(jīng)營起到重大作用，并且這些因素是普通小員工只能接受，不能改變的。
  • 解決黑天鵝，剔除明顯突發(fā)事件。
    正向的：促銷活動，某群體用戶騷動，新產(chǎn)品上線……負(fù)向的：惡劣天氣，突發(fā)事件，系統(tǒng)宕機(jī)……；會有明顯的數(shù)據(jù)趨勢。
  • 按照問題鎖定部門
    因為部門職責(zé)固定,所以一般找到問題環(huán)節(jié)( where),再細(xì)分看這個環(huán)節(jié)在哪些群體(what)問題比較大,就能鎖定負(fù)責(zé)部門(who)
  • 鎖定細(xì)節(jié)問題
    即使聚焦到一個部門的一個行動，還是很難扯清楚：到底是什么業(yè)務(wù)上原因?qū)е碌膯栴}。這就需要具體的分析。

9.復(fù)雜任務(wù)

數(shù)據(jù)分析喜歡的復(fù)雜問題往往是，數(shù)據(jù)完美，含義清晰，靜靜躺在excel表里等著被建模，然而這也是企業(yè)真實的經(jīng)營場景，負(fù)責(zé)問題同時存在以下多種問題：

• 部門利益有沖突
  一項綜合指標(biāo)，會涉及多部門的責(zé)任。
• 指標(biāo)含義不清楚
  存在很多主觀指標(biāo)，依靠問卷調(diào)查，效率低出錯高
• 原始數(shù)據(jù)內(nèi)容亂
  例如客戶投訴內(nèi)容，很難準(zhǔn)確界定客戶的真實訴求。
• 相關(guān)流程要改動
  打破業(yè)務(wù)流程一定會遇到阻力

七.數(shù)據(jù)標(biāo)簽

1.打標(biāo)簽

• 標(biāo)簽:
  標(biāo)簽是數(shù)據(jù)的沉淀，由原始數(shù)據(jù)，經(jīng)過整理、加工、分類所得,一個抽象的符號,代表一類人/物的特征。用來描述商品的，就是商品標(biāo)簽；用來描述業(yè)務(wù)的，就是業(yè)務(wù)標(biāo)簽；用來描述用戶的，就是用戶標(biāo)簽了。
  標(biāo)簽往往是過往分析成果的沉淀，高效實現(xiàn)更復(fù)雜、更精準(zhǔn)的分析。如果不打標(biāo)簽，每次都基于原始數(shù)據(jù)分析，做效率太低，并且能思考的維度太少。
• 打標(biāo)簽
  打標(biāo)簽,就是個循序漸進(jìn)的過程:：打標(biāo)-驗證-積累-二次打標(biāo)，可以從簡也可以很復(fù)雜。
  打標(biāo)：從原始數(shù)居直接分類得到初級標(biāo)簽’。不斷根據(jù)維度添加標(biāo)簽，之后多個標(biāo)簽組合,生成綜合標(biāo)簽。當(dāng)多個標(biāo)簽一起用于評估,可能采用分類或降維算法。
  驗證：標(biāo)簽是預(yù)測來時,需要用預(yù)測算法。最后評價標(biāo)簽有沒有區(qū)分度,關(guān)鍵看打標(biāo)以后,各類標(biāo)簽在目標(biāo)上差異,所以清晰目標(biāo)很重要。我們常說的用戶分層,最后結(jié)果vP1/2/3,也會是一個標(biāo)簽。所以打標(biāo)簽可以做的很復(fù)雜。
• 注意：
  • 根據(jù)業(yè)務(wù)場景打標(biāo)簽
    即使是同一個原始數(shù)據(jù)，在不同場景下，標(biāo)簽完全不同。拿用戶年齡舉例：醫(yī)療、游戲、工作三個背景下，年齡的分層不同。
  • 根據(jù)業(yè)務(wù)需求打標(biāo)簽
    標(biāo)簽不能缺少檢驗，不能為了打標(biāo)而打標(biāo)。正確的標(biāo)簽可以有無數(shù)，但基本都無效。從結(jié)果出發(fā)，打用戶標(biāo)簽是希望區(qū)分用戶，那么最后區(qū)分效果，在目標(biāo)上的差異越大越好，如果差異不大，那打標(biāo)意義就不大，可以取消標(biāo)簽，或者再做優(yōu)化。
  • 多維度定位
    標(biāo)簽是基于歷史的確定面對未來，工作量大、需要跟著數(shù)據(jù)不斷更新。不能簡單基于歷史數(shù)據(jù)統(tǒng)計，得基于測試或者建模預(yù)測才能得到結(jié)論。
  • 歸因謹(jǐn)慎
    以用戶標(biāo)簽為例，在推導(dǎo)購買動機(jī)的時候要特別謹(jǐn)慎，因為錯誤的、隨意的歸因會誤導(dǎo)業(yè)務(wù)行動。用戶的行為是多個標(biāo)簽共同的作用，而且存在不確定性，明明用戶喜歡的是打折，結(jié)果缺誤判為產(chǎn)品粉絲，最后很有可能狂推一堆產(chǎn)品卻沒有響應(yīng)。
  • 不同類目標(biāo)不混合
    降維要注意：做數(shù)據(jù)的同學(xué)嫌一個維度一個維度切分不體現(xiàn)數(shù)據(jù)能力，非得整個模型，算個權(quán)重才顯牛逼。比如評高價值用戶，把活躍度和付費(fèi)金額，付費(fèi)金額和毛利幾個指標(biāo)混合在一起，美其名曰“綜合評價”。結(jié)果搞出來一毛不花天天白嫖的用戶也是高價值用戶。要是都這么折騰公司就得破產(chǎn)了。

2.標(biāo)簽發(fā)揮作用

• 融入業(yè)務(wù)/業(yè)務(wù)系統(tǒng)中。
  一個用戶標(biāo)簽。它和商品條碼一樣，起到了串聯(lián)作用，如果沒有把標(biāo)簽融合進(jìn)業(yè)務(wù)系統(tǒng)，業(yè)務(wù)流程里去。沒有CRM，OMS，WMS等系統(tǒng)配合，用戶標(biāo)簽也就只是個數(shù)字標(biāo)簽，沒啥作用。
• 案例：為VIP用戶到店及送一份果盤”
• CRM系統(tǒng)已有VIP用戶標(biāo)簽，可識別注冊會員的身份（是否VIP）
• VIP用戶有果盤權(quán)益（包括權(quán)益名稱、權(quán)益有效期，權(quán)益數(shù)量有幾次）
• 門店有服務(wù)流程（誰確認(rèn)會員身份、誰負(fù)責(zé)果盤備貨、誰服務(wù)端出來）
• 系統(tǒng)有權(quán)益使用流程（識別身份、使用權(quán)益、核銷權(quán)益）
• 系統(tǒng)記錄扣減果盤庫存，關(guān)聯(lián)到會員卡消費(fèi)記錄。

案例中：有了成套配套，整個流程才跑的順：會員到店以后出示微信卡包，亮明身份；店員點擊使用果盤權(quán)益，掃條碼果盤出庫，端給會員吃。各個流程都有數(shù)據(jù)記錄，這個權(quán)益才能真正落到會員身上。不然少了環(huán)節(jié)，就會產(chǎn)生灰色賬目。

3.用戶標(biāo)簽

• 用戶標(biāo)簽
  代表用戶特征的標(biāo)簽，是用戶畫像、精準(zhǔn)營銷、個性推薦、智能投放等等各種系統(tǒng)的磚石。
• 作用
  高效精準(zhǔn)地細(xì)分用戶群體，鎖定更有需求的人，實現(xiàn)更精準(zhǔn)的營銷/服務(wù)。
  這里為舉例簡單,間化了很多過程,實際上想鎖定用戶,需要抽很多標(biāo)簽,做多次探系：
  • 第一步:識別
    根據(jù)消費(fèi)力+互動標(biāo)簽,初步識別客群;
  • 第二步:鎖定
    按本次活動目標(biāo),鎖定一批高消費(fèi)用戶
  • 第三步查：洞察
    看能反應(yīng)需求的標(biāo)簽,選中促銷敏感度標(biāo)簽,以此下手,推促銷活動
  • 第四步:跟進(jìn)
    觀察活動響應(yīng)情況,驗證促銷敏感度標(biāo)簽區(qū)分效果

八.用戶畫像

B2C用戶畫像

基于畫像我們可以進(jìn)行精細(xì)化的運(yùn)營，通過數(shù)據(jù)層的“事實標(biāo)簽”，在算法層進(jìn)行計算，打上“模型標(biāo)簽”的分類結(jié)果，最后指導(dǎo)業(yè)務(wù)層，得出“預(yù)測標(biāo)簽”

沒有經(jīng)過加工的事實標(biāo)簽,比如用戶性別、年齡、消費(fèi)金額這些,是很少具備指導(dǎo)意義的。真正有指導(dǎo)意義的是經(jīng)過數(shù)據(jù)檢驗的：二級、三級綜合標(biāo)簽,比如“興趣”“愛好”標(biāo)簽,很難直接獲得,需要通過復(fù)雜的分析過程。
接地

設(shè)計唯一標(biāo)識

用戶唯一標(biāo)識是整個用戶畫像的基礎(chǔ)，串聯(lián)用戶的所有行為。

例如：用戶名、注冊手機(jī)號、聯(lián)系人手機(jī)號、郵箱、設(shè)備號、CookieID 等

給用戶打標(biāo)簽：

數(shù)據(jù)層，建立事實標(biāo)簽：指的是用戶消費(fèi)行為里的標(biāo)簽，作為數(shù)據(jù)客觀的記錄

基礎(chǔ)屬性標(biāo)簽性別、年齡、地域、收入、學(xué)歷、職業(yè)、渠道、興趣愛好、設(shè)備和網(wǎng)絡(luò)

消費(fèi)習(xí)慣標(biāo)簽	付費(fèi)程度、消費(fèi)品類、購買意向、是否對促銷敏感、投訴次數(shù)購買次數(shù)、優(yōu)惠券使用頻率、
行為習(xí)慣標(biāo)簽	時間段、頻次、時長、訪問路徑、支付渠道
內(nèi)容分析	停留時間長、瀏覽次數(shù)，類別，比如，金融、娛樂、教育、體育、時尚、科技等。

數(shù)學(xué)建模

算法層，模型標(biāo)簽：透過這些行為算出的用戶建模，作為用戶畫像的分類標(biāo)識。挖掘海量數(shù)據(jù)進(jìn)行標(biāo)簽化，來得到精準(zhǔn)的用戶畫像。挖掘時，需要根據(jù)場景進(jìn)行用戶分類，并對比各類用戶與總體間的差異，這樣才能保證分析結(jié)果的可信性和適用性，而TGI指數(shù)就是很好的對比指標(biāo)。

基礎(chǔ)屬性標(biāo)簽用戶關(guān)聯(lián)關(guān)系、渠道偏好、用戶類型：電子商務(wù)類、交友、游戲

消費(fèi)習(xí)慣標(biāo)簽	購買偏好、滿意度、支付偏好、優(yōu)惠券偏好、RFM標(biāo)簽
行為習(xí)慣標(biāo)簽	活躍度、、
內(nèi)容分析	用戶興趣、

劃分業(yè)務(wù)價值

業(yè)務(wù)層，預(yù)測標(biāo)簽：指的是業(yè)務(wù)層指的是獲客、粘客、留客的手段，作為業(yè)務(wù)關(guān)聯(lián)的結(jié)果。從用戶生命周期的三個階段來劃分業(yè)務(wù)價值

獲客獲客預(yù)測：如何進(jìn)行拉新，通過更精準(zhǔn)的營銷獲取客戶。

粘客	GMV預(yù)測、個性化推薦，搜索排序，場景運(yùn)營等
留客	流失率預(yù)測，分析關(guān)鍵節(jié)點降低流失率。

B2B的用戶畫像

• B2B業(yè)務(wù)本身特點：
  一線！！

  • 獲客成本高，方式傳統(tǒng)
    B2C業(yè)務(wù)的精準(zhǔn)營銷、個性推薦，最多是把換成地毯式轟炸，使用企業(yè)力量VS個人。做B2B的精準(zhǔn)營銷，則是靠懷絕技的銷售，B2B采購流程長且復(fù)雜、涉及人事多，幾乎銷售VS企業(yè)。
    意味著銷售們要花大量時間在客戶身上，給一堆餅圖、線圖、條形圖，是根本沒有人看。
    
    
    
  • 客戶流失損失大，挽回難
    用戶在京東買東西，不去淘寶買，可能淘寶砸一個優(yōu)惠券人就回來了。但一旦乙方在甲方失去聯(lián)系，甚至被打入采購黑名單，以后就永遠(yuǎn)失去了每年數(shù)以百萬計的生意，就是這么殘酷。丟失一個老客戶慘過開發(fā)10個新客戶，在B2B領(lǐng)域更成立
  • 數(shù)據(jù)收集，依賴于渠道的管理
    做B2B業(yè)務(wù)的銷售，都是把客戶的信任當(dāng)作私有財。渠道管不住，收回來的就是無效數(shù)據(jù)。這就需要公司管理：信息化工具+紀(jì)律+數(shù)據(jù)校驗
  • 不存在所謂RFM
    或者說只有M，沒有R，F，越是大企業(yè)采購越是這樣，銷售過程很長，但一旦銷售完成，客戶可能今年都沒有需求。

• 基本畫像

B2C業(yè)務(wù)B2B業(yè)務(wù)

用戶名稱	ID	企業(yè)名
基本特征自	自然屬性為主:性別、年齡、地區(qū)	經(jīng)營屬性為主:行業(yè),行業(yè)排名,企業(yè)規(guī)模,發(fā)展速度
用戶角色	自然人	審批者(各部門大佬)、采購者(采購部經(jīng)理、主管、職員)、需求者(需求部門經(jīng)理、主管、職員）、使用者(各種角色)
用戶消費(fèi)行為	AAARR	售前動作為主:需求發(fā)起,溝通,演示,評標(biāo),中標(biāo)結(jié)果
用戶互動行為	在線點擊、線下到店	采購行為(多少次進(jìn)度,每次進(jìn)度到哪一步），溝通內(nèi)容(咨詢?nèi)?咨詢問題,應(yīng)對案,后續(xù)反饋)使用行為(使用人次,使用建議）

• 行為分析
  • 線索數(shù)據(jù)
    有沒有最初的銷售線索來源、到達(dá)時間、可靠性記錄
  • 用戶角色數(shù)據(jù)
    有沒有客戶采購流程的進(jìn)度記錄，對應(yīng)的客戶角色（不是企業(yè)名稱）記錄，審批、采購、需求、使用者。
  • 跟進(jìn)數(shù)據(jù)
    有沒有銷售跟進(jìn)次數(shù)、時間的記錄：我方跟進(jìn)了多少次，客戶進(jìn)度推進(jìn)到什么程度、有沒客戶問題溝通的記錄
  • 經(jīng)營情況和部門架構(gòu)變動情況
    有沒有采集客戶的行業(yè)、經(jīng)營情況、行業(yè)排名、發(fā)展速度數(shù)據(jù)？營業(yè)收入從100億成長到200億，需要的服務(wù)器，系統(tǒng)功能，licence數(shù)量都必然會增加
  • 用戶分類：
    有沒有預(yù)先客戶分類，比如哪些是開拓重點，哪些是現(xiàn)金牛
    

九數(shù)據(jù)處理

數(shù)據(jù)的質(zhì)量最終決定了數(shù)據(jù)分析的準(zhǔn)確性 現(xiàn)實生活中，數(shù)據(jù)并非完美的, 需要進(jìn)行清洗才能進(jìn)行后面 的數(shù)據(jù)分析 。常規(guī)數(shù)據(jù)分析、數(shù)據(jù)挖掘開始工作前都要：明確數(shù)據(jù)情況、統(tǒng)一數(shù)據(jù)格式、

錯誤數(shù)據(jù)的來源：人為失誤、歷史局限、刻意隱瞞、特定業(yè)務(wù)操作，數(shù)據(jù)采集問題，數(shù)據(jù)同步問題。

1.數(shù)據(jù)探索 Explore

內(nèi)容：

對于數(shù)據(jù)的探索，是基于業(yè)務(wù)規(guī)則和分析需求。是否符合業(yè)務(wù)規(guī)范，是否能滿足數(shù)據(jù)分析的要求。除下表之外還需要注意表外的要求：數(shù)據(jù)來源、記錄時間、內(nèi)容準(zhǔn)確性(交叉驗證)。

探索內(nèi)容字段記錄提示

含義	具體定義
數(shù)量		合理的記錄數(shù)
缺失	缺失哪些字段
范圍	數(shù)值范圍、文本內(nèi)容	離群值、異常值的數(shù)量、大小
唯一性	是否具有唯一性	是否符合字段要求：完全重復(fù)行/部分重復(fù)
非空性	是否為可以為空	是否符合字段要求
默認(rèn)值	是否存在默認(rèn)值填充
數(shù)據(jù)類別	數(shù)值/文本	是否符合字段要求
數(shù)值格式要求	保留位數(shù)、單位要求
數(shù)值分布	離散/連續(xù)分布		箱線圖法(分位差法)或者分布圖(標(biāo)準(zhǔn)差法
文本分布	各文本數(shù)據(jù)項分布情況	是否符合規(guī)定的文本要求

操作：查數(shù)據(jù)

2.數(shù)據(jù)修正 Modify

主要是處理異常值：缺失、重復(fù)、錯誤值，處理思路：

分析情況

異常值在字段中的分布，以及是否有顯著的規(guī)律分布特征。

判斷:

• 是否需要處理：處理后續(xù)模型中是否能夠自動處理，是否涉及此字段

取決于后期數(shù)據(jù)分析和模型的容忍度和靈活度。

• 具體情況具體處理

常用處理方式

• 丟棄字段

丟棄意味著削減數(shù)據(jù)特征。不宜采用這種方式。當(dāng)存在大量異常值，缺失值，比如超過10%、50%；或者缺失的數(shù)據(jù)很大程度影響數(shù)據(jù)分布特征。

• 補(bǔ)全/替換較為常用，補(bǔ)全方式有 ：

  • 統(tǒng)計法

    數(shù)值型數(shù)據(jù)：使用平均值，加權(quán)均值中位數(shù)。

    分類型數(shù)據(jù):眾數(shù)最多的值

  • 模型法

    基于已有的字段，將缺失值作為目標(biāo)進(jìn)行預(yù)測。

    數(shù)值型：回歸模型；分類變量：分類模型。

  • 替換法

    有均值替換、前向、后向替換和常數(shù)替換、上下限替換異常值

  • 專家補(bǔ)全

  • 其他

  例如隨機(jī)數(shù)，特征值，多重填補(bǔ)

• 刪除記錄

完全重復(fù)記錄、數(shù)量相對較少刪除后不影響數(shù)據(jù)分析

• 修正

主要是針對格式錯誤的數(shù)據(jù)

數(shù)據(jù)操作：增、刪、改

注意：

• 偽異常

  當(dāng)遺產(chǎn)是由特定的業(yè)務(wù)動作產(chǎn)生，能夠真實反映業(yè)務(wù)的狀態(tài)，并且需要分析異常情況時，這些數(shù)據(jù)不進(jìn)行處理：業(yè)務(wù)峰值、信用卡欺詐分析

3.數(shù)據(jù)轉(zhuǎn)化

數(shù)據(jù)操作：增、改

數(shù)據(jù)類型的轉(zhuǎn)換

數(shù)據(jù)歸約

數(shù)據(jù)歸一化處理，

數(shù)據(jù)聚合

• 數(shù)據(jù)合并

  橫向堆疊：將兩張表或多張表在X軸方向，即橫向拼接在一起，行數(shù)相同 ，

  縱向堆疊將兩張表或多張表在Y軸方向，即縱向拼接在一起

4.工具

工具

目前在Python中, numpy和pandas是最主流的工具

Numpy中的向量化運(yùn)算使得數(shù)據(jù)處理變得高效

Pandas提供了大量數(shù)據(jù)清洗的高效方法

十.分析方法

1.數(shù)學(xué)分析框架

高級方法是簡單方法的疊加，新模型是舊模型的進(jìn)化，關(guān)鍵是如何實現(xiàn)

單維分析

對比思想是所有的的基礎(chǔ)，分為：自我對比、其他對比

• 橫向?qū)Ρ?#xff1a;同一時間點上的兩個并存事物的比較。

  • 定比：kpi、預(yù)警分析

  • 環(huán)比：

    本周期 和上周期整體比較：例如2005年7月份與2005年6月份相比較稱其為環(huán)比

    環(huán)比增長速度=（本期數(shù)－上期數(shù)）/上期數(shù)×100%

    環(huán)比發(fā)展速度=本期數(shù) / 上期數(shù)×100%

• 縱向?qū)Ρ?#xff1a;單個事物在周期內(nèi)不同時間點上的狀態(tài)進(jìn)行的比較
  同比：本周期 和 上周期的同一點比較：避免周期性波動

• 趨勢圖

  單維度分許：分析整體的趨勢、周期性、異常值

  描述：上漲、快速上漲、上漲趨勢減緩、急跌、反彈、下趺、快速下跌、蕩下跌

多維分析

• ABtest

  應(yīng)用場景：體驗優(yōu)化、轉(zhuǎn)化率優(yōu)化、廣告優(yōu)化、算法優(yōu)化
  環(huán)節(jié)設(shè)置：現(xiàn)狀分析、假設(shè)構(gòu)建、人群分流、目標(biāo)設(shè)置、A/B/n版本制作、數(shù)據(jù)收集、結(jié)果分析:通過用戶行為分析用戶心理，從而優(yōu)化產(chǎn)品用戶體驗

• 象限分析法、

  實現(xiàn)：多維度分析，對數(shù)據(jù)在不同維度進(jìn)行交叉展現(xiàn)細(xì)分?jǐn)?shù)據(jù)，一般是兩個維度。根據(jù)不同的業(yè)務(wù)場景和業(yè)務(wù)需求，將任意兩個指標(biāo)作為坐標(biāo)軸

  例如：BCG模型/類BCG模型。分析渠道——通過用戶的質(zhì)量和數(shù)量分為四個部分；品牌的狀況——品牌GMV增長率和占有率；商品引流能力和轉(zhuǎn)化率：流量份額-轉(zhuǎn)化率；商品對毛利/GMV的貢獻(xiàn)：毛利率-銷售額

• 指數(shù)體系分析

  (數(shù)學(xué)基礎(chǔ)中有詳細(xì)解)確定不同因素對結(jié)果的影響大小

分類分析

• 決策樹
• 神經(jīng)網(wǎng)絡(luò)
• 貝葉斯分類
• SVM
• 隨機(jī)森林

流程法

• 漏斗分析

• 結(jié)構(gòu)分析

  場景：app功能分析;菜單級別

• 路徑分析

相關(guān)性分析

• 熱力圖分析
  基于鏈接的熱力圖
  基于像素的熱力圖

• 聚類分析

• 回歸分析

• 關(guān)聯(lián)分析

聚類分析

• 層次分析
• K-均值
• 模糊聚類
• 高斯回歸

回歸分析

• 線性回歸
• Logistic回歸

其他

• 時間序列分析
• 歸因分析
  線下平均歸因
  時間衰弱歸因
  根據(jù)位置綜合歸因

2.行業(yè)與公司框架

宏觀背景決定行業(yè)風(fēng)口，風(fēng)口決定公司的發(fā)展。基本的研究框架：

• 產(chǎn)品

  這個行業(yè)的主要產(chǎn)品是什么？
  產(chǎn)品的主要形態(tài)是什么？
  滿足了用戶哪一方面的需求？
  產(chǎn)品的替代品包括什么？
  產(chǎn)品的關(guān)鍵技術(shù)是哪一項？
  產(chǎn)品的成本結(jié)構(gòu)如何？

  • 產(chǎn)品生命周期PLC

    product life cycle，產(chǎn)品的生命都是有限的、不同階段的目標(biāo)、措施不同

    階段價值戰(zhàn)略指標(biāo)用戶

    開發(fā)		時間
    引入期		反饋
    成長期		增長
    成熟期		利潤
    衰退期

  • 品牌

    AIPL+FAST：AIPL：品牌在品牌體系里的人群資產(chǎn)定量化運(yùn)營，FAST模型：從數(shù)量和質(zhì)量上衡量消費(fèi)者運(yùn)營健康度模型

• 市場

  公司的市場定位？
  公司的主要用戶？
  市場空間有多大？
  近幾年的市場增長率有多高？
  預(yù)計未來幾年的市場增速如何？
  市場的主要玩家是誰？

  • 戰(zhàn)略鐘

    市場價格

  • STP市場定位理論

    市場定位

  • SWOT

    競爭

• 行業(yè)概括

  基本的行業(yè)術(shù)語
  行業(yè)的發(fā)展歷程和變遷
  行業(yè)的監(jiān)管情況和主要政策是什么？
  行業(yè)發(fā)展的有利因素和不利因素
  行業(yè)發(fā)展的瓶頸
  行業(yè)目前所處的周期
  行業(yè)的供應(yīng)鏈情況？

  • PESTEL

    用PESTEL模型分析，這個行業(yè)大環(huán)境如何？
    P：政治因素，是否是公有設(shè)施行業(yè)？是否受到政策和監(jiān)控的嚴(yán)控？如房地產(chǎn)
    E：經(jīng)濟(jì)因素，哪些經(jīng)濟(jì)因素影響了這個行業(yè)的發(fā)展？如奢侈品
    S：社會因素，社會風(fēng)俗和思想開放程度對這個行業(yè)有多大的影響？如醫(yī)美
    T：技術(shù)因素，技術(shù)是如何影響這個行業(yè)的？如手機(jī)
    E：環(huán)境因素，環(huán)保政策和環(huán)保理念如何影響行業(yè)發(fā)展？如新能源汽車
    L：法律因素，某些法律法規(guī)的出臺對行業(yè)的影響，如廣告法影響自媒體等。

  • 生態(tài)譜圖

    供應(yīng)鏈情況分析

• 競爭

  行業(yè)的競爭情況如何，是完全競爭？寡頭壟斷？還是寡頭競爭？
  業(yè)內(nèi)幾個主要玩家的盈利模式分別是怎樣的？
  在競爭勝出的關(guān)鍵行業(yè)因素是什么？
  該行業(yè)是否受到海外競爭的壓力？

• 近期的特殊事件。

  譬如中概股最近遭遇做空，包括愛奇藝、好未來等，如果你正在看教育行業(yè)，那這件事情是你應(yīng)該關(guān)注的。對于這些特殊事情，你在知乎上搜索也能找到很多的數(shù)據(jù)和各方說法，看個3-5篇的深度分析，對這件事情至少能夠在與一般人交談時比別人多出大概5%的談資。

從哪里獲取研究所需的報告和數(shù)據(jù)

如果是為了看行業(yè)總體數(shù)據(jù)，可以上國家統(tǒng)計局和對應(yīng)的行業(yè)協(xié)會官網(wǎng)，對于行業(yè)研究報告，推薦以下幾個地方：

1、證監(jiān)會官網(wǎng)

在證監(jiān)會官網(wǎng)上可以找到各個上市公司的上市時候的招股說明書，這是券商針對公司情況出具的一份翔實的報告，里面的行業(yè)部分通常是券商經(jīng)過仔細(xì)的調(diào)研得出的情況，當(dāng)然如果是太小的券商出具的報告，有可能深度不夠。可以找一下中金、招商、中信證券等大投行出的IPO對應(yīng)行業(yè)的某家公司的招股說明書。

2、巨潮資訊

證監(jiān)會指定的上市公司公開披露信息的網(wǎng)站，在上面可以找到各個上市公司的定期報告和招股說明書等。

3、東方財富網(wǎng)

對于未付費(fèi)用戶，每天可以免費(fèi)下三份報告，找報告的時候同樣挑選一下出具報告的券商，還是建議看幾個大投行的。

4、萬得

這個是要收費(fèi)的，而且很貴，一般人都不會買，大部分情況下是公司買了給員工用。如果你有朋友在金融機(jī)構(gòu)，可能他手里有公司發(fā)的賬號，你可以麻煩他下幾份。如果嫌麻煩，某寶上或者某魚上搜一搜，便宜得很。

5、網(wǎng)站：發(fā)現(xiàn)報告

這個網(wǎng)站上有“行業(yè)研究”、“宏觀策略”、“公司研究”、“招股說明書”和“其他報告”四個板塊，每天會新增幾百到上千份報告，報告來源于其他各個網(wǎng)站，包括消費(fèi)、互聯(lián)網(wǎng)等，常見的行業(yè)一般能在這上面搜到。

6、網(wǎng)站：并購家

這個網(wǎng)站關(guān)注的是行業(yè)內(nèi)的并購事件，也能在上面找到各個行業(yè)的報告。

7、網(wǎng)站：行行查

上面有行業(yè)數(shù)據(jù)、法規(guī)、技術(shù)變革、競爭格局等，是我最近用得比較多的一個網(wǎng)站，上面還會根據(jù)關(guān)鍵字提取報告中的內(nèi)容，譬如“商業(yè)模式”“產(chǎn)業(yè)鏈”等。

3.電商數(shù)據(jù)分析

無論何種形式的電子商務(wù)，GMV（ Gross Merchandise Volume 成交總額）是電子商務(wù)的核心指標(biāo)，從計算角度來分析：采用杜邦分析法即GMV= 用戶數(shù)*客單價；從管理角度分析最具有代表性的框架為：人、貨、場。

提示：對應(yīng)指標(biāo)在指標(biāo)篇中，此處不展開

用戶分析

用戶定義：？包括：用戶行為、用戶價值、用戶構(gòu)成

用戶心理：（現(xiàn)在無法落地到數(shù)據(jù)暫時不展開）馬斯洛需求：生理需求、安全需求、社交需求、尊重需求、自我實現(xiàn)

客戶生命周期模型

AARRR

? 用戶行為分析

AARRR是一個思考的框架，不是五個指標(biāo)。

每個方面下邊都有一堆指標(biāo)可以看;因為每一步的達(dá)成都需要眾多部門合作。

不是一個用戶必須走完五個流程，運(yùn)營時也不是分布進(jìn)行

用戶具體行為并不一定，而且運(yùn)營中存在同步進(jìn)行，基本是作為一個整體,關(guān)注的五個方面

不是說每個方面都得做到極致

不同的業(yè)務(wù), AARRR形態(tài)不同。有的業(yè)務(wù)就是靠大量轉(zhuǎn)發(fā)裂變,有的就是靠大量不付費(fèi)用戶撐起臺面,有的就是流失很嚴(yán)重,但是沙里淘金服務(wù)幾個大客戶。所以得具體問題具體分析

• Acquisition 獲客

  • 戰(zhàn)略：獲取新用戶

  • 戰(zhàn)術(shù)：拉新，運(yùn)營主要的目標(biāo)是引導(dǎo)用戶下載應(yīng)用，完成注冊

  • 戰(zhàn)斗：精準(zhǔn)定位，發(fā)掘渠道，

    通過SEM、SEO、CPS、ASO、換量、積分墻以及一些線下渠道，找到并發(fā)現(xiàn)目標(biāo)用戶，將用戶引入體系中來并誘發(fā)使用，完成這個階段的目標(biāo)。最終引入用戶的渠道質(zhì)量和匹配度，將決定用戶的有效轉(zhuǎn)化率和留存率。還有就是落地業(yè)等產(chǎn)品端的價值傳達(dá)。

  • 指標(biāo)：用戶增量、獲客成本

• Activation 激活

  • 戰(zhàn)略：留下目標(biāo)客戶群
  • 戰(zhàn)術(shù)：用戶體驗
  • 戰(zhàn)斗：
  • 指標(biāo) ：DAU/MAU、登錄次數(shù)/時長、活躍功能點

• Retention 留存

  • 戰(zhàn)略：留存率衡量著一個產(chǎn)品是否健康成長。

  • 戰(zhàn)術(shù)：減低流失

  • 戰(zhàn)斗：

    當(dāng)新用戶在某個時間段內(nèi)、按照某種頻率使用某個功能，則該用戶在本平臺的留存概率將最大化，進(jìn)而成為忠誠用戶。

  • 指標(biāo)：次日、3、7日、30日、90日留存率、生命周期長度、流失預(yù)警+重定位

• Revenue 收益

  • 戰(zhàn)略：傳播

  • 戰(zhàn)術(shù)：精準(zhǔn)營銷

  • 戰(zhàn)斗：交叉營銷

    基于平臺現(xiàn)有的產(chǎn)品類別，流量、爆款、利潤款，以各種運(yùn)營手段配合，促成用戶完成多次復(fù)購

  • 指標(biāo)：ARPU、LTV、消費(fèi)金額、頻次、消費(fèi)商品

• Referral 傳播

  • 戰(zhàn)略：復(fù)購

  • 指標(biāo)：傳播用戶數(shù)、傳播質(zhì)量、K因子

  • 戰(zhàn)術(shù)：誘導(dǎo)用戶對于平臺產(chǎn)品和服務(wù)進(jìn)行傳播。

    通過用戶推薦再次獲取新用戶，應(yīng)用運(yùn)營形成了一個螺旋式上升的軌道。而優(yōu)秀的應(yīng)用就很好地利用了這個軌道，不斷擴(kuò)大自己的用戶群體。

RFM：

• 介紹：用戶相對價值的劃分的經(jīng)典模型，

  Recency最近一次消費(fèi)時間間隔理論上，上一次消費(fèi)時間越近的顧客應(yīng)該是比較好的顧客，對提供即時的商品或是服務(wù)也最有可能會有反應(yīng)與顧客建立長期的關(guān)系: 如果顯示上一次購買很近的客戶，(消費(fèi)為1個月)人數(shù)如增加，則表示該公司是個穩(wěn)健成長的公司；反之，如上一次消費(fèi)為一個月的客戶越來越少，則是該公司邁向不健全之路的征兆。

  Frequency，消費(fèi)頻率，一段時間（比如1年）內(nèi)的消費(fèi)次數(shù)	消費(fèi)頻率是顧客在限定的期間內(nèi)所購買的次數(shù)。我們可以說最常購買的顧客，也是滿意度最高的顧客。	最常購買的消費(fèi)者，忠誠度也就最高。增加顧客購買的次數(shù)意味著從競爭對手處偷取市場占有率，由別人的手中賺取營業(yè)額。
  Monetary，消費(fèi)金額，一段時間（比如1年）內(nèi)的消費(fèi)金額	消費(fèi)、消費(fèi)頻率、消費(fèi)金額是測算消費(fèi)者價值最重要也是最容易的方法，而其中，消費(fèi)是最有力的預(yù)測指標(biāo)，消費(fèi)金額決定客戶重要性	也所有數(shù)據(jù)庫報告的支柱，也可以驗證“帕雷托法則”(Pareto’s Law)——公司80%的收入來自20%的顧客。

• 分類

  “忠誠度的階梯”(loyalty ladder)，其訣竅在于讓消費(fèi)者一直順著階梯往上爬，實際運(yùn)用上，我們只需要把每個維度做兩分即可，這樣在3個維度上我們依然得到了8組用戶。
  

  用戶分類采取不同的運(yùn)營決策識別有價值的用戶

  用戶分類距今間隔消費(fèi)頻率（F消費(fèi)金額（M）

  重要價值用戶	1	1	1	對這部分優(yōu)質(zhì)客戶要特殊保護(hù)
  重要發(fā)展用戶	1	0	1	忠誠度不高，很有潛力的用戶，需要對其識別后進(jìn)行個性化推薦，增加用戶付費(fèi)次數(shù)，提高粘性
  重要保持用戶	0	1	1	說明這是個一段時間沒來的忠誠客戶，需要運(yùn)營/業(yè)務(wù)人員對其進(jìn)行喚回（可用紅包、獎勵、優(yōu)惠券等方式）
  重要挽留用戶	0	0	1	可能是我們的潛在客戶或易流失客戶，可以找到該部分用戶讓其給出反饋建議等
  一般價值用戶	1	1	0	可能是對價格較敏感或付費(fèi)能力不足，可對該部分用戶進(jìn)行商品關(guān)聯(lián)推薦
  一般發(fā)展用戶	1	0	0	新客戶，可對該部分用戶增加關(guān)懷，推送優(yōu)惠信息，增加粘性
  一般保持用戶	0	1	0	該部分客戶可能快要流失，可低成本營銷
  一般挽留用戶	0	0	0	有可能不是目標(biāo)客戶，若經(jīng)費(fèi)有限可忽略此類用戶

• 計算

• 設(shè)定標(biāo)準(zhǔn)

• 打分
  

• 計算均值
  

• 分類
  

TGI指數(shù)

• 定義

  每一種用戶形態(tài)組合，對應(yīng)一個結(jié)果。TGI指數(shù)反映目標(biāo)群體在特定研究范圍(如地理區(qū)域、人口統(tǒng)計領(lǐng)域、媒體受眾、產(chǎn)品消費(fèi)者]內(nèi)的強(qiáng)勢或弱勢的指數(shù)。

• 計算

  TGI指數(shù)=用戶分類中具有某一特征的群體所占比例/總體中具有相同特征的群體所占比例*100

• 用法

• 將目標(biāo)用戶進(jìn)行分類，

• 對比各類用戶與總體之間的差異性

  要論證一種形態(tài)組合比另一種更好,要么做標(biāo)桿對比：每個組合的收入；要么看時間線上,每個組合對應(yīng)的利潤、成本等指標(biāo)變化。比如在分析用戶的年齡段時，可以通過TGI指數(shù)對比各用戶分類與總體在各年齡段的差異，設(shè)用戶分類1中16-25歲的用戶占比為4%，而總體中16-25歲的用戶占比為8.3%，那么用戶分類1在16-25歲用戶中的TGI指數(shù)為4%/8.3%=48。依照這一方法，我們可以對各類用戶在各年齡段的TGI指數(shù)進(jìn)行對比。如上圖所示，各類目標(biāo)用戶在16-25歲這個年齡段的占比都比總體小（TGI指數(shù)<100），其中分類1的用戶年齡偏大，因為該類用戶在36歲以上各個年齡段的TGI指數(shù)都明顯高于100，且同時高于其他三類用戶。

• TGI指數(shù)等于100表示平均水平，高于100，代表該類用戶對某類問題的關(guān)注程度高于整體水平

其他：

（LTV）：客戶終生價值

用戶體驗?zāi)Ｐ?#xff1a;HEART

商品分析

• 定義：

  產(chǎn)品，解決一系列問題的工具。商品，具體的交易物。商品分析主要指：商品，負(fù)責(zé)商品規(guī)劃，涉及：需求預(yù)測、供應(yīng)鏈管理。量、收、利、進(jìn)、銷、存：零售行業(yè)，無論線上線下都是這六個關(guān)鍵指標(biāo)：總量、收入、利潤、采購（進(jìn)）、存貨。和AARRR一樣，有一堆二級三級小指標(biāo)。

杜邦分析法

起源于財務(wù)領(lǐng)域，擴(kuò)展很多。通過數(shù)學(xué)公式和維度選擇，層層拆解，能夠用于初步定位問題所在。

ABC 分類法

ABC 分類法 (Activity Based Classification) ，全稱應(yīng)為 ABC 分類庫存控制法。又稱帕累托分析法，28法則。

場景分析（產(chǎn)品）

• 產(chǎn)品介紹

  • 核心目標(biāo)

    解決目標(biāo)用戶市場一個什么問題，這個問題分析的越透徹，產(chǎn)品核心目標(biāo)越準(zhǔn)確。如：360安全衛(wèi)士解決用戶使用電腦的安全問題。

  • 產(chǎn)品定位

    目標(biāo)用戶群是誰？目標(biāo)用戶群分析的越透徹，越清晰，對于后期產(chǎn)品推廣起關(guān)鍵性助推作用。一句話，比如，陌陌一款基于地理位置的移動社交工具。鳥哥筆記：分享互聯(lián)網(wǎng)產(chǎn)品，運(yùn)營推廣干貨。

  • 產(chǎn)品設(shè)計

    功能、技術(shù)、可用性

  • 重心

    1.使用廣度：總用戶數(shù)，月活；

    2.使用深度：每人每天平均瀏覽次數(shù)，平均訪問時長；

    3.使用粘性：人均使用天數(shù)；

    4.綜合指標(biāo)：月訪問時長=月活人均使用天數(shù)每人每天平均瀏覽次數(shù)*平均訪問時長

    在產(chǎn)品初期，核心的工作是拉新，應(yīng)該更加關(guān)注產(chǎn)品的使用廣度，而產(chǎn)品的中后期，應(yīng)該更加注重使用深度和使用粘性的提升。

    • 對于不同的產(chǎn)品也需根據(jù)產(chǎn)品的性質(zhì)來確定核心指標(biāo)，比如，對于社交類產(chǎn)品，使用廣度和使用粘性至關(guān)重要，而對于一些中臺分析類產(chǎn)品，提升使用深度和使用粘性更有意義。

      工具類：啟動次數(shù)很重要

      社區(qū)類：活躍用戶和UGC（User Generated Content）用戶原創(chuàng)內(nèi)容”很重要

      游戲：在線人數(shù)和ＡＲＰＵ值是關(guān)鍵

      移動電商：主要關(guān)注成交銷售額。包括訂單轉(zhuǎn)化率和金額轉(zhuǎn)化率

轉(zhuǎn)化漏斗

漏斗模型,常用來改善內(nèi)容投放、新用戶注冊、產(chǎn)品流程。這些工作往往是若干環(huán)節(jié)組合,用戶在操作過程中會因為環(huán)節(jié)太多而流失,類似漏斗的效果,所以有漏斗模型的說法。

根據(jù)流程，分析析每個環(huán)節(jié)的：轉(zhuǎn)化量，轉(zhuǎn)化率、停留時長，訪問深度。通過標(biāo)桿/同比、環(huán)比的比較判斷好壞。考慮到設(shè)計產(chǎn)品的用戶行為路徑，其中詳情頁的轉(zhuǎn)化率是最為重要的指標(biāo)。

• 購買轉(zhuǎn)換率：訪客中購買商品的比例，購買客戶數(shù)/訪客數(shù)

• 詳情頁到達(dá)率:詳情頁UV/曝光率

  詳情頁的主要來源：入站UV——直接落地詳情頁、入站UV——聚合頁（從首頁進(jìn)入、從頻道進(jìn)入、從分類頁進(jìn)入、從品牌頁進(jìn)入）、入站ＵＶ——商品詳情頁（關(guān)聯(lián)銷售）——詳情頁，分析聚合頁進(jìn)入

• 詳情頁下單轉(zhuǎn)化率：

  詳情頁缺少吸引力

• 支付成功率

  支付引導(dǎo)差/支付工具問題

場景分析（營銷）

可以粗略的理解為：用戶的消費(fèi)場景的搭建。重在提高用戶的體驗,對各場景進(jìn)行優(yōu)化,增強(qiáng)客戶粘性。沒有創(chuàng)造牛x的運(yùn)營策略，只是因為發(fā)現(xiàn)了用戶在xx場景下的xx需求，通過我們設(shè)定的路徑和工具，幫助用戶實現(xiàn)了而已。

• 渠道來源：

  referral-引薦網(wǎng)站：指向本網(wǎng)站的其他網(wǎng)站

  direct-直接進(jìn)入：直接輸入網(wǎng)站或者通過收藏夾進(jìn)入，一般是老客戶

  organic sercch-自然搜索、other-一般付費(fèi)流量

  paid search 付費(fèi)搜索

• 場景：

  • 線上場景: APP/網(wǎng)站內(nèi)部的消費(fèi)場景：頁面項目,內(nèi)部檢索,專題頁面,站內(nèi)廣告,
  • 線下場景:各城市分布,各門店銷售。

渠道分析

• 用戶轉(zhuǎn)化率—導(dǎo)入用戶數(shù) 平面坐標(biāo)

  優(yōu)質(zhì)渠道 、潛力渠道、垃圾渠道、混雜渠道

• 轉(zhuǎn)化率分析：漏斗模型

• 辨別渠道作弊

  • 渠道效果評估：留存率

  • 用戶終端

    1、方法：關(guān)注低價設(shè)備排名

    2、方法：關(guān)注新版本的操作系統(tǒng)的占比

    3、關(guān)注wifi網(wǎng)絡(luò)的使用情況

    4、定向投放也很重要

  • 用戶行為

    1、比較用戶行為數(shù)據(jù)

    2、了解新增用戶、活躍用戶小時時間點數(shù)據(jù)曲線

    3、查看用戶訪問的頁面明細(xì)細(xì)

  • 轉(zhuǎn)化率分析

  • 反作弊模塊

    （1）設(shè)備號異常：頻繁重置idfa

    （2）ip異常：頻繁更換地理位置

    （3）行為異常：大量購買特價商品等

    （4）數(shù)據(jù)包不完整：只有啟動信息，不具備頁面、事件等其他用戶行為信息

十一、數(shù)據(jù)可視化 visualization

• 類別

  靜態(tài)圖表

  動態(tài)交互圖形

• 制作方式

  自動圖表化

  手動圖表化

• 流程

• 確定主題

• 匯總數(shù)據(jù)

• 分析數(shù)據(jù)格式

• 探索表達(dá)方式

  根據(jù)數(shù)據(jù)類型和業(yè)務(wù)目的選擇

• 創(chuàng)意草圖

• 編輯

• 設(shè)計

• 檢驗

常用圖形

復(fù)雜圖是簡單圖形的組合，最基礎(chǔ)：條形圖、餅圖、柱狀圖

• 比較：對比

  • 條形圖

    顯示Y軸各個項目之間的比較情況

  • 柱形圖

    通常描述的是分類數(shù)據(jù)，用于顯示一段時間內(nèi)的數(shù)據(jù)變化或顯示各項之間的比較情況。

  • 雷達(dá)圖

    當(dāng)系列值多于兩個的時候，再用柱形圖會使柱形圖顯得擁擠，這個時候我們可以選擇雷達(dá)圖

  • 目標(biāo)完成率圖

• 聯(lián)系：查看兩個變量之間關(guān)系

  氣泡圖

  雙坐標(biāo)軸圖

  • 旋風(fēng)圖

  • 作用

  用于兩個項目不同指標(biāo)或者不同系列的對比,另外一個作用就是表示兩個數(shù)據(jù)之間的相關(guān)關(guān)系

  步驟：

  選中數(shù)據(jù) → 插入簇狀條形圖 → 右擊數(shù)據(jù)條選中設(shè)置數(shù)據(jù)系列格式 → 把主次坐標(biāo)軸數(shù)字大小調(diào)成一樣 → 選中一個標(biāo)簽然后逆序 → 最后設(shè)置坐標(biāo)軸格式去掉負(fù)數(shù)

• 構(gòu)成：組成要素，每個部分所占整體的百分比

  • 餅圖:

    餅圖以二維或三維格式顯示每一數(shù)值相對于總數(shù)值的大小

  樹形圖、排列圖 、

  • 漏斗圖:

    漏斗圖主要是在條形圖的基礎(chǔ)上繪制，主要使用的是堆積條形圖。

    適用于業(yè)務(wù)流程比較規(guī)范、周期長、環(huán)節(jié)多的單流程單向分析，通過漏斗各環(huán)節(jié)業(yè)務(wù)數(shù)據(jù)的比較，能夠直觀地發(fā)現(xiàn)和說明問題所在，為決策者提供一定的參考。

• 分布：關(guān)心各數(shù)值范圍包含多少項目，如

  柱形圖

  • 盒式圖：數(shù)據(jù)基礎(chǔ)中有

  • 散點圖

    顯示變量之間的相互影響程度，點的位置由變量的數(shù)值決定。

  • 帕累托圖

    排列圖，主次圖、主要用于質(zhì)量分析原因定位等.原則就是二八原則

  • 直方圖

    高代表數(shù)據(jù)密集 ，低代表數(shù)據(jù)較少

    直方圖畫法: X——max-min均勻區(qū)間；Y——頻數(shù)

  • 地圖，甘特圖

• 看趨勢

  • 折線圖：

  面積圖:又叫區(qū)域圖，面積圖強(qiáng)調(diào)數(shù)量隨時間而變化的程度， 它是在折線圖的基礎(chǔ)之上形成的, 它將折線圖中折線與自變量坐標(biāo)軸之間的區(qū)域使用顏色或者紋理填充，顏色的填充可以更好的突出趨勢信息

  • 迷你圖

    最大化數(shù)據(jù)墨水比原則:保留有效元素，去除無效元素,淡化非主要元素

十二、常見指標(biāo)

注意時間維度

1. 用戶指標(biāo)

• 規(guī)模數(shù)量

  • 流量

    訪問量/啟動次數(shù)：會話session次數(shù)，用戶打開第一個網(wǎng)頁之后啟動一次會話，編號為sessionID=X，用戶30min內(nèi)無操作或者關(guān)閉網(wǎng)頁，會話結(jié)束，計為一次會話；

    UV：（unique visitor）一定時間獨(dú)立訪客數(shù)：在網(wǎng)站系統(tǒng)中會依據(jù)用戶的瀏覽器、設(shè)備編號等為用戶分配一個編號，這個編號被稱為Cookie，訪客數(shù)就是COOKie數(shù)，更換瀏覽器或者設(shè)備cookie會變；
    PV：（Page View） 頁面瀏覽次數(shù)

  • 用戶數(shù)

    用戶數(shù)、

    新客用戶數(shù)：表示網(wǎng)站客戶規(guī)模的增長速度；

    產(chǎn)品每天新增的用戶數(shù)
    老客用戶數(shù)、

    新/老用戶數(shù)量比

  • 召回

    召回 召回數(shù) 召回率

• 質(zhì)量

  • 用戶活躍

    AU（）活躍用戶數(shù)：一段時間內(nèi)啟動過應(yīng)用的設(shè)備數(shù)，表示用戶的規(guī)模
    DAU(Daily Active User)日活躍用戶數(shù)量：日活躍用戶數(shù)波動較大一般用作當(dāng)天的引流效果。通過DAU可以很直觀的了解產(chǎn)品的所處在的生命周期。
    MAU（即monthly active users）：月活躍用戶數(shù)量相對穩(wěn)定，用來表示活躍用戶數(shù)
    活躍系數(shù)：？

    流失用戶：是指連續(xù)n周沒有啟動過應(yīng)用的應(yīng)用

    忠誠用戶：連續(xù)活躍n周以上的用戶

  • 意向

    詢單量
    詢單轉(zhuǎn)化率
    平均接待時長
    店鋪評分

  • 轉(zhuǎn)化率

    轉(zhuǎn)化：最重要的。根據(jù)具體情況定義，任何有意義的動作都可以是轉(zhuǎn)化。達(dá)成某種目標(biāo)的訪客數(shù)（訪問量）/總的訪客數(shù)（訪問量），采用訪問量量意味著每次訪問都是下單或者購買的機(jī)會，訪客數(shù)意味著購買之前多次訪問是正常的。

    訂單轉(zhuǎn)化率

    來源轉(zhuǎn)化率

    注冊轉(zhuǎn)化率

    行為完成率

  • 留存

    n日留存計算：使用粘性。 統(tǒng)計日期內(nèi)新增的用戶或活躍用戶，在第N天又來使用的比例，可以參考行業(yè)值對標(biāo)自己的應(yīng)用留存是否健康；不同維度下用戶流失的情況 閱讀資訊、社交溝通、系統(tǒng)工具是留存率最高的三類應(yīng)用，在4個月以后的留存率穩(wěn)定在10%左右。

    次日留存率：新手引導(dǎo)設(shè)計和新用戶轉(zhuǎn)化路徑

    7日留存率：在這個時間段里，用戶通常會經(jīng)歷一個完整的使用和體驗周期，如果在這個階段用戶能夠留下來，就有可能成為忠誠用戶

    30日留存率：APP版本更新是否對用戶有影響 通常移動APP的迭代周期為2-4周一個版本，

    渠道留存：渠道不同用戶質(zhì)量也會有差別，而且排除用戶渠道差別的因素以后，再去比較次日，周留存，可以更準(zhǔn)確的判斷產(chǎn)品上的問題

  • 消費(fèi)

    APA（Active Payment Account）活躍付費(fèi)賬戶

    ARPU (Average Revenue Per User)即客單價=總收入/總用戶數(shù) =銷量*單價/總用戶數(shù)=人均購買的件數(shù)*件單價**。付費(fèi)能力

    ARRPU：（付費(fèi)用戶人均付費(fèi)） 總收入/付費(fèi)用戶數(shù)

    UP付費(fèi)率：付費(fèi)用戶/總用戶數(shù) ，區(qū)別對待付費(fèi)用戶和免費(fèi)用戶，兩者行為差別很大，單獨(dú)跟蹤和對待付費(fèi)用戶的行為流失，服務(wù)好付費(fèi)用戶提升金額就可以提升交易額

    購買次數(shù)

    復(fù)購率：消費(fèi)N次以上的人數(shù)/付費(fèi)用戶，代表電商的用戶粘性
    首次付費(fèi)時間：用戶激活多久后才會開始付費(fèi)，有助于把握轉(zhuǎn)化用戶的時間節(jié)點適合的時間嘗試引導(dǎo)付費(fèi)

    客單價

    新用戶客單價：和新用戶的留存有很大關(guān)系；
    連帶率 ：人均購買件數(shù)，是指每個客戶購買了幾件商品，這個指標(biāo)常用來衡量關(guān)聯(lián)銷售的效果——（組合裝/單價裝、推薦效果——推薦帶來的銷售額）

    LTV::用戶生命周期總價值

  • 傳播

    轉(zhuǎn)發(fā)率

    邀請率

  • UGC

    發(fā)表文章、點贊、評論、閱讀、訂閱、

    熱度：熱度＝分享次數(shù)＋推薦次數(shù)＋點贊次數(shù)。

2.商品指標(biāo)

量、收、利、進(jìn)、銷、存：總量、收入、利潤、采購（進(jìn)）、存貨。

• 品類

  品類結(jié)構(gòu)：男、女、童裝

  銷量結(jié)構(gòu)：爆旺平滯

  尺碼結(jié)構(gòu)：XS、S、M、XL，XXL，

  季節(jié)款：

  風(fēng)格款：

  時間：上架天數(shù)/可售天數(shù)

  商品層次：備貨款、新款、淘汰款、

• 量

  總量

  sku數(shù)

  銷量：歷史銷量、預(yù)測銷量；總體、品類；

  訂單量：訂單數(shù)（關(guān)系到支付壓力和倉庫發(fā)貨的任務(wù)量）

  售罄率

  斷碼率：**重點商品的缺貨率（爆款缺貨的比例）**造成客戶流失的重要指標(biāo)

  加貨次數(shù)

  增長率（歷史增長/平臺增長）

• 收入

  GMV（ Gross Merchandise Volume，網(wǎng)站成交金額）：GMV=實際成交額+取消訂單金額+拒收訂單金額+退貨訂單金額。體現(xiàn)電商平臺的交易規(guī)模

  實際成交額/GMV:購買意向

  凈銷售額（不含退貨）：凈銷售額是統(tǒng)計期間內(nèi)的銷售業(yè)績減去期間退貨的業(yè)績

  銷售結(jié)構(gòu)（品類/價格帶/折扣帶）

  業(yè)績增長率

• 利潤

  件單價:熱銷商品的價格波動

  毛利：總體、單體；品類

  價格帶

  折扣

• 采購（供應(yīng)鏈）

  • 供應(yīng)商：響應(yīng)周期

  • 庫存

    總量
    周轉(zhuǎn)率
    庫存金額（成本/ 吊牌）
    有效庫存比（適銷）
    庫存結(jié)構(gòu) （年份/品類/價格帶）
    存銷比
    斷碼率
    斷貨率
    品類占比
    貨齡（存貨天數(shù)）
    各商品層次SKU數(shù)
    備貨SKU數(shù)

  • 制造商

    貨期
    時效
    產(chǎn)能
    超期率

  • 倉儲配送

    送貨時間

    妥投及時率：（妥投到客戶的訂單中，安裝約定時間妥投的比例），重要的客戶體驗指標(biāo)，影響客戶的回購率；

• 評價

  退貨率（整體/單款）

3.產(chǎn)品指標(biāo)

• 使用廣度

  總用戶數(shù)，月活；

  • 用戶活躍

    AU（）活躍用戶數(shù)：一段時間內(nèi)啟動過應(yīng)用的設(shè)備數(shù)，表示用戶的規(guī)模
    DAU(Daily Active User)日活躍用戶數(shù)量：日活躍用戶數(shù)波動較大一般用作當(dāng)天的引流效果，
    MAU（即monthly active users）：月活躍用戶數(shù)量相對穩(wěn)定，用來表示活躍用戶數(shù)
    活躍系數(shù)：？

  • 功能使用率:使用某功能的用戶占活躍用戶數(shù)的比例，用來表示某個功能的受歡迎的程度

• 使用深度

  人每天平均瀏覽次數(shù)，平均訪問時長；

  • 瀏覽深度

    Tp（Time on Page）停留時長

    PV（page view ）瀏覽的頁面數(shù)量：頁面停留時長和網(wǎng)站停留時長，平均值，在此頁面（站）的總停留時長/此頁面（站）總的訪問量；

    PV/UV：

    日平均使用時長： 用戶使用APP或網(wǎng)站/頁面的總時長=總時長/總用戶數(shù)

    軌跡：訪問的頁面明細(xì)

    跳出率：非常重要，指的是來到網(wǎng)站后沒有任何操作就離開的比例，落地頁的訪問量/總的訪問量

    頁面點擊：頁面熱點圖**

    退出率：衡量某個網(wǎng)站推出的概率，無論從哪里進(jìn)入最終從這里退出的比例，從一個頁面退出的次數(shù)/訪問次數(shù)

• 使用粘性：

  人均使用天數(shù)；

  每次啟動活躍時長

  訪問間隔

  時間點數(shù)據(jù)曲線

• 用戶終端

  設(shè)備價格

  操作系統(tǒng)

  wifi使用情況

  ip分布

• 綜合指標(biāo)：月訪問時長=月活人均使用天數(shù)每人每天平均瀏覽次數(shù)*平均訪問時長。

  導(dǎo)出率：點擊該頁面上鏈接的次數(shù)除以進(jìn)入該頁面的次數(shù)

  商品導(dǎo)出率：在該頁面上點擊商品詳情頁的次數(shù)除以進(jìn)入該頁面的次數(shù)，

  推薦商品點擊率：點擊推薦商品的比例／在商品詳情頁看到推薦的訪客。

4.營銷指標(biāo)

需要時刻保持對于ROI的關(guān)注，保證運(yùn)營活動的必要性和有效性。

運(yùn)營完成后，需及時復(fù)盤，查看最終結(jié)果與預(yù)期目標(biāo)的差距、投入產(chǎn)出的最終比例，以及運(yùn)營前后數(shù)據(jù)的變化等。通過復(fù)盤，提升運(yùn)營活動質(zhì)量的持續(xù)性

• 流量來源

• 獲客成本：

  CAC(用戶獲取成本)

  CPC(每次點擊付費(fèi))

  CPT(按時長付費(fèi))

  CPM(千人成本) 、

  CPS(按提成收費(fèi))

• 同 用戶留存指標(biāo)

• 同 產(chǎn)品轉(zhuǎn)化指標(biāo)

十三 工具偏

1. 網(wǎng)站分析工具

• 百度統(tǒng)計

• GoogleAnalytics：

• 對比

  百度統(tǒng)計GoogleAnalytics：

  	如果做二次開發(fā)（埋點）：可以統(tǒng)計訂單交易數(shù)據(jù)、用戶點擊、注冊、下載等動作（事件） 百度：國內(nèi)用的最多的免費(fèi)網(wǎng)站流量統(tǒng)計工具，速度快	GA：GoogleAnalytics，國外用的最多的免費(fèi)網(wǎng)站流量統(tǒng)計工具，功能豐富 http://www.google.com/analytics/
  適合：	流量統(tǒng)計輔助工具	貿(mào)類型的網(wǎng)站，服務(wù)器架設(shè)在國外，用戶主要是國外用戶
  費(fèi)用：	免費(fèi)，數(shù)據(jù)準(zhǔn)確，	基礎(chǔ)版本免費(fèi)（據(jù)說數(shù)據(jù)量太大千萬以上就不正確）
  用處：	學(xué)習(xí)其分析方法和原理，面試的時候要求會。工作中用的比較多，因為百度的市場份額大通過百度SEO訪問來源的用戶精準(zhǔn)	學(xué)習(xí)其分析方法和原理，面試的時候要求會，不過基本不用 國內(nèi)訪問不了，需要掛VPN。國外的數(shù)據(jù)經(jīng)常有差錯，會丟包！準(zhǔn)確率70%左右。
  部署人員：	分析師+（WEB開發(fā)工程師）	分析師+WEB開發(fā)工程師
  缺點：	提供的數(shù)據(jù)不夠全面，不過基本夠用	國內(nèi)用戶少，不能和推廣工具直接對接。
  優(yōu)點：	免費(fèi)，可以很好地和百度推廣賬號打通。	功能強(qiáng)大
  類型工具：	CNZZ、騰訊統(tǒng)計
  原理	通過一段js代碼，獲取訪客行為和頁面的信息，
  分析方法	統(tǒng)計渠道推廣ROI 估計百度推廣渠道的轉(zhuǎn)化效果 統(tǒng)計訂單數(shù)據(jù) 統(tǒng)計網(wǎng)站流量和用戶行為細(xì)節(jié)數(shù)據(jù) 統(tǒng)計關(guān)鍵的事件（咨詢、下載、點擊） 案例http://coric.top/zh/h2h 數(shù)據(jù)https://tongji.baidu.com/web/demo/visit/district?siteId=5503017

2.移動端分析工具

國外——flurry、Google Analytics；國外——友盟、TalkingData；Crash分析工具——crashlytics

番外篇：基本素養(yǎng)

自上而下設(shè)計，自下而上回歸，這種層層遞進(jìn)的邏輯方法，也是數(shù)據(jù)分析的短板。從經(jīng)驗上看，數(shù)據(jù)分析師做的方案往往傾向于保守，往往缺少創(chuàng)意，這些都是太過理性的后遺癥。而實際上商業(yè)成功往往不是理性的結(jié)果。天才的創(chuàng)意、勇猛的膽識、無敵的運(yùn)氣、過人的機(jī)智、誘人的魅力、不可挑戰(zhàn)的權(quán)力，可能都是成功的因素。
然而，數(shù)據(jù)分析的獨(dú)特吸引力也在這里。你會發(fā)現(xiàn)創(chuàng)意、機(jī)智、魅力是天生的，權(quán)力、運(yùn)氣可遇不可求的，膽識加在蠢人身上就是災(zāi)難。唯獨(dú)數(shù)據(jù)分析能力是可以通過學(xué)習(xí)、訓(xùn)練、實驗、記錄來不斷提升的。所以基于數(shù)據(jù)提可行性建議，可能不會被采納，但只會越來越被重視。經(jīng)濟(jì)大潮來了，怎么都能成功，現(xiàn)在水勢不明的時候，就是數(shù)據(jù)方法大放異彩了

醫(yī)者意識

需求如患者，分析如醫(yī)者。需要理論扎實，也需要觀察到位，溝通到位，要對癥下藥，實事求是，還需要循序漸進(jìn)，認(rèn)識任何數(shù)據(jù)產(chǎn)品都不是靈丹妙藥。

指標(biāo)意識

如同醫(yī)生通過體溫、儀器測試推斷病情，除了多維度獲取信息外還需要知道正常值的范圍。
1. 取數(shù)和分析的基本區(qū)別：是否使用了數(shù)據(jù)指標(biāo)來描述問題。
2. 判斷標(biāo)準(zhǔn)一定要事先立!太多項目死于“提高銷量”“增加活躍度”這種含糊的標(biāo)準(zhǔn)到底提高多少!增加多少,事前要有判斷。
3. 數(shù)據(jù)指標(biāo)需要得到需求方的驗證

業(yè)務(wù)意識

數(shù)據(jù)作為一個產(chǎn)品，和所有的產(chǎn)品一樣，想助力業(yè)務(wù)，要有用戶，場景，痛點。場景拆分的越細(xì)，越能夠擊中用戶痛點，所以得從基礎(chǔ)一線業(yè)務(wù)認(rèn)真研究起，分析要結(jié)合業(yè)務(wù)動作。

• 細(xì)節(jié)優(yōu)于大招
  實際業(yè)務(wù)是由許許多多個環(huán)節(jié)構(gòu)成的,業(yè)務(wù)上有多個控制點能陽止問題發(fā)生,并且控制點數(shù)據(jù)需求是不同的,所以可以分場景,做細(xì)致的分析。
  這也是為啥不推薦憋超牛逼模型的原因。大部分業(yè)務(wù)流程中,人為干預(yù)點極多,最后業(yè)務(wù)做不好,很有可能就是單純因為人蠢、壞,所以賭一個模型能預(yù)測所有,非非常危險
  
• 實用意識
  在實際工作一定要牢記這點遇到事先問三問： 1. 數(shù)據(jù)足不足夠 2. 時間允不允許3. 業(yè)務(wù)買不買單。
  • 尊重數(shù)據(jù)，尊重數(shù)據(jù)落地的規(guī)律，尊重每一種數(shù)據(jù)產(chǎn)出形式。
    不要覺得我有個“數(shù)據(jù)XX的頭銜”，就得看各種高深的算法理論才算有用。搞理論是科學(xué)家的事，在企業(yè)上班就得干點實際有用的東西。要因地制宜選擇方法。在企業(yè)中，不是方法越難越有價值，而是越能幫助到業(yè)務(wù)才越有價值。同樣效果前提下，方法越簡單越好。因此真正做工作的時候，往往是在時間、數(shù)據(jù)、業(yè)務(wù)需求限制下，選擇最短平快的方法。至于復(fù)雜的方法，可以在工作有余力的時候自己嘗試。想探索數(shù)學(xué)的奧秘，可以去讀個博士做科研。在企業(yè)做數(shù)據(jù)分析是為了助力業(yè)務(wù)，并不是自己嗨。
  • 不要單純的為了搞指標(biāo)而搞指標(biāo)。
    這和工作習(xí)慣有直接系。很多同學(xué)不是試圖自己去理解業(yè)務(wù)流程、業(yè)務(wù)目標(biāo)，而是去找一個“權(quán)威”“正式”“完美”“通用”版的指標(biāo)體系。結(jié)果就是只會到處抄抄抄，看似做了很多，結(jié)果連看數(shù)據(jù)的人都沒幾個。

溝通意識

• 不做溝通：不管業(yè)務(wù)目前啥水平，自己干自己的。項目配合不暢，總被批不懂業(yè)務(wù)
• 做溝通但沒有檢驗：誤以為業(yè)務(wù)很“數(shù)據(jù)思維”，結(jié)果才發(fā)現(xiàn)這幫人只是披著數(shù)據(jù)外衣的經(jīng)驗主義！
• 有檢驗但盲目自大：做數(shù)據(jù)的，自己看不起報表，覺得報表太簡單，非要憋一個超牛逼模型出來，一模定乾坤。項目工期太久，業(yè)務(wù)等得不耐煩
• 有檢驗、不自大，但太過糾結(jié)：總怕做錯，溝通頻率太低，自己糾結(jié)細(xì)節(jié)，進(jìn)度磨磨唧唧。項目期望值太高，最后一地雞毛

工程思維

與直覺思維不同，工程思維是數(shù)學(xué)、工程工具、邏輯去尋找答案，解決問題的一種思維方式。做數(shù)據(jù)分析，感性是用于溝通流的，核心是理性。用邏輯性對抗情緒化，我們些感覺、情緒、沖動都是我們的大敵，要堅決消滅！
脫離概率談個案、脫離整體談細(xì)節(jié)、脫離數(shù)據(jù)談現(xiàn)狀、脫離標(biāo)準(zhǔn)談判斷，統(tǒng)統(tǒng)都是耍流氓！

用一個正確的數(shù)學(xué)或者工程工具去尋找答案，不會犯本質(zhì)的錯誤。這就如同你看螞蟻的爬行軌跡時, 不能跟在它的后面,而要從它的上方 |看。所謂掌握工程思維的技巧,就是要 比生活超越一個層級。

在沒有數(shù)據(jù)之前不要輕易給出結(jié)論
1+1/2+1/4＋1/8＋ 1/16.……,不斷加下去會是無窮大嗎?有 人覺得會,因為加的數(shù)字是無窮無盡 的。其實,在數(shù)學(xué)上可以嚴(yán)格地證明即 便無限加下去,總和也不會超過2。1+1/2+1/3+1/4 + 1/5……,不斷加下去會有極限么?如果 你按照上一個問題的思路來考慮這個問 題,得到的結(jié)論應(yīng)該是有一個極限,因 為也是越加越小,加的數(shù)字趨近于零。 如果你是這么想的,我不得不告訴你, 非常遺憾,你猜錯了,這個序列加下去 |還真是無窮大。

極限思維：今天,稍微有一點經(jīng)驗的工程師 都知道,任何產(chǎn)品的性能都有一個物理 上無法突破的極限,這個極限并不需要 等到工程上接近它的那一天到來時才知 道,而是早就可以通過已有的理論直接 給出。

超模板意識

醫(yī)學(xué)教科書上的描述代表大多數(shù)患者的共性，而醫(yī)生要解決的是眼前這個病人的問題，而病人的病情資料永遠(yuǎn)都不會完整，病癥表現(xiàn)的存在多樣性，病情存在的個體差異性。在企業(yè)里數(shù)據(jù)分析也是同樣的處境，從來就沒有

一個數(shù)據(jù)集把所有問題分析清楚的事，往往是監(jiān)控一些數(shù)據(jù)發(fā)現(xiàn)問題，討論后又找其他數(shù)據(jù)驗證，需要關(guān)聯(lián)多組數(shù)據(jù)。

從來就沒有一個固定分析思路，每個問題都得舍身處理考慮業(yè)務(wù)場景。即使一點點場景變化，組織數(shù)據(jù)的方式也會不同。

在企業(yè)里，從來就沒有一個固定匯報模板。天天講空話鬼愿意聽。只有切中聽眾最關(guān)心的問題，數(shù)據(jù)匯報才會起到好效果。

實際需求都是一個模板，一個數(shù)據(jù)集，一個范例解決不了的。優(yōu)秀的數(shù)據(jù)分析師，腦子里裝的是一個個具體的業(yè)務(wù)問題，然后拿數(shù)據(jù)解釋問題，從問題中發(fā)現(xiàn)新數(shù)據(jù)。流水線上工人，才是對著模板擰螺絲，每一個操作都一模一樣。引以為戒。

---

接地氣學(xué)堂 ??

我家門前的大樹年年都在長，中國GDP也年年在漲，兩列數(shù)據(jù)算個相關(guān)系數(shù)哇塞0.99，P值小于0.05，所以我家門前的樹是我中華龍脈，我要發(fā)財啦！ ??

理想的病人：現(xiàn)實中能一見到醫(yī)生，能清晰的說出：“自己從27號開始發(fā)燒，已經(jīng)持續(xù)到今天，期間體溫沒下過38度，27號淋了雨，沒有其他癥狀，沒有喉嚨痛”——這樣理性、清晰的病人少之又少。真實的病人：總是一進(jìn)門只會哼哼：誒呦，誒呦，誒呦，醫(yī)生啊，我渾身難受啊，快救救我啊！醫(yī)生問：到底哪難受？病人：全身難受……這時候咋辦？醫(yī)生只能從0開始溝

問家屬：“到底他哪里不舒服？”
查病歷：“之前有什么病史？”
做檢測：“測個體溫/驗個血/拍個片看看？”
問行為：“吃了什么？去了哪里？”
做測試：“我按你這里，會不會更疼？
專業(yè)的醫(yī)生，不但只談病情，連醫(yī)保政策、家庭收入、親子關(guān)系都會很耐心的和病人溝通。這些因素跟病情沒有關(guān)系，但跟病人看病花的錢、時間、精力有直接關(guān)系。最后都會影響看病效果。 ??

高層管理往往很希望推動數(shù)字化轉(zhuǎn)型、信息化建設(shè)等，我們大搞BI系統(tǒng)，數(shù)據(jù)建模，數(shù)倉建設(shè)，下邊的人也會吐槽無用。 ??

不配合的病人。

經(jīng)驗主義：醫(yī)生請直接給我感冒藥！我有十八年感冒經(jīng)驗，你診斷的和我經(jīng)驗不符

拒絕面對：我人來的時候還好好地，怎么到你這就病毒感染了呢！

拒絕投入：你必須不花我一分錢，不驗血不拍片還能診斷對咯！不然你就是騙子！

??

總結(jié)

以上是生活随笔為你收集整理的数据分析思维扫盲的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。