大家好，我是Z哥。

首先說明一下，今天不賣課程哈，就單純聊聊我在做數(shù)據(jù)分析時的一些經(jīng)驗(yàn)。

在如今這個數(shù)據(jù)爆炸的時代，我們每天不管是主動還是被動，都會面對大量的數(shù)據(jù)撲面而來。

如果有較好的數(shù)據(jù)分析能力，不管是對你的生活還是工作，都將帶來巨大的幫助。因?yàn)槟惚葎e人擁有更好的“洞察力”，看到別人看不到的信息，這些信息可以幫助你更好地做出決策。

很多人做數(shù)據(jù)分析的時候經(jīng)常會遇到一個問題，面前擺著一堆海量的數(shù)據(jù)，但是不知道怎么分析，從何下手，以此來得到一些有用的結(jié)論。

我最開始也深受這個問題的困擾，想了好久才明白這里的問題所在，所以今天我把我思考后的思路分享給你，希望能對你有所幫助。

一個合理的數(shù)據(jù)分析思路，不但可以幫助你高效地獲得對你有價值的信息，還能提高結(jié)論的準(zhǔn)確性。

我的思路其實(shí)是一個構(gòu)建「點(diǎn)->線->面->體」的過程，主要分為以下六個步驟。

/01? 帶著目的/

如果你會覺得無從下手，大概率是因?yàn)槟康牟幻鞔_，或者說缺少目的。

沒有目的，何以解決問題？寄希望于某個牛逼的方法能夠“點(diǎn)石成金”？但是，誰來告訴你這個方法呢？靠上帝嗎？

這個道理說透了其實(shí)很容易明白，但現(xiàn)實(shí)卻是很多人陷在數(shù)據(jù)的海洋中無法自拔，認(rèn)為先收集足夠多的數(shù)據(jù)，然后再分析，就能從中得到一些有價值的結(jié)論。這個邏輯其實(shí)你細(xì)想一下是有問題的，因?yàn)椴煌娜丝创瑯拥臄?shù)據(jù)得出的結(jié)論往往是不同的。因此，如果你沒有清晰的目的，再多的數(shù)據(jù)也沒有意義。

所以，先確定目的就是先明確「點(diǎn)」，只有有了「點(diǎn)」，我們才能繼續(xù)延伸去構(gòu)建我們的「線面體」。

目的一般分為以下兩種。

找原因。當(dāng)前面臨一些問題，從數(shù)據(jù)中找出相關(guān)因素。

找規(guī)律。從數(shù)據(jù)中提煉出一些規(guī)律，趨勢，幫助未來做決策。

所以，不妨先明確一下，你是要找原因？還是找規(guī)律？

比如，我們分析網(wǎng)站訪問量為什么下滑。很明顯，這個目的是「找原因」。

/02? 分解目的/

明確了目的，就有了一個大方向，剩下的就是分解目的。

分解目的的方法論有很多，MECE、5W2H 等等都可以。

按照 MECE 法，以「不重疊、不遺漏」的方式將數(shù)據(jù)分析的目的拆解成多個子問題。

5W2H 法很常見，就是what、why、when、where、who、how、how much。

還有一個我覺得很好用的方法論，從 GrowingIO 那學(xué)來的。就是一個「業(yè)務(wù)目標(biāo) * 業(yè)務(wù)流程 * 業(yè)務(wù)場景」的三級結(jié)構(gòu)。先列出業(yè)務(wù)目標(biāo)，然后展開每個目標(biāo)的流程，再展開流程上的每一個環(huán)節(jié)對應(yīng)的場景（場景中蘊(yùn)涵著關(guān)鍵指標(biāo)）。

這個方法其實(shí)一次性就把「線面體」的大框架構(gòu)建完了。

在我們的案例中，影響訪問量的因素有很多，對于這個目的的分解用 MECE 方法更合適。我們也可以用思維導(dǎo)圖來實(shí)現(xiàn)。

/03? 驗(yàn)證子問題/

通過 MECE 方法將目標(biāo)分解完之后，其實(shí)就已經(jīng)把「線和面」構(gòu)建完了，接下去就是最后一步，構(gòu)建「體」。

構(gòu)建「體」的過程其實(shí)就是思考如何驗(yàn)證其中的每一個子問題。

怎么驗(yàn)證？先建指標(biāo)。現(xiàn)代管理學(xué)之父彼得·德魯克說過一句很經(jīng)典的話：

如果你不能衡量它，那么你就不能有效增長它。

所謂衡量，就是需要建立統(tǒng)一的標(biāo)準(zhǔn)來定義和評價。你認(rèn)為的不錯，別人不一定這么認(rèn)為，老板可能還認(rèn)為很糟糕。所以，建立指標(biāo)的目的其實(shí)就是統(tǒng)一口徑，使得同一份數(shù)據(jù)能讓更多人得到一致的理解。

建立和使用單一指標(biāo)是數(shù)據(jù)分析的第一步，接下來你需要建立指標(biāo)體系，因?yàn)楣铝⒌闹笜?biāo)發(fā)揮不出數(shù)據(jù)的價值。

一個還不錯的指標(biāo)體系，至少要滿足以下三點(diǎn)：

• 有三個以內(nèi)的核心指標(biāo)。核心指標(biāo)不僅僅是數(shù)字，是所有人需要盯著看去努力的。就像銷量和銷售額，用戶數(shù)和活躍用戶數(shù)，大多數(shù)情況下后者都比前者重要。
  

• 指標(biāo)之間存在關(guān)聯(lián)性。

• 單一指標(biāo)至少有兩個以上維度。（比如，同比、環(huán)比等）

指標(biāo)體系沒有放之四海而皆準(zhǔn)的模板，不同業(yè)務(wù)形態(tài)有不同的指標(biāo)體系。移動 APP 和網(wǎng)站不一樣，SaaS 和電子商務(wù)不一樣，低頻消費(fèi)和高頻消費(fèi)不一樣。比如婚慶業(yè)務(wù)不需要考慮復(fù)購率指標(biāo)；互聯(lián)網(wǎng)金融必須要風(fēng)控指標(biāo)；電商領(lǐng)域里的用戶需要分為賣家和買家，而且他們的指標(biāo)各不一樣。

對我們上面的案例，擺上指標(biāo)后大致是這個樣子。

/04? 清洗數(shù)據(jù)/

好了，「體」建設(shè)完之后，接下來就是把數(shù)據(jù)填入進(jìn)去了。但是在復(fù)雜的數(shù)據(jù)分析場景下，我們可能在數(shù)據(jù)填入之前還要做一件事。

由于在實(shí)際的業(yè)務(wù)場景中，原始數(shù)據(jù)可能會來自于各個內(nèi)部以及外部系統(tǒng)。指標(biāo)口徑對不上，總會出現(xiàn)不一致、重復(fù)、不完整、存在錯誤或異常的數(shù)據(jù)。

因此需要通過一些額外操作對這些數(shù)據(jù)做清洗，得到符合我們要求的原始數(shù)據(jù)。我們這里不講太技術(shù)性的東西。從邏輯上主要做以下幾件事。

數(shù)據(jù)清洗：去掉噪聲和無關(guān)數(shù)據(jù)

數(shù)據(jù)聚合：將多個數(shù)據(jù)源中的數(shù)據(jù)結(jié)合起來存放在一個一致的數(shù)據(jù)存儲中

數(shù)據(jù)轉(zhuǎn)換：把原始數(shù)據(jù)轉(zhuǎn)換成為適合做分析的數(shù)據(jù)格式。

/05? 用數(shù)據(jù)驗(yàn)證/

好了，框架搭好了，原始數(shù)據(jù)也有了。剩下的就是通過數(shù)據(jù)來驗(yàn)證猜想了。

怎么驗(yàn)證呢？

這里我又要給出一個大殺器了，就是多用「演繹法」，而不是「歸納法」。

雖然這倆這都屬于邏輯思維，但是歸納法有一個很大的問題：因?yàn)槲覀儾豢赡苡^察到某個事物的所有影響因素，所以歸納法得出的結(jié)論是不一定是正確的。

比如，某個指標(biāo)下降了 5 %，真的是個不好的情況嗎？不一定，如果行業(yè)下降了 20 %，你才下降了 5 %，這就是一個還不錯的結(jié)果。

而演繹法的本質(zhì)是，找到發(fā)生變化的原因，如果某個原因在未來還會繼續(xù)存在，那么可以支撐某個結(jié)論。

比如，行業(yè)為什么下降了 20 %？導(dǎo)致下降的原因未來是否還會存在？如果這些因素?zé)o法消除，那么未來繼續(xù)下滑是在預(yù)期之內(nèi)的。

/06? 保持迭代/

當(dāng)你形成了一套自己的數(shù)據(jù)分析體系之后，還不能一勞永逸，需要保持迭代。因?yàn)樵跇I(yè)務(wù)的不同時期，我們關(guān)注的點(diǎn)會不同。

比如，在業(yè)務(wù)的初期，我們會更多關(guān)注流量、轉(zhuǎn)化率這些，但到了成長期以及成熟期之后，還需要關(guān)注用戶活躍度、復(fù)購率等等數(shù)據(jù)指標(biāo)。

好了，這次就聊這么多。慣例總結(jié)一下。

這篇呢，Z 哥和你分享了我在數(shù)據(jù)分析上的一些經(jīng)驗(yàn)。

我的思路其實(shí)是一個構(gòu)建「點(diǎn)->線->面->體」的過程，主要分為以下六個步驟。

帶著目的

分解目的

驗(yàn)證子問題

清洗數(shù)據(jù)

用數(shù)據(jù)驗(yàn)證

保持迭代

希望對你有所幫助

從本質(zhì)上看，真正要做好數(shù)據(jù)分析這件事，本身對一個人商業(yè)理解、業(yè)務(wù)能力有很高的要求。因?yàn)橹挥杏辛诉@些能力，我們才能知道我需要哪些數(shù)據(jù)，才能識別出哪些數(shù)據(jù)是對我有用的，以及我可以如何運(yùn)用這些數(shù)據(jù)。這些對數(shù)據(jù)分析有著事半功倍的效果。

引用一張 GrowingIO 的圖，分別展現(xiàn)了數(shù)據(jù)分析相關(guān)工作的投入產(chǎn)出比。

可以看到，看上去越偏技術(shù)性的工作，其實(shí)產(chǎn)生的單位價值反而更低。所以，你知道該怎么做了吧？

推薦閱讀：

• 對DDD的常見誤區(qū)
  

• 如何擺脫「自我否定」?fàn)顟B(tài)
  

原創(chuàng)不易，如果你覺得這篇文章還不錯，就「點(diǎn)贊」或者「在看」一下吧，鼓勵我的創(chuàng)作 ：）

也可以分享我的公眾號名片給有需要的朋友們。

如果你有關(guān)于軟件架構(gòu)、分布式系統(tǒng)、產(chǎn)品、運(yùn)營的困惑

可以試試點(diǎn)擊「閱讀原文」

總結(jié)

以上是生活随笔為你收集整理的这个时代最重要的技能之一（数据分析）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。