一文讲清数据分析的核心内容与思路

一文讲清数据分析的核心内容与思路

引用

少数派

1.

https://sspai.com/post/90239

数据分析是现代商业决策中不可或缺的一环，它帮助我们从数据中提取有价值的信息，为决策提供科学依据。本文将系统地介绍数据分析的核心内容，包括其目的、步骤、方法、思路和模型，帮助读者建立全面的数据分析知识体系。

一、2个目的

数据分析的目的是整个研究方案的起点，决定着后续研究的内容、数据的来源和使用的方法。数据分析的目的无非就是两个：

• 分析现状和过去：有问题了，通过数据分析寻找原因，制定决策
• 预测未来：有新项目、产品、方案要上线，或企业制定大决断，需要数据分析结论做辅助参考

数据分析的目的往往不是那么明确，只是有个大致的方向。因此，在进行数据分析时，需要与业务部门充分沟通，明确具体的需求和目标。

二、6个步骤

1. 明确分析的目的，提出问题：只有弄清楚了分析的目的是什么，才能准确定位分析因子，提出有价值的问题，提供清晰的指引方向。
2. 数据采集：收集原始数据，数据来源可能是丰富多样的，一般有数据库、互联网、市场调查等。具体办法可以通过加入“埋点”代码，或者使用第三方的数据统计工具。
3. 数据处理：对收集到的原始数据进行数据加工，主要包括数据清洗、数据分组、数据检索、数据抽取等处理方法。
4. 数据探索：通过探索式分析检验假设值的形成方式，在数据之中发现新的特征，对整个数据集有个全面认识，以便后续选择何种分析策略。
5. 分析数据：数据整理完毕，就要对数据进行综合分析和相关分析，需要对产品、业务、技术等了如指掌才行，常常用到分类、聚合等数据挖掘算法。Excel是最简单的数据分析工具，专业数据分析工具有FineBI、Python等。
6. 得到可视化结果：借助可视化数据，能有效直观地表述想要呈现的信息、观点和建议，比如金字塔图、矩阵图、漏斗图、帕累托图等，同时也可以使用报告等形式与他人交流。

三、6个方法

1. PEST分析法：PEST，也就是政治（Politics）、经济（Economy）、社会（Society）、技术（Technology），能从各个方面把握宏观环境的现状及变化趋势，主要用户行业分析。
2. 5W2H分析法：5W2H，即为什么（Why）、什么事（What）、谁（Who）、什么时候（When）、什么地方（Where）、如何做（How）、什么价格（How much），主要用于用户行为分析、业务问题专题分析、营销活动等。
3. SWOT分析法：SWOT分析法也叫态势分析法，S （strengths）是优势、W （weaknesses）是劣势，O （opportunities）是机会、T （threats）是威胁或风险。
4. 4P营销理论：4P即产品（Product）、价格（Price）、渠道（Place）、推广（Promotion），在营销领域，这种以市场为导向的营销组合理论，被企业应用最普遍。
5. 逻辑树法：逻辑树又称问题树、演绎树或分解树等。它是把一个已知问题当成“主干”，然后开始考虑这个问题和哪些相关问题有关，也就是“分支”。
6. AARRR模型：AARRR模型是所有运营人员都要了解的一个数据模型，从整个用户生命周期入手，包括获取（Acquisition）、激活（Activition）、留存（Retention）、变现（Revenue）和传播（Refer）。

四、8个思路

1. 趋势分析：最简单、最常见的数据分析方法，一般用于核心指标的长期跟踪，比如点击率、GMV、活跃用户数。
2. 多维分解：也就是通过不同的维度对于数据进行分解，以获取更加精细的数据洞察。
3. 用户分群：针对符合某种特定行为或背景信息的用户，进行特定的优化和分析，将多维度和多指标作为分群条件，有针对性地优化供应链，提升供应链稳定性。
4. 漏斗分析：按照已知的转化路径，借助漏斗模型分析总体和每一步的转化情况。
5. 留存分析：留存分析是一种用来分析用户参与情况/活跃程度的分析模型，考察进行初始行为的用户中，有多少人会进行后续行为。
6. A/B 测试：A/B测试是为了达到一个目标，采取了两套方案，通过实验观察两组方案的数据效果，判断两组方案的好坏。
7. 对比分析：分为横向对比（跟自己比）和纵向对比（跟别人比），常见的对比应用有A/B test，A/B test的关键就是保证两组中只有一个单一变量，其他条件保持一致。
8. 交叉分析：交叉分析法就是将对比分析从多个维度进行交叉展现，进行多角度的结合分析，从中发现最为相关的维度来探索数据变化的原因。

五、8个模型

1. 用户模型：“不仅要知道用户当下在想什么，更要知道用户背后在想什么，以及用户正在经历着什么。”
2. 事件模型：事件是什么？就是用户在产品上的行为，它是用户行为的一个专业描述，用户在产品上的所有获得的程序反馈都可以抽象为事件，由开发人员通过埋点进行采集。
3. 漏斗模型：漏斗模型帮助你分析一个多步骤过程中每一步的转化与流失情况。
4. 热图分析模型：按计算维度划分，热图可以分为点击热图和浏览热图。
5. 自定义留存分析模型：定义：满足某个条件的用户，在某个时间点有没有进行回访行为
6. 粘性分析：定义：对活跃用户使用产品的习惯的分析，例如一个月使用了几天，使用大于一天，大于七天的用户有多少
7. 全行为路径分析：行为路径分析分为漏斗分析和全行为路径分析。与漏斗分析模型不同，漏斗分析模型是分析既定的行为转化
8. 用户分群模型：分群是对某一特征用户的划分和归组，而分层，更多的是对全量用户的一个管理手段，细分用户的方法其实我们一直在用，比如我们熟悉的RFM模型：

RFM模型是从用户的业务数据中提取了三个特征维度：最近一次消费时间（Recency）、消费频率 (Frequency)、消费金额 (Monetary)。通过这三个维度将用户有效地细分为8个具有不同用户价值及应对策略的群体。

另外四个用户分群的维度：

• 属性：用户客观的属性，描述用户真实人口属性的标签，比如：年龄、性别、城市、浏览器版本、系统版本、操作版本、渠道来源等就是用户属性
• 活跃时间
• 做过，没做过
• 新增于：何时新增用户较多