查理芒格說(shuō)：“在商業(yè)社會(huì )，數據數據不懂數學(xué)的本概人，就是有何用數在獨腿走路”。在互聯(lián)網(wǎng)公司，據的基本如果你不懂數據，概念還敢開(kāi)口說(shuō)話(huà)嗎？數據數據數據的重要性無(wú)需再強調，沒(méi)有數據的本概結論，就像??是(shi)有何用數一塊水豆腐，看著(zhù)方正，據的基本經(jīng)不起任何目光的概念打量。

如今我們不缺數據，ヾ(′▽?zhuān)??數據數據甚至有點(diǎn)數據泛??濫。本概互聯(lián)網(wǎng)已經(jīng)將我們的有何用數生活數據化。如何使用才是據的基本我們的目的。我們需要加強的概念是對數據的理解和背后因果關(guān)系的洞察，這就是數據分析的本質(zhì)。

實(shí)際工作中，很多同學(xué)拿著(zhù)大把數據，卻不知如何下手??。不禁仰天一聲長(cháng)嘆，我要這數據有何用？

分開(kāi)說(shuō)，這次先聊一下基礎的內容，包括數據分ヽ(′▽?zhuān)?ノ析的基本作業(yè)方法、數據分析在工作(╬ ò﹏ó)中的應用場(chǎng)景以及運營(yíng)工作(╯‵□′)╯中數據的分類(lèi)；后面我們再聊具體的分析方法，以及分析工具。

上面已經(jīng)提到過(guò)，數據分析表面上是對數據的整理，實(shí)際是對因果關(guān)系的處理。

所以當你開(kāi)始做一份數據分析，無(wú)論數據有多殘缺，分析方法有多少邏輯上的漏洞，都一定要輸出相應的結論。一定要這樣，才會(huì )不(bu)斷的進(jìn)步；

關(guān)于數據分析，致遠老師曾經(jīng)做過(guò)一個(gè)比喻：“做數據就像是在體檢”。體檢選擇套餐就是在做數據規劃；拿到體檢報告就(jiu)是在做數據；通過(guò)體檢發(fā)(fa)現身體哪個(gè)地方有問(wèn)題，并(′ω｀*)找到了改善方法，這就是數據分析并得出了相應的結論；迭代動(dòng)作之后不斷的跟進(jìn)改善之后的數據。

致遠老師的這個(gè)例子寫(xiě)出了數據分析的基本流程(′_ゝ`)

數據規劃->數據收集->數??據分析->驅動(dòng)方法

一、數據??在運營(yíng)工作中的使用場(chǎng)景

我們來(lái)把這個(gè)流程更加細化一點(diǎn)，和實(shí)際的(de)運營(yíng)工作結合起來(lái)。對于運營(yíng)來(lái)講，需要做數據分析的基本來(lái)源( ?ヮ?)于三方面。

01、對日常業(yè)務(wù)進(jìn)行數據監測

這是我們和數據打交道最頻率最高的事件了，主要目的是為了及時(shí)發(fā)現業(yè)務(wù)中的一些大的變動(dòng)，找出相應的原因。對于這類(lèi)業(yè)務(wù)，我們(/ω＼)首先需要有一個(gè)數據(ju)模型，來(lái)實(shí)現(′?｀)對異常的監測。這類(lèi)數據分析的做法通常是：

分解業(yè)務(wù)模型->??設定關(guān)鍵數據??指標->關(guān)鍵數據對比->得出相應結論

02、分析工作中的異?，F象

工作中會(huì )有一些突發(fā)的異常數據情況需要我們進(jìn)行處理，比如說(shuō)訂單的斷崖式下滑或者急劇增長(cháng)；某個(gè)地域新用戶(hù)進(jìn)入減少；這些都需要我們快速分析出原因，并給出解決方案。通常這類(lèi)數據的做法是：

明確具體問(wèn)題->做(zuo)出相應假設->??選出關(guān)鍵數??據->??;拆分關(guān)鍵指標->得出結論->迭代方法。

這類(lèi)的(de)數據處理比??ヽ(′ー｀)ノ較復雜一點(diǎn)，最重要的是要??明確具體問(wèn)題。我對這類(lèi)數據分析的作業(yè)習慣通常是先用txt寫(xiě)一個(gè)簡(jiǎn)單的分析思路出來(lái)，包括問(wèn)題是什么？相應的猜測是什么？具體的分(fen)析(?????)思路是？可能會(huì )用到的數據是哪些？如果??更加復雜的數據處理，建議寫(xiě)個(gè)xmind。

03、利用數據進(jìn)行決策

工作中還有一種類(lèi)型，需要用到數據，那就是決策。比如說(shuō)ROI的拆解，活動(dòng)可行性的分析、以及其他一些需要進(jìn)行數據決策的東西。這類(lèi)的數??據我們通常是根據已有的數據去推測未來(lái)的發(fā)展趨勢。經(jīng)常會(huì )用的方法就是

數據維度拆分->數據取樣->估測->疊加

之所以把各個(gè)流程細化到具體的工作場(chǎng)景，是因為對于(yu)數據分析來(lái)講，能夠清楚的認識到問(wèn)題(ti)，并且選擇了正確的數據維度是整(°□°)個(gè)(ge)數據分析中最關(guān)鍵的兩步。

二、運營(yíng)數據(ju)的縱與橫

下面我們就要講一下數據分析過(guò)程中選取哪些數據？以及這些數據代表了什么含義？

對于新手運營(yíng)來(lái)講，總感覺(jué)數據有很多，每個(gè)都有用??。一頭扎進(jìn)數據里面，結果什么也沒(méi)有撈出來(lái)。運營(yíng)數據可以從橫縱兩個(gè)方向進(jìn)行劃分。

以橫來(lái)講，可以分為：用戶(hù)數據、行為數據以及業(yè)務(wù)數據；

以縱來(lái)講，可以分為一級數據、二級數據甚至更(geng)多，如果你(′?ω?`)覺(jué)有必要。

01、我們先來(lái)看下運營(yíng)數據的橫坐標。

用戶(hù)數據/行為數據/業(yè)務(wù)數據，簡(jiǎn)單點(diǎn)，這是三個(gè)數據可以理解成誰(shuí)？做了什么？對業(yè)務(wù)產(chǎn)??生了什么樣的影響？

1.用戶(hù)數據：顧名思義，是用來(lái)描述產(chǎn)品的用戶(hù)群體?；究梢詣澐殖梢韵虏糠郑捍媪坑脩?hù)、新(xin)增用戶(hù)、健康程度??和(he)用戶(hù)來(lái)源。

（1）存量用戶(hù)：衡量產(chǎn)品的體量有多大，主要數據指標是MAU（月活）/DAU（日活）

• MAU：monthly active user（月活躍用戶(hù)）：當月至少活躍一次的用戶(hù)總數，需要(′▽?zhuān)?說(shuō)明的是，月活不等于是日活的相加，需要進(jìn)行去重。

• DAU：daily active user（日活躍用戶(hù)）：產(chǎn)品一個(gè)自然日的活躍用戶(hù)數，定義活躍用戶(hù)，各個(gè)產(chǎn)品都沒(méi)有明確的界定。尤其是一些特定周期性的產(chǎn)品，比如說(shuō)，旅行??類(lèi)的APP，用戶(hù)只有在特定??周期才會(huì )打開(kāi)。同時(shí)DAU不能線(xiàn)性的來(lái)看，要結合??新用戶(hù)的進(jìn)入情況。

（2）新增用戶(hù)：新用戶(hù)每日進(jìn)入的人數。新增用戶(hù)除了要看新增的絕對(???)值，還看看一個(gè)日活增長(cháng)數據。舉例來(lái)講

比如某APP，第一天新增并活躍用戶(hù)（ DNU）數為1000人，第二天同樣也是1000人，看著(zhù)沒(méi)有什么變化，其實(shí)日活增長(cháng)已經(jīng)下降(′ω｀)了。

第一天APP的日活是8000人，其中1000是新增并活躍用戶(hù)；第二天的日活是9000人，其中新增并活躍用戶(hù)也是1000人。所以第一天的日活增長(cháng)為：1000/8000(′?ω?`)=12.5%，第二天的日活增長(cháng)為1000/9000=11.1%，這??個(gè)就說(shuō)明了日??活增長(cháng)這個(gè)數據是下降了的。

（3(╬?益?)）健康程??度：主要數據指標是留存率。某段時(shí)間內的內增用戶(hù)，過(guò)來(lái)一段時(shí)間依然在使用這個(gè)應用，就被稱(chēng)(╯°□°）╯︵ ┻━┻為留存用戶(hù)。一般APP?以以一周為計算單位，分為7日日留存和7日內留存。

• 7日日留??存算法：（第七天留存用戶(hù)數/第一天新增用戶(hù)數）*1(T_T)00%；

• 7日內留存算法：（第二天~第七天去重后的留存用戶(hù)數/第一天新增用戶(hù)數）*100%

2.行為數據是指用戶(hù)在產(chǎn)??品各個(gè)模塊中的動(dòng)作，包括用戶(hù)的使用頻次：PV/UV，路(lu)徑的走通程度：轉化率，做了多久：時(shí)長(cháng)，質(zhì)量如何。

3.業(yè)務(wù)數據指標：衡ヽ(′▽?zhuān)?ノ量業(yè)務(wù)的健康程度，通常的數據指標有GMV/ARPU/付費人數/付費率/付費頻次等。我們這里尤其講一下ARPU值。

計算ARPU我們可以把市面ヾ(＾-＾)ノ上的APP分為兩類(lèi)來(lái)看，一類(lèi)偏平臺類(lèi)產(chǎn)品，用戶(hù)的每一筆消費，平臺都會(huì )從中抽取一部分利潤，比如滴滴和貓眼，這類(lèi)的產(chǎn)品在計算ARPU通(tong)常是以月為單位，用月總收入/月付費人數；另一種產(chǎn)品構成是大量免費用(′_｀)戶(hù)+付費用戶(hù)，像QQ音樂(lè )，這類(lèi)APP通??常也是以月為單位，用月總收入/月用戶(hù)數，得出ARPU值；但這種算法看起來(lái)有點(diǎn)吃虧，所以后來(lái)這類(lèi)的APP也會(huì )用用月總收入/月付費人數，計算出的數據用ARPPU

數據的橫向劃分大?致就是這個(gè)樣子，因為篇幅有限，沒(méi)有把所有的數據都解釋一遍。

橫向劃分數據有什??么意義呢(/ω＼)？(°ロ°) !或者說(shuō)是數據劃分有什么意義呢？

最重要的就是能在我那漿糊一般的腦海里面建立起一個(gè)清晰的數??據體系。做成一件事情的關(guān)鍵指標是什么？反映??數據是哪幾個(gè)？某個(gè)數據是什么性質(zhì)？在哪個(gè)層級？對它的上級造成什么影響？等等；

02、運營(yíng)數據縱向劃分

運營(yíng)的本質(zhì)就是不斷細分的過(guò)程，用戶(hù)運營(yíng)就是對用戶(hù)進(jìn)行分層并制(zhi)定個(gè)性化運營(yíng)，┐(′ー｀)┌活動(dòng)運營(yíng)就是不斷拆分活動(dòng)禮包以符合新老用戶(hù)的需求；

如果我們不斷向下進(jìn)行拆分，我們很有可??能得到一條極其精細化的數據，比(bi)如：

“在某天的幾點(diǎn)幾時(shí)，在某市某某辦公大廈，一個(gè)25歲的男性，職業(yè)是白領(lǐng)，拿著(zhù)小米手機，通過(guò)好友XX的分享，注冊成為了我們的小程序用戶(hù)。

同樣，數據也能拆分，一般情況下我喜歡按照級數進(jìn)行劃分，比如一級數據和二級數據。一級數據是描述產(chǎn)品和業(yè)務(wù)的狀態(tài)值，比如??新增用戶(hù)數，ARPU值，新老用戶(hù)占比等，二級數據則描述因果，是影響到一級數據的元素數據。如果新增用戶(hù)作為一級數據，拆分出來(lái)的(de)二級數據就是，新用戶(hù)進(jìn)入人數和新用戶(hù)轉化率；ヾ(′?｀)?一級數據告訴我們的是一個(gè)狀態(tài)值，無(wú)法進(jìn)行分析；二級數據是可以的，當然你還可以往下細分是可以拿來(lái)，如果有必要的話(huà)。

以上就是我所知道的關(guān)于數據(ju)分(′_ゝ`)析的一些東西了，比較粗淺(T_T)；另外再多說(shuō)兩句

1、我是從做品牌到轉行(╯°□°）╯︵ ┻━┻到做運營(yíng)，兩者之間最主要的區別是品牌是創(chuàng )意驅動(dòng)，而運營(yíng)是數據驅( ?ヮ?)動(dòng)；如果你能專(zhuān)注其中某一個(gè)領(lǐng)域，取長(cháng)補短，也是對自我能力的一種極大提升。

2、在最初開(kāi)始做數據??的(???)時(shí)候，我一直會(huì )有個(gè)疑惑，??是數據┐(′?｀)┌給了我們答案呢，還是數據幫我們驗證了答案？

再展開(kāi)解釋一┐(′?｀)┌下(xia)，是我們從這個(gè)數據的展示中發(fā)現了異常，然后得出相應的答案；還是我們看到了異常數據，做了相應的假設(′?ω?`)，然后用更加詳細的數據驗證我們的假設。

后來(lái)才發(fā)現不用糾結，這(zhe)是因為場(chǎng)景??不同。數據本質(zhì)上是不會(huì )直接給你答案的，除非已??經(jīng)把數據分解成為??很小的個(gè)體，或者答案很簡(jiǎn)單。如果是稍微復雜的運營(yíng)問(wèn)題，我們需要根據經(jīng)驗和異常數據，給出相應的假設，然后再對假設進(jìn)行判斷。

版權聲明：本文內容由互聯(lián)網(wǎng)用戶(hù)自發(fā)貢獻，該文觀(guān)點(diǎn)僅代表作者本人。本站僅提供信息存儲空間服務(wù)，不擁有所有權，不承擔相關(guān)法律責任。如發(fā)現本站有涉嫌抄襲侵權/違法違規的內容， 請發(fā)送郵件至 [email protected] 舉報，一經(jīng)查實(shí)，本站將立刻刪除。