数据从分析到落地业务
点击上方“数据管道”,选择“置顶星标”公众号
干货福利,第一时间送达
为什么我们做数据分析没有思路?
可能有人告诉你是方法不对、模型不对、思维不对,其实没那么复杂,总结起来就两个原因:
没搞清楚数据分析的本质
不懂业务
1
数据分析的本质
其实真不用把分析方法看的太高大上了,所有的分析方法、模型总结起来就两种:分类和对比,分类和对比,分类和对比,重要的事情说三遍,并且大部分的分析方法都是这两者的结合。
拿我家娃来举例子,我家娃3岁多了,他现在就会用分类和对比来做数据分析了。一天妈妈给他拿了一块大白兔奶糖和一块德芙巧克力,问他选哪个,小家伙犹豫了1分钟,最后选了德芙巧克力;第二天妈妈给他拿了两块大白兔奶糖和一块德芙巧克力,问他选哪个,小家伙又犹豫了1分钟,但这次他选择了两块大白兔奶糖。
其实这两次选择的过程,小家伙都做了分类和对比。他首先把奶糖和巧克力分成了两类,并没有混为一谈,否则就不会犹豫那么长时间了。然后再去做对比,第一次对比的结果是,一块奶糖不如一块巧克力好,所以选择了一块巧克力;第二次对比的结果是,两块奶糖是要比一块巧克力好的,所以选择了两块奶糖。大家看看,一个3岁的小孩都是会做数据分析的。
当然,实际业务中的分析方法确实更加复杂,但归纳起来,也是这两个方法的演绎。
对比分析
对比分析顾名思义就是将两个或两个以上的数据进行比较,分析它们之间的差异,从而发现数据的变化情况和规律。对比分析法分为静态比较和动态比较两类,用来判断某个数据是好还是坏,以及某几个数据之间的差异性。
对比分析怎么比呢?一般在数据分析中我们可以从这样几个角度进行对比:
时间对比:同比、环比、变化趋势
空间对比:不同城市、不同产品对比
目标对比:年度目标、月度目标、活动目标
用户对比:新用户vs老用户、注册用户vs未注册用户等
竞品对比:渠道、功能、体验和流程、推广和收入
分类分析
分类分析就是把分析对象总体中具有不同性质的对象区分开,把性质相同的对象合并在一起,保持各组内对象属性的一致性、组与组之间属性的差异性,以便进一步运用各种数据分析方法来揭示内在的数量关系,最终目的是为了方便对比,所以经常和对比分析法一起用
分类分析一般有以下几种分类方法:
不同时间分组:日、周、月、年等
不同产品类型分组:产品属性;产品区域
不同用户类型分组:人口属性(性别、年龄);客户价值;消费频次
不同渠道分组:线上渠道、线下渠道;付费渠道、免费渠道
2
落地业务
上面你已经知道用什么方法了,但是很可惜,你有可能还是不会分析问题,因为数据分析很大程度上依赖于业务。因为你不懂业务,不懂数据分析体系,就很难做出有结果的数据分析,所以我建议一定要先搞懂业务,先做指标体系,再去想用什么方法分析。
我很喜欢用点线面体的定义来解释指标体系,如果用点线面来解释,搭建分析指标体系就是分析整个“体”,将分析框架的体系化,明确每个点都是什么指标,任何一个分析路径都能对应到指标。
体
以电商为例,我们在取数前遵循“人货场”的思维逻辑,这就是我们的体,也就是大体指标框架,因为电商的收入由订单构成,订单有两个要素是用户和商品服务,电商一般不考虑场的要素,这就是“体”的框架。
面
这是每个要素具体的业务结构或流程,比如说电商企业里用户的业务结构是什么?就是用产品吸引更多用户来产生消费,它包含两个结构一是新用户,二是老用户,这是用户的两个面。
那么对于商品和服务来说,他的场景有采购、供应链、销售、售后等等……
线
就是每个业务流程的业务逻辑,这个时候就是考验我们业务知识是否足够的时候了。很多人之所以做不出指标体系,就是因为自己的业务能力不过关,不知道每个具体业务的逻辑关系,所以很难面面俱到,只能东面打一枪,西面打一枪。
拿用户来说,新用户的业务逻辑是先引流,再转化,也就是吸引流量成为我们的用户;
老用户呢就是进行运营,也就是运营四件套里的“活跃”、“留存”、“回购”、“流失”四个方面。
那么对于商品来说,不同的业务场景和业务结构有着不同的逻辑,比如采购的逻辑流程是覆盖更多的供应商进行采销,所以它包含了覆盖面、采销类别、供应商三条线;
同理,供应链分为服务、管理和库存是哪个方面;销售场景的业务逻辑就复杂了,从商品、到价格等等;售后环节包括退货、服务等环节,这些就是我们的线,也就是业务逻辑。
点
就是根据我们得到的拆分成具体的指标,这一点也是基于我们的业务熟知程度来完成的。如果大家对于具体指标一窍不通,说明你要赶紧去跟业务人员攀攀关系,取取经了。
拿用户来说,引流的指标就是常见的PV、UV、平均访问深度、访问次数、跳转率等等,转化的指标包括客户转化率、注册转化率、添加转化率、成交转化率、渠道转化率、事件转化率等等……
总而言之,只要建立数据分析指标体系,结合上面提到的数据分析两大本质,再通过实践练习,基本上就可以成功掌握数据分析的思路了。
老贱 | 作者
知乎 | 来源
转自:大数据分析和人工智能
https://www.zhihu.com/question/30195311/answer/1235248266