千字乾貨 | 徹底講透數據分析,10倍提升你的分析力(含教程)

明月說數據 發佈 2020-04-24T02:38:44+00:00

此外,數據分析的輸出通常以數據分析報告的形式展現,數據分析報告的主要結構如下:1.數據分析背景2. 數據來源及數據說明3. 數據分析方法4. 數據可視化5. 數據決策以上是一份較為正式的數據分析報告的大體框架,如果針對日報一類並不要求正式性的數據分析結果展現,則可以具體問題具體分

文末會給大家分享「數據分析」資料

喜歡的,就請關注+評論

數據驅動的時代,無論你的工作內容是什麼,掌握一定的數據分析能力,可以幫助你更好的認識這個世界,更好的提升工作效率。

我將一次完整的數據分析流程主要分為六個環節,包括明確分析目的、數據獲取、數據處理、數據分析、數據可視化、提出建議推動落地


一、明確數據分析目的

任何一件事在做之前都是有目的性的,數據分析也是如此,在進行數據分析之前首先要明確數據分析為什麼要做?



常見的數據分析目標包括以下三種類型:

波動解釋型:某天的銷售額突然下降了,某天的新用戶留存突然降低了,這時候往往需要分析師去解釋波動的原因,分析較為聚焦,主要是找到波動的原因。

數據復盤型:類似於月報、季報,在網際網路領域常見於app某某功能上線了一段時間後,數據分析師往往需要復盤一下這個功能的表現情況,看看有沒有什麼問題。

專題探索型:對某個主題發起的專項探索,比如新用戶流失、營收分析等等


下面通過用戶需求場景三要素拆解法來明確數據分析的目的。

1、用戶

這裡提到的用戶是指數據分析內容或者結果給誰看?這裡的目標用戶主要分三類:你自己、企業內部業務部門、外部客戶。這裡主要對後兩種進行解析。

企業內部業務部門:

這類用戶通常會通過制定不同策略提升企業某些指標的提升,可以是市場部門、運營部門或者是維繫部門。他們往往指導企業內部積累了大量數據,但是不知道如何使用,如何通過數據分析形成有效的決策。

外部客戶:

這類用戶通常不具有某一領域或多個領域的行業數據,希望通過這些數據了解他的用戶或市場,而恰巧你的企業具備這樣的數據,這種情況下通過數據價值變現,形成對外的數據分析輸出,對外部用戶來說可以更好的了解市場,對於你來說也可以通過數據形成價值變現,為企業帶來收益。


2、需求

你的用戶即數據分析問題提出者為什麼要做數據分析,他們是希望通過數據分析發現問題還是希望提升某個業務指標,這些都是在做數據分析前需要了解的,只有了解了需求才能制定更合理的數據分析思路(後面會介紹到數據分析方法)。

3、場景

場景更多體現的是數據分析的場景,如業務部門想了解用戶在註冊流程中的用戶流失原因,那麼這就是問題的場景,要根據場景去定義問題,梳理數據分析思路,選擇數據分析的方法。


二、數據獲取

在明確分析目標後,就可以根據目標去獲取所需要的數據,數據獲取主要可以分為三大類

(1)通過一些基於前端頁面的數據採集工具獲取,如GrowingIO等可視化的數據採集產品;

(2)在產品設計過程中通過數據埋點的方式,在需要數據時可以進行簡單提取,這種方式的前提是在產品規劃階段就已經對未來的數據獲取提前做好了準備;

(3)如果前期沒有進行功能埋點、可視化的採集工具也無法獲取數據時,找研發團隊通過後台腳本或技術研發的方式獲取數據。



三、數據處理

數據處理階段主要做的工作是數據清洗、數據補全、數據整合。

1、數據清洗

發現數據中的異常值,如對連續多天的用戶登錄數據進行處理時,如果有一天的登錄數遠遠超過正常值,那麼就需要分析,該天是否有重大營銷活動,還是採集數據時出現的錯誤,通過異常值不僅可以發現數據採集方法的問題,同時可能通過異常值找到數據分析的目標。比如對信用卡詐騙的分析,就是通過查找異常數據的方式。



2、數據補全

針對數據缺失的情況如何解決,一種方式是根據數據前後的關聯關係填充平均值等方式,另一種則是直接選擇丟失該條記錄不用於數據分析。兩種方式各有優劣,建議結合具體問題具體分析。

3、數據整合

在採集數據時,不同類型數據之間可能存在潛在關聯關係,通過數據的整合,豐富數據維度,更利於發現更多有價值的信息。如用戶註冊數據與用戶購買數據相關聯,可以通過用戶的基礎屬性信息判斷用戶購買的商品是自己使用還是送人等等。



四、數據分析

數據分析思路又叫數據分析方法,數據分析一定是以目的為導向的,通過目的選擇數據分析的方法。通常來說主要有以下集中分析思路

1、異常分析

通過數據分析發現異常情況,找到解決異常問題的方法。



2、尋找關聯關係

關聯關係也可以成為購物車分析,耳熟能詳的沃爾瑪尿布與啤酒的案例就是關聯關係的最佳實踐,通過分析不用商品或不同行為之間的關係,發現用戶的習慣。

3、分類、分層

通過用戶特徵、用戶行為對用戶進行分類分層,形成精細化運營、精準化業務推薦,進一步提升運營效率和轉化率。

4、預測

通過用戶歷史行為預測用戶未來可能的行為,提升用戶感知和使用體驗。


五、輸出

在前面層提到,數據分析的目的是通過數據清晰的了解用戶、產品和當前業務形態,從而得到有效的戰略決策指導下一步的發展。

如何通過數據清晰了解用戶、產品和業務生態?一行行枯燥的數字是無法讓業務部門或外部客戶直觀了解數據背後的含義的,所以需要通過數據可視化的方法,簡單來說就是將一行行的數據轉化為圖表,直觀化展現數據的趨勢、數據之間的關聯關係等等。在對數據可視化時,需要著重考慮數據有幾個維度、數據要向看的人展現什麼,這些都影響著數據可視化的形式。


如針對註冊用戶男女性別比例的展現可以用餅狀圖,展現註冊用戶數隨時間變化的增長趨勢可以用曲線圖,展現註冊用戶歸屬地可以通過柱狀圖或地圖等等。

在選擇可視化方式時,要充分考慮數據的特點以及希望用圖表展現出來的內涵是什麼,這樣才能用合理的方式展現出更直觀的分析結果。

此外,數據分析的輸出通常以數據分析報告的形式展現,數據分析報告的主要結構如下:

1. 數據分析背景

2. 數據來源及數據說明

3. 數據分析方法

4. 數據可視化

5. 數據決策

以上是一份較為正式的數據分析報告的大體框架,如果針對日報一類並不要求正式性的數據分析結果展現,則可以具體問題具體分析。


六、總結

數據分析方法論一定是為指導具體工作實踐而服務的,所以僅僅掌握方法論並不夠,還要通過實踐不斷完善優化方法。只有當你真正去做數據分析這件事時,才能發現自己的不足,說再多不如直接去做。

關注+評論「數據分析」即可獲得資料

關鍵字: