數據分析四個步驟的統計推斷 數據分析四個步驟是什么

編輯導語:每個做產品或者運營的同學都會遇到需要處理業務數據的情況 。 處理業務數據首先要了解業務這件事,找到處理業務數據的規律 。 作者總結了他業務數據的分析框架與思考,與你分享 。

數據分析四個步驟的統計推斷 數據分析四個步驟是什么

文章插圖
一、這是個什么事?1. 給業務數據分析下個定義業務數據分析這件事下個定義就是對于業務關注的指標數據的變化進行分析解讀 。 基本上每個做產品或者運營的同學都會經歷到,甚至有些公司的商分部門會設立業務經營分析的架構專門做這件事 。
2. 為什么做業務數據分析很多公司都在做這件事 。 我在前司的工作有一部分就是對業務數據做周維度以及月維度的解讀 。 這件事我大概做了一年多吧,我理解這樣的好處至少有以下這三個 。
更深刻理解業務:
這個好處是對于個人而言 。 之前的公司有個不成文的規定是每個新入職的同學會寫業務數據月報 。 好多同學挺抵觸這件事的 。 的確那么大的業務,剛入職的同學寫這個業務數據解讀的確是有些困難,
但是,我也發現好多同學做過一次數據分析,基本上對于業務就有了一層更清晰的認知 。
及時感知線上問題:這個是觀測數據比較最重要的原因之一吧,很多時候組織龐大以后,很難通過體感感知線上的問題,這個時候數據是能夠在一定程度上反饋業務問題的,通過數據可以快速找到問題偵查方向 。
發現業務規律找到機會點:這個好處一定是最重要的,如果你長期觀察數據波動,你就一定會找到數據波動的某種規律,如果你知道這背后的原因,你就可以“順勢而為”,有針對性的制定產品或者運營策略,往往能事半功倍 。
二、理想狀態1. 業務數據分析工作的理想狀態在前司做了一年多的業務數據解讀,逐漸發現要想做好業務數據解讀這件事,至少需要三個層面的建設 。 這個三個層面相輔相成,一起構成了一個清晰的業務數據解讀的理想狀態 。
2. 經驗豐富的大腦大腦核心在做判斷,這個判斷本身需要你足夠的了解自己的業務 。
你要足夠了解自己業務內所有指標的含義,這里既包含業務的核心指標,也包含各個維度的分層分級指標 。 你不僅要了解他們,還要了解他們之間的關系 。
經驗豐富的大腦看到一個指標的波動,就能聯想到有可能是什么動作導致的,同時能映射到其他指標上,能夠快速結合工具進行交叉指標的驗證 。
3. 好用的工具初級的工具能提高獲取數據的效率,中級的工具能幫助理清分析思路,高階的工具能幫助決策,但無論是哪種水平的工具都要符合你自己的業務本身特性以及自己分析框架 。
我之前和數據部門產品同學一起搞過一個異動數據分析工具 。 這個工具會直接告訴你在某個周期內的所有的數據維度的變化,并計算出每個數據維度的對于整體業務數據變化的貢獻率 。 到后期還是發揮很大的作用的 。
不過這都是在我們吃透了自己業務每個指標代表什么意思以及摸透自己業務本身的分析框架的基礎上做的產品化工具,如果盲目就投入工具建設,應該結果是得不償失的 。
4. 豐富的信息感知這個層面不難理解,或者說數據分析本身就是個甄別信息的過程,你需要建立你自己數據特征與內外部之間的信息邏輯,拿外賣舉例,世界杯期間的外賣業務的DAU在上漲,那么你首先要知道世界杯正在發生這個事,否則也就別談驗證世界杯與業務數據之間關系的問題了 。
我在前司任職期間,我感知的每個信息我都會結合業務本身去想一想有沒有產生關聯關系,同時我也足夠多的開放自己,企求接收更多的信息 。
5. 什么是好的業務數據分析上面三個層面是指數據分析的理想狀態,但是不代表三個層面你都有建設就可以做好業務數據分析,按照目前我的理解,好的業務數據分析一定能講的清什么樣的人,在什么樣的場景,因為什么事件驅動,最后造成了業務數據怎樣的變化 。
好的數據分析=人+場景+事件驅動;推導邏輯大概是,數據變化不是原因本身,數據變化是業務變化的特征表現,人是業務的主體,場景是主體的范圍或者是特定的主體集合,事件驅動是動因 。
還是拿上面的外賣業務的例子講,世界杯期間外賣業務DAU在上漲,是住宅小區和校園的用戶因需要熬夜觀看球賽,導致宵夜場景的DAU增幅較大,進而拉動了大盤DAU的增長;如果但看結論本身,不做定量分析我理解是個合格的業務數據的解讀 。

推薦閱讀