1. 首頁 > 生活百科 > >

數據分析思路設計與方法 數據分析思路

小知識數據分析思路

編輯導語：在業務數據分析中 ， 新人常常會面臨這樣一個尷尬的處境：明明掌握了數據分析工具 ， 但對于數據仍無從下手 ， 發現不了其中的業務問題 。 其實 ， 這是缺乏數據分析思維的表現 ， 作者介紹了一些基礎的數據分析思路 ， 希望對正在迷茫的你有所幫助 。

數據分析思路設計與方法 數據分析思路

文章插圖
在業務數據分析中 ， 無經驗的新人常面臨這樣一種現象：即便已經掌握了數據分析工具 ， 但有時候拿到數據仍然不知道從何下手 ， 即便已經做出了很多的圖表 ， 但仍然無法發現業務問題 。 為什么簡單的數據在經驗者手里能分析出不同的洞見 ， 而有些卻只能得到非常簡單的結論？
若要通過數據來深入分析業務問題 ， 首先需要具備一定的數據分析思維 ， 充分的利用好可獲得的數據 ， 挖掘到現象背后更多的潛在信息 ， 本文將介紹一些基礎的數據分析思路 。
一、充分利用可獲得數據在開展一個調研 ， 執行數據分析的階段 ， 我們可以首先去思考下 ， 除了我們調研中設置的數據以外 ， 還有哪些數據我們是可以獲取并進行分析的 。 從便于理解數據分析思維的角度 ， 我們把數據類型可分為：用戶數據、行為數據、態度數據、產品數據 。
用戶數據：是指用戶本身的屬性和基本情況 ， 比如：性別、年齡、身份、職業、地區等 ， 了解用戶數據便于我們在后續的分析階段更好的對用戶進行細分和拆解 。
【數據分析思路設計與方法 數據分析思路】行為數據：是用戶與產品交互過程中產生的數據 ， 即記錄用戶做過什么的數據 ， 常通過產品埋點等方式記錄收集 ， 比如：用戶點擊酷家樂設計入口的次數、在某個頁面的停留時間、查看過的頁面類型/數量、使用過哪些工具類型等 ， 行為數據主要包括用戶做了哪些行為、發生行為的時間等 。
態度數據：是用戶對于某個事情或者觀點的態度 ， 通常是通過我們在研究中設置好的問題來獲取 ， 比如常見的：用戶的滿意度、NPS、某個問題對用戶的影響程度等 。
產品數據：是產品本身屬性或者具備的數據 ， 例如：產品名稱、產品價格、產品種類、功能個數、產品評論、產品銷量、產品滿意度等 。

數據分析思路設計與方法 數據分析思路

文章插圖
不同的數據類型可能來源于不同的獲取渠道 ， 有些來自公司內部數據庫 ， 有些是通過自己主動投放獲取 ， 在實際進行業務問題分析時 ， 要有充分調用不同渠道、不同數據類型的意識 ， 不僅關注同一類型數據的表現 ， 還可以分析不同數據類型之間的關聯 ， 從而對業務問題背后的原因進行更深層次的洞察 。
二、基礎的數據分析思路數據分析的目的是為了回答某個業務問題 ， 通常來說 ， 常見的業務問題主要有兩類：
一是業務現狀分析（即通過業務數據分析 ， 來發現當前業務問題） ， 二是業務問題原因分析（即在發現某個業務問題后 ， 層層深入挖掘問題背后的原因） 。
例如 ， 我們在工作中面臨著這樣的業務訴求：當前產品用戶NPS如何 ， 是高還是低？是升了還是降了？產品NPS上升/下降的原因是什么？
1. 對比分析法：絕對數據意義不大 ， 要看相對數據對比分析法是進行業務現狀分析和發現問題最基本的方法 ， 單一的數值并不能說明什么問題 。 比如 ， 了解某產品NPS達到30% ， 只了解這個數值是沒有太大意義的 ， 因為并不能判斷這個NPS是高還是低？是升了還是降了？所以只有通過對比分析 ， 才能讓數據變得有意義 。
常見對比分析思路：
和行業比：想知道NPS是高還是低 ， 可以和行業的平均水平進行對比 ， 或者和行業內的標桿進行對比 。
和目標比：與既定的目標比 ， 來了解當前NPS的距離目標的差距 。
和同類/同級比（橫向對比）：和同一行業內/生態內的其他產品水平 ， 找到相對更高或者更低的答案 。

推薦閱讀