1. 首頁 > 生活百科 > >

什么是數據分析 程序及工具使用說明？( 二 )

生活百科


2. 誤區2：業務面狹窄前面已經說過，數據分析需要全面了解業務 。
這個全面體現在數據分析不僅要關注技術層面，還要對市場、營銷和管理領域的知識十分了解，只有這樣儲備下做出的數據分析才不會和業務環節出現脫節 。有的分析報告內容看上去非常漂亮、專業、復雜，但是讓老板看起來非常吃力，缺少的是業務邏輯，很難指導業務實踐 。
3. 誤區3：分析目的不明確面對茫茫數據，我們常常會覺得好像身處大海之中，盲無方向，不知所措，用什么分析方法，做什么圖表，需要哪些數據，寫什么形式的報告往往使我們百般糾結 。
對于一個項目而言，首先要根據業務方的需求，明確為什么要做數據分析，要解決什么問題，也就是分析的目的 。然后針對分析目的，搭建分析框架，選擇分析方法和具體分析指標，以及明確抽取哪些數據，用到哪些圖表等分析思路，只有對分析目的有清晰的認識，才會避開為分析而分析的誤區，分析的結果和過程就越有價值 。
4. 誤區4：分析思路混亂明確了數據分析的目的，就要緊緊圍繞這個目的展開 。
這個展開就是數據分析的思路和框架 。如何把分析目的逐層拆解為子問題，如何把拆解后的子問題轉化為數據指標，數據指標又會受到哪些維度的影響，如何表征影響的程度和趨勢，如何找到問題的關鍵因素 。
這個過程就是業務到數據的過程，盡量大膽地列舉出所有可能的假設，然后把假設轉化為數據指標和維度進行小心求證 。
切忌拿到需求就立馬著手分析，所謂數據未動，思路先行 。在沒有理清思路之前千萬不要分析數據，否則百分百是要重新分來過的 。把思路梳理清楚了，數據分析已經完成了一大半，而且整個問題的邏輯也會清晰很多 。
5. 誤區5：分析方法缺失這個就是具體的實現層面了，思維縱然清晰了，但是在具體分析的過程中，分析方法不當也難以得出準確的結論 。
1）只關注單一環節，沒有全流程意識
比如發現這期活動用戶報名明顯降低了，不僅要關注用戶在報名各環節的流失情況，還要關注更前置的環節，包括各渠道推廣投入，各文案資源的點擊轉化等都需要考慮 。
2）只關注單一指標，不去做關聯分析
只看單一指標，只做簡單歸因，找到了一個指標就認為是影響問題的所有因素，由此推論問題原因 。
這里往往忽略了很多問題并非只有單個因素，且多個因素和問題之間并非是因果關系，只是一種相關關系，我們要做的就是找到更多更相關的因素進行近似的“歸因” 。
3）只關注分析本身，沒有結合業務動作
舉個常見的例子，需要用RFM模型對用戶進行高/中/低價值分層，那消費金額M的閾值如何??？自己拍腦袋？為何不結合業務動作進行設定呢？分層的目的不就是為了針對性的制定動作么？如果業務準備對高/中/低價值用戶分別發放5000/3000/1000的優惠券，那閾值是不是就出來了？
4）只去做表面分析，不解決具體問題
報表做了一堆，沒有抓住應該重點關注的業務指標；發現異常指標，沒有結合數據分析去采取有效措施；復盤羅列數據，沒有總結出有助于業務發展的結論 。這些都是＂形式主義＂式的數據分析，看似沒有問題，實際沒有任何指導意義 。
四、數據分析師的進階之路數據分析高手和新手最大的區別在于：高手能通過數據分析，找到工作的關鍵節點，思考怎樣達成每個節點，并用數據證明能不能走得通 。新手容易陷入＂毛線團式＂的工作狀態，繞了一圈又一圈才完成任務 。
想成為這樣的高手，拿到比數據小白高幾倍的工資，至少需要經歷以下3個能力階段 。
1. 能力階段一：用數據分析解決業務問題很多運營在遇到業務困難時，要么早早放棄，要么主觀臆測，找不到問題的要害 。這時候如果你能學會用數據嚴謹地分析和解決問題，相信老板一定會對你刮目相看 。
2. 能力階段二：用數據分析達成項目目標你需要將數據分析思維貫穿整個項目，讓你更好地掌控項目，最終幫助你達成目標 。其中有一項非常關鍵的能力，即數據拆解能力 。
然而，很多同學在做指標拆解時，都只會簡單粗暴地“做加法” 。銷售量＝渠道A＋渠道B＋渠道C 。渠道運營小伙伴很容易找一堆互推渠道，但最后這些渠道能成交多少，是不可控制的 。
真正的數據分析高手應該懂得在高度的不確定性當中，去尋找確定性 。我建議采用的是“乘法邏輯”：銷售量＝曝光量 x 轉化率 。

推薦閱讀