产品经理学习资料
数据分析究竟是什么？需要掌握哪些技能？如何进行数据分析？
01 解构数据分析
我们字面拆解：数据 + 分析，数据是基础，分析是主导。可见，数据并不意味着价值，分析和决策才能创造价值！
实践方法：数据汇总统计+工具使用+可视化
数据分析对一个企业有巨大价值，则是对企业“数据”进行全方位的分析，两者相辅相成才能实现企业决策价值最大化。
所以，我们做好数据分析，要对数据分析的价值有清楚的定位，不能沦为单纯的 “取数”、“做表”、“写报告”，数据分析应该是对业务有实际的指导意义，并结合业务痛点去发现问题从而解决问题的工具。
1. 灵魂三问数据分析的灵魂三问，这就是我今天讲的主要内容：数据分析是个什么东西？他到底解决什么问题？
数据分析如何学习技能知识？需要掌握什么样的能力？
数据分析如何进行?有什么方法论？
一谈到数据分析，我们就会联想到这些问题。
然而，我接触数据分析的契机，是从刚开始工作是接触的数据处理和市场调研，再之后商家代运营，产品数据运营等，这些工作中都涉及数据分析，到现在和朋友一起创建小飞象数据分析社。
其实，我理解的数据分析不是从什么高大上的角度出发，它绕不开是什么、是多少、为什么、会怎样、又如何这几个问题。
说明白点：
是什么（树立数据标准）是多少（数据描述状况）为什么（探索问题原因）会怎样（预测业务走势）又如何（综合判断状况）
其核心就是分析数据（结合统计学等知识），到规律（比如异动），给出结论和建议，
进而能够辅助决策。
那么，接下来我们来看一下数据分析在工作中几种常见的应用场景，切身体会一下：
活动上线前，需要做A/B测试，通过数据反馈结果，验证活动是否符合预期；活动上线后，还要分析实时数据，调整推广节奏和推广动作。设计产品时，需要用数据来分析用户行为，挖掘用户需求；产品诞生后，还要用数据监测用户行为、测试产品功能，促进产品迭代。推广拉新时，需要对每个引流渠道进行质量评价；我们要收集每个渠道的投入，用数据分析来分辨渠道资源的效果，对比各大渠道对业务的影响，从中出最优渠道。······以上就是工作中遇到的数据分析应用的场景，然而，我在曾经公司里面亲眼看到，日常工作涉及到决策的时候，会常常出现如下场景：
场景一：“我觉得”、“应该”这样的词汇，谁也说服不了谁，一点点小事都要老板去拍板；
场景二：活动效果没出来，做汇报时，遭遇灵魂式追问：
“上线的新功能效果如何？”“接下来打算怎么优化”“最近数据波动的原因是什么？”······有以上这样的场景，其根本原因在于缺乏数据思维思考逻辑，对业务的思维只停留在浅层的对
比，甚至会出现“拍脑袋决定”的情况。
所以，在工作生活中，我们应该不断培养数据思维的习惯。举几个习惯：
若看到一个广告，尝试去分析广告的受众数量大小，渠道数量、成本和效果回收的情况。若看到一个活动，想办法去拆解出它的目的、针对人、预期活动目标、投入成本、奖品爆率模型等信息。若看到一个产品，在使用完毕之后去分析他的商业模式、面对的用户体、体的使用场景，以及可能设置的付费点并去验证，同时想到可改进的价值点，并观察后续运营动作是否验证了改进点。若看到一组客服回访数据，能想到线索来源，通话总次数，通话有效次数&时长，线索意向级别，销售司龄，套餐类型，来判断这组客户的意向度，以及跟进程度，成单周期。若看到一列数据，我们应该可以清楚的指出数据是否有波动，这种波动是否正常，可能由哪些原因带来了这些波动，相关的原因是否有数据呈现。若看到一篇关于运营效果的报告，我们应该试图去分析它的内生逻辑是否足够支撑报告的结论，在哪些点上可能没有详尽调查。·······以上是我们可以在生活中培养数据思维的习惯思考场景，当然，在实际工作中的前提是，我们要熟悉自己的业务流程以及业务指标等，我们在培养数据思维的同时数据敏感度会不断提升。怎么做数据分析
2. 数据的特性数据是客观事物发生留下的客观事实，发展变动的数字化记录。随着科学技术的发展，数据的概念内涵越来越广泛包括数值，文本，声音，图像，视频等。
而新增用户、留存、用户活跃、转化、收入、用户规模等，通过数据量化，我们才能精准感知业务指标。所以，数据是用来描述业务指标的，是被量化的业务指标。但数据的本质还是数值，只是属于最后结果的一种表现形式，要想改变结果，只能去寻因，从因上做改变，才能引起结果的改变。
发布评论