1、在和團(tuán)隊(duì)小伙伴的的時(shí)候，發(fā)現(xiàn)一個(gè)問題：我問，你怎么看數(shù)據(jù)分析能力？如何評(píng)價(jià)自己的數(shù)據(jù)分析能力？大家的回答主要是這樣的：運(yùn)營是基于數(shù)據(jù)驅(qū)動(dòng)的，但是拿著很多數(shù)據(jù)，不能分析下去，主要是對(duì)于excel 的一些陌生的公式、函數(shù)都不太會(huì)，我要專門去學(xué)一下 excel我感覺導(dǎo)致現(xiàn)在轉(zhuǎn)化率低低原因是，最近接觸到很多用戶都是這么反饋的，但還沒有找到好的分析方法產(chǎn)品的數(shù)據(jù)分析能力還是很重要，去學(xué)個(gè) R，能夠去構(gòu)建量化模型以上，我覺得太在意數(shù)據(jù)分析方法和工具，我覺得都還沒有把握住一個(gè)業(yè)務(wù)人數(shù)據(jù)分析能力的。業(yè)務(wù)人考慮的最重要是，業(yè)務(wù)結(jié)果到底怎么樣，出現(xiàn)了什么問題，原因是什么，可能的解決方案是什么。數(shù)據(jù)分析只是，它的誤

2、區(qū)就是，太在意方法和工具。而最缺少的，恰恰是最重要的思維。數(shù)據(jù)分析的方法大多數(shù)人錯(cuò)誤地理解了數(shù)據(jù)分析，把數(shù)據(jù)分析能力的關(guān)鍵放在了方法和工具；對(duì)于業(yè)務(wù)人而言，數(shù)據(jù)分析的思路是，得到兩個(gè)變量之間的量化關(guān)系，用以解釋現(xiàn)象；數(shù)據(jù)分析的步驟，感知問題、提出假說、選擇表征、收集數(shù)據(jù)、分析驗(yàn)證；提出假說和選擇表征是很多業(yè)務(wù)人數(shù)據(jù)分析做不下去的原因。數(shù)據(jù)分析能力的是思維對(duì)于業(yè)務(wù)人，比如產(chǎn)品或運(yùn)營，數(shù)據(jù)分析能力的不在方法和工具，而在于思維。本文 是圍繞數(shù)據(jù)分析進(jìn)行展開。比如，做社群運(yùn)營的同學(xué)，常常會(huì)想，到底什么 在影響用戶的活躍度。在實(shí)踐的過程中， 感覺到，不同的進(jìn)入社群的時(shí)間點(diǎn)可能是活躍度比較關(guān)鍵的影響 。于

3、是，嘗試通過數(shù)據(jù)定義，確定 x=進(jìn)群時(shí)間點(diǎn)與開群的時(shí)間差，y=第一月活躍率。我們將 x 變量按天為 氛圍不同類別，得到了以下的關(guān)系：數(shù)據(jù)統(tǒng)計(jì)利用數(shù)據(jù)體現(xiàn)現(xiàn)象，比如建立數(shù)據(jù)漏斗數(shù)據(jù)分析利用數(shù)據(jù)尋找現(xiàn)象關(guān)系，比如城市特征和活躍之間的關(guān)系數(shù)據(jù)分析最重要的思維就是，不斷確定業(yè)務(wù)中兩組變量之間的關(guān)系，用以解釋業(yè)務(wù)。收入、轉(zhuǎn)化、用戶規(guī)模、用戶活躍等，稱為現(xiàn)象。而只有通過數(shù)據(jù)量化的現(xiàn)象，才能精準(zhǔn)感知。所以，數(shù)據(jù)是 現(xiàn)象的，是被量化的現(xiàn)象。這就是數(shù)據(jù)統(tǒng)計(jì)在干的事情，比如建立數(shù)據(jù)漏斗，嚴(yán)格意義上這就是數(shù)據(jù)統(tǒng)計(jì)。而數(shù)據(jù)分析，就是尋找這些被量化的現(xiàn)象之間的關(guān)系。這個(gè)關(guān)系就是 y=f（x）。找到兩個(gè)變量之間的關(guān)系，多

4、找到一種這樣關(guān)系，在實(shí)踐中，就多一種有效。所以，在數(shù)據(jù)處理層面，有這樣兩個(gè)方式：數(shù)據(jù)分析的本質(zhì)業(yè)務(wù)中數(shù)據(jù)分析的一般方法前面簡(jiǎn)單說了數(shù)據(jù)分析的方法工具誤區(qū)和數(shù)據(jù)分析是要去尋找兩組變量之間的關(guān)系。*x 變量每類樣本 N50，且基本是同一時(shí)間的社群，排除了其他影響當(dāng)?shù)玫揭陨蠄D示的關(guān)系其實(shí)足以指導(dǎo)的工作了做社群運(yùn)營，盡量做到及時(shí)開群，不要讓用戶等待，消耗熱情。所以，數(shù)據(jù)分析最重要的思維就是，不斷去尋找可能與業(yè)務(wù)結(jié)果有關(guān)的變量，確定這兩個(gè)變量之間的關(guān)系。多確定了一種關(guān)系，就多了一種，少了一些瞎干。要做到這些，excel 的基礎(chǔ)功能，妥妥解決。通過統(tǒng)計(jì)學(xué)方法回歸分析出一個(gè)量化模型或論證其信效度。因?yàn)椋瑢?duì)于

5、大部分業(yè)務(wù)而言，動(dòng)作的精度有限，所以不需要分析的精度太高，同時(shí)，統(tǒng)計(jì)方法的量化模型無法用業(yè)務(wù)邏輯進(jìn)行解釋，只能，對(duì)于類業(yè)務(wù)意義不 大。那在業(yè)務(wù)中，如何進(jìn)行有效的數(shù)據(jù)分析。我將數(shù)據(jù)分析歸納為以下五個(gè)步驟：找到問題，下一步就是找方法解決。在管理界有個(gè)說法，叫作不要煮沸海洋。說的是，把所有的，可能導(dǎo)致問題的因素全部找出來分析一遍，那是低效也是不可能的。所以，這里就需要使用到假說的方法。哪些可能影響到收入？哪些會(huì)導(dǎo)致打開 app 的人不使用任何功能直接離開？找到以上問題可能的的過程，就是提出假說的過程。第二步，提出假說如果沒有問題，是不需要數(shù)據(jù)分析的。但是，那是不可能的。KPI 總是差點(diǎn)才達(dá)到，即使達(dá)

6、到了，還會(huì)問你，就不能做到更好嗎？在業(yè)務(wù)中有這樣兩種，一種是直接找最終結(jié)果，比如收入比不上競(jìng)品， DAU 下降了 10%等；一種是環(huán)節(jié)上，拆解漏斗和業(yè)務(wù)環(huán)節(jié)，比如通過分析 app 數(shù)據(jù)漏斗，發(fā)現(xiàn)使用一次人數(shù)相對(duì)于打開人數(shù)相對(duì)于流失了 30%等。記住這樣一句話，但凡有差異，必有問題，但凡有問題，必要尋找原因。這一步的不是有沒有問題，差距、總是在那里。的是，能不能找到最重要，也就是最和業(yè)務(wù)結(jié)果相關(guān)，優(yōu)先級(jí)排序是關(guān)鍵。而排序的關(guān)鍵就是，基于最重要的結(jié)果或 KPI 的標(biāo)準(zhǔn)進(jìn)行排序。不斷思考一件事，解決了這個(gè)問題能夠?qū)Y(jié)果有多大的改善？第一步，感知問題第一步，感知問題第二步，提出假說第三步，選擇表征第四

7、步，收集數(shù)據(jù)第五步，分析驗(yàn)證互聯(lián)網(wǎng)的很大優(yōu)勢(shì)就是數(shù)據(jù)驅(qū)動(dòng)的，數(shù)據(jù)往往是被有效收集的。但是，也存在數(shù)據(jù)沒有被 情況。支持產(chǎn)品功能的數(shù)據(jù)，會(huì)被 ，但是很多行為數(shù)據(jù)只能通過調(diào)取接口數(shù)據(jù)或埋點(diǎn)的方式進(jìn)行 。這就需要業(yè)務(wù)人能夠提前規(guī)劃所需數(shù)據(jù)，讓工程師將數(shù)據(jù) 在庫。第四步，收集數(shù)據(jù)選擇的數(shù)據(jù)能夠充分代表假說中變量的內(nèi)涵；選擇的數(shù)據(jù)盡量是用戶客觀行為數(shù)據(jù)而非態(tài)度數(shù)據(jù)；選擇的數(shù)據(jù)是有被或容易獲取。不可被數(shù)據(jù)量化，就不能被改變。如前文所說，數(shù)據(jù)分析，需要將現(xiàn)象量化，得到可以分析的數(shù)據(jù)。所以，需要將假說中所選擇的變量，用數(shù)據(jù)來進(jìn)行表征。在入群時(shí)間點(diǎn)對(duì)用戶活躍度影響的例子中， 入群時(shí)間點(diǎn)（x）定義為：入群時(shí)間與開

8、群時(shí)間差；將活躍度（y）定義為用戶從進(jìn)入起一周的活躍率，即一月內(nèi)活躍天數(shù)的占比。在選擇數(shù)據(jù)表征元素的時(shí)候，需要把握的原則就是：第三步，選擇表征這里有兩個(gè)路徑用來提出假說，一個(gè)是歸納的方式，一個(gè)是演繹的方式：歸納式的，就是根據(jù)個(gè)案進(jìn)行總結(jié)。比如在收入可能的影響 的時(shí)候，我會(huì)找所有相關(guān) 進(jìn)行頭腦風(fēng)暴，提出可能的 ；也會(huì)對(duì)分層的用戶進(jìn)行抽樣深讀訪談，了解他們 或不 的原因及其他看法。演繹式的，就是根據(jù)模型進(jìn)行推演。比如在 app 打開不使用直接離開， 可以根據(jù)對(duì)用戶行為模型的理解進(jìn)行拆解，而拆解的有效與否，其實(shí)就是關(guān)于你模型多少、深度。結(jié)合歸納式和演繹式的方法，會(huì)得到非常多的可能與結(jié)果相關(guān)。進(jìn)行整理

9、，并進(jìn)行重要性排序。到這里，就找出很多可能、確定、量化的 y=f（x），也就是一對(duì)對(duì)可能有關(guān)系的變量。數(shù)據(jù)分析，是認(rèn)識(shí)事物的重要方式之一，它的特點(diǎn)是定量的非定性的、過去的非未來的、相關(guān)的非因果的，有其適用范圍，但一定是所有業(yè)務(wù)人必須掌握的能力。對(duì)于業(yè)務(wù)人，不用太于方法和工具，首先需要錘煉分析思維，尋找兩個(gè)變量的關(guān)系，真正指導(dǎo)業(yè)務(wù)才是關(guān)鍵。而在分析的過程中，提出假說和選擇表征是關(guān)鍵所在，也是很多業(yè)務(wù)人沒有能夠作出有效分析的關(guān)鍵所在。本文由 個(gè)家發(fā)布于人人都是產(chǎn)品經(jīng)理。，。題圖來自 Pixabay，基于 CC0 協(xié)議數(shù)據(jù)分析，一種必備能力反倒是，分析驗(yàn)證這個(gè)步驟變得不是那么的步驟。確定好了x 與 y 的含義和數(shù)據(jù)，剩下的分析就很簡(jiǎn)單了。通過數(shù)據(jù)可視化的方式，表現(xiàn)