据说这是一篇帮你快速把握数据分析的文章

1、为什么要注重数据分析?

我们为什么要注重数据分析,对此我的想法是:

A、有效避免拍脑袋、主观臆想;

B、为决策提供支撑,更能说服人;

C、通过数据分析,可以看到决策的效果、问题以及未来应该如何做。

知乎用户@绡页的答案很简单,但却一语中的:

“知错能改,善莫大焉”——可是错在哪里,数据分析告诉你。

“运筹帷幄之中,决胜千里之外”——怎么做好“运筹”,数据分析告诉你。

“以往鉴来,未卜先知”——怎么发现历史的规律以预测未来,数据分析告诉你。

2、数据分析的逻辑

一般而言,数据分析的逻辑是:先梳理一件事的目的、流程和逻辑(实际上也就是梳理清楚业务逻辑),界定出关键用户行为和数据,分析数据找到问题,思考解决方案。

比如某电商做了一个专题活动,但效果却并不理想,现在需要寻找原因,那么它的逻辑就大致是:首先梳理用户消费流程:专题活动页面——商品页面——下单购买,或者是通过搜索/导航——商品页面——下单购买;然后界定出关键的用户行为:打开专题页或通过搜索导航、进入商品页面、点击购买、下单等;再然后确认是用户的哪个行为数据是否有异常的地方,也就是找到问题所在;最后就是思考怎样去解决这个问题。

3、数据分析的方法

在数据来源正确的前提下,数据分析的方法可以分为定性分析和定量分析。

定性分析,就是对事物的性质作出判断,究竟它“是什么”。比如最近某一个产品的用户活跃度大幅度提升,而结合该款产品最近的更新情况可知,用户活跃度之所以大幅提升是该款产品上线了一个新功能导致的。

定量分析,是指对事情的数量做出统计,衡量它“有多少”。比如产品优化了登录注册流程,这一优化的效果是怎样的,带来了多少新注册用户,增长率是多少。

在《增长黑客》中有一段对数据分析的精彩论述,其中也有提到定性分析和定量分析的关系:

数据分析就是定性分析和定量分析的相互结合,不断验证的过程。提出假设、设计方案、分析数据、验证或推翻假设,最终抽丝剥茧,逐渐接近真相。数据是相互印证的,彼此之间有如通过无形的网络纵横连接,只需轻轻按动其中一个就会驱使另外一个或一组产生变化。通过数据分析得出的结论,应当能反推出其他数据,或是与其他数据分析得出的结果相一致。例如,假设某日在线订餐网站的数据量猛升,猜测与天气阴雨、用户窝在办公室或家中不愿出门有关,那么就应当去翻查近期之内网站在阴雨天期间的访问数据,看是否出现了类似的攀升。

4、数据分析的流程

就我自己亲身工作经历而言,数据分析的流程应该是:

明确目的——拉取数据——处理数据——寻找异常点——得出结论——验证结论

明确目的:清楚并理解此次分析的目的是什么,比如寻找某地城市的流量锐减的原因,这个很多时候是建立在你对业务逻辑/流程的理解,如果不了解的话,你所做的不是数据分析,顶多就是个数据整理的工作。而这就要求先确认分析维度,包括拉取什么数据、核心变量是什么、核心变量是否受到其他外界因素的影响(是否有其他需求上线?能否取到准确来源的数据?时间范围的数据是否出现数据问题?)

拉取数据:很多时候我们需要自己动手从数据库里拉取相关数据,在拉取数据时,需要注意以下几点:能在数据库里处理的,就不要拉到excel中处理;语句是否完整:引号、分号、group by;条件限制是否准确:时间、平台、页面、类别、是否去重、是否清洗;语句逻辑是否正确;所取时间段数据是否不受外界因素影响等等。

处理数据:保存拉取出来的数据作为原始数据,保留相应的语句;掌握常用函数(Vlookup、sum、Average、if、If error);当你认为所需要做的事情特别繁琐时,找人问;或者将你的问题清楚表述,然后百度,你要相信,你所遇到的问题别人很有可能早就遇到过。

至于寻找异常点、得出结论这两步,则是需要结合具体的业务才能进行,而验证结论,则是需要从其他维度去验证一下结论的可靠性,我觉得找老大review是最简单最暴力的一种方式。

5、其他

A、如我们所知,对待数据一直以来都有不同的态度,有的人做任何决策都希望能够有数据作为支撑,同样有的人追求的是对人性的洞察,追求的是对未来的预见。在我的理解范围内,这两者本质上并没有直接对立的成分在,没必要将两者对立起来,我们唯一要关注的东西就是实现目的。在关注目的/结果的时候,我们就会很清晰的明了,不管是数据流还是人性派,都只是手段,清楚目的所在,就不会轻易因为数据不好看就放弃某个决策,也不会固执坚持某个观点。

B、关于数据敏感:很多人在我面前说自己对数据敏感时,我每次都不以为意。因为我觉得数据敏感这个实际上是个伪概念,它更多的是一种(多接触数据之后的)结果,而非能力,尤其不是那种靠天赋的能力。如果非要说是一种能力,在我的理解范围内,我觉得数据敏感是一种建立在对业务足够理解的前提下,并且可以通过足够的训练获得的能力。没错,我想说的时候:不谈对业务的理解,只谈数据,我觉得这是在耍流氓。

C、数据的根本用途就是提供决策依据,减少不确定性。现在人们的决策,大多数是靠感觉,靠跟风,靠个人经验,只有很少部分是客观数据分析。数据,提供了一种更为可靠的决策依据。


欢迎关注我的个人公众号,超人不会飞(chaoren107)

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 199,519评论 5 468
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 83,842评论 2 376
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 146,544评论 0 330
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,742评论 1 271
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,646评论 5 359
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,027评论 1 275
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,513评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,169评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,324评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,268评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,299评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,996评论 3 315
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,591评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,667评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,911评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,288评论 2 345
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,871评论 2 341

推荐阅读更多精彩内容