數據分析很痛苦?5類問題、8大方法幫到你
來源:指數網  日期:2019-09-11
    • 分享到QQ空間

“對數據敏感,能夠通過數據分析與反饋,不斷改進和優化產品”之類的招聘要求屢見不鮮。誠然,數據分析能力已經成為產品經理不可或缺的技能。數據的敏感度和分析能力的高低,往往可以看出一個產品人的功底。

筆者雖說幾乎天天和數據打交道,但始終覺得要獲得能力進階,仍需進行系統性的學習和實踐。因此本文作如下梳理和思考,希望對大家有所幫助。

一、本文目的

1、列舉常見數據分析問題,自我反思對癥下藥

2、給出一些分析思路,提升日常數據分析效率

3、學習日程制定指引,逐步掌握數據分析工具

二、文章框架

15大常見問題

2、學習動力

3、日常分析類型

4、分析思路

5、制定學習日程

6、數據分析工具

三、為啥要學數據分析

你可能會說,這不是廢話嗎?!肯定要學啊!不過筆者還是要強調下。沒有足夠的驅動力,頂多也是三天打魚,難以為繼。數據分析有啥好處?一句話總結就是:數據改變生活。哈,有點扯。隨便貼幾點吧,每個人的動機都不一樣,有用就好。

四、5大常見問題

這兩周,通過調研和自我反思,發現同學們在數據分析這個環節上,主要集中在5大問題,筆者簡稱之為“41不”,若未能妥善解決,將嚴重影響工作的效率和身心健康。

1、無思路:數據雜亂,不知道從何入手

成因:分析的業務目標不清晰,導致數據采集過剩;分析方法與分析的場景不懂得如何結合,導致無從下手。

對策:理解業務背景和業務目標;熟悉各分析方法及應用場景。

2、無側重:分析邏輯不嚴謹,生搬硬湊亂猜想

成因:未整體考慮對數據造成波動的可能原因,將相關性指標用作為因果關系指標,成為了:為了分析而分析。

對策:數據分析應形成閉環,確定分析目標--采集數據--列舉可能原因--驗證猜想--得出分析結論--后續優化對策。

3、無規劃:分析時,卻發現數據缺失,采集難度高

成因:對所上線產品的價值收益不清晰,未提前規劃觀察指標及進行相關的數據采集需求開發,巧婦也難為無米之炊啊!

對策:明確產品的成功指標,可提前構思分析思路,進而反推所需的數據需求細節。

4、無記錄:數據異常,卻不知道做了什么

成因:團隊內部信息同步不及時。可能是活動導致的產品數據暴增,或者產品更新導致系統故障數據下跌。

對策:建立團隊內部的協作機制,信息及時同步至共享平臺。如:運營活動上線前X天,及時同步至產品相關活動規劃,并做好備份記錄和通知相關部門。

5、不熟練:對分析工具不熟悉,分析耗時大

成因:分析工具如Excel,若不是在學校有專門課程,基本是自學或者報相關課程,工作忙沒抽時間單獨學習是根本原因。

對策:建議列出自己的薄弱環節,有針對的找相關的課程學習,如果是小白,建議系統地學習。

五、日常分析類型

日常的數據分析類型可以從四個角度去歸類,產品設計五要素、數據類型、產品進化流程及時間。

分類的目的是為了幫助我們更好地理清日常數據分析的場景,以便更有針對性地進行整理歸類、前置學習儲備,比如說:數據類型緯度中,提前整理好存放用戶數據、交易數據的數據庫及表字段,可以提高數據采集時的效率;整理好項目周報的報表格式,有數據增加,直接更新即可。

1、從產品設計五要素看

戰略層的數據多留點心思,老板們會不定期地問起,找數據比較久就比較尷尬了。

2、從數據類型看

下面的數據,在個性化推薦或精準營銷場景會用得非常的高頻,數據的質量決定了推薦效果的好壞。

3、從產品進化流程看

產品上線的前中后,產品的關注數據會有所差別,相關的數據收集和分析要靠自己不斷總結反思。

4、從時間上看

建議同學們自我盤點下,有哪些是一次性的,哪些是周期性的,相應的采集需求或者分析報表該如何呈現才更佳。

六、數據分析思路

這部分是比較關鍵的一環,構思不清晰,如無頭蒼蠅一般,費時費力還無用。在分析之前,可以先問下自己,這個數據分析,到底目的是為了什么?筆者認為,基本上為如下三類:

1、事前:制定/預防

2、事中:控制/調整

3、事后:結項/優化

因此,數據分析的思路是:始終圍繞該階段下的業務目標而開展數據分析

分析思路建議參考:金字塔+公式化思維,這樣可以窮舉可能造成的影響因素,并進行一一分析排除,找到可能的原因。

Tips:建議先列清楚可能原因,在進行數據采集和數據分析,避免返工。

舉例:

當一個電商平臺的訂單轉化率下降時,可以列出訂單轉化率公式:CR=訂單數/UV

下降的原因:可能是訂單數變少了,也可能是來的客戶增加了。針對這兩個指標進行羅列可能造成的原因,并通過數據驗證分析。

七、數據分析方法

有了數據分析的思路,就需要通過適合該場景的分析方法進行分析,以進行規律的探索。常用到的一些分析方法如下:

1、趨勢分析法

將兩個或兩個以上的指標或比率進行對比,以便計算出它們增減變動的方向、數額、以及變動幅度的一種分析方法。

2、對比分析法

將兩個或兩個以上指標對比,尋找其中規律。靜態對比,不同指標橫向對比。動態對比,同一指標縱向對比。

3、多維分解法

把一種產品或一種市場現象,放到一個兩維以上的空間坐標上來進行分析。

4、用戶分群

根據用戶與產品之間的互動程度進行劃分,以更好經營用戶。

5、用戶細查

用戶抽樣,具體觀察用戶在行為、交易上的特征數據,以觀察是否具有顯著特征,反推宏觀數據,找出數據規律。

6、漏斗分析法

對業務流程節點進行劃分,建立整個業務流程的轉化漏斗,并追蹤分析。

7、留存分析

用戶注冊后,追蹤該用戶次日//月的活躍情況。

8AB測試法

A/B測試的實質是對照試驗,即通過對幾個不同的版本進行對比,從而選出最優解。

八、學習日程

因為計劃常常趕不上變化,因此這里希望同學們列的是日程,而不是計劃。這部分分兩步,第一步搞清楚自己需要什么,第二步,制定適合的學習日程。

step1:需要什么

1、根據第五節的數據分析類型,梳理日常高頻分析場景。

2、總結自己的薄弱環節:可以反思分析過程,做什么最痛苦和請教大佬們都有哪些高超技藝。

3、確定一個自己未來鉆研的方向。

以上,確定一個學習優先級。

step2:學習日程

1、一個可持續性的學習習慣:什么時候學習效率最高,最可執行。2、一個階段性的學習目標:先看Excel的基本知識,再看統計學,再學SQL

3、定期時間日程安排,具體的日程編排根據自己的時間來。

九、數據工具學習

可以先從ExcelSQL入手,重點學習內容如下:

今天這個時代,數據無處不在。不管你從事什么工作,什么崗位,是管理者還是基層員工,總會接觸到各種數據,也不可避免的會與數據產生交集。

Excel對數據進行基本的數據處理,是每個職場人的基本素質之一。

對數據分析師來說,Excel是我們工作中經常使用的一種工具,同時也是處理數據最基礎的工具。很多傳統行業的數據分析師甚至只要掌握ExcelSql即可。由此可見,Excel技能對數據分析師的重要性不言而喻。

    • 分享到QQ空間
海南省体彩兑奖在哪里