数据分析入门那点事——to产品&运营

一、数据分析是什么?

1、定义;结合一定的目的,通过一定的工具对数据进行分析,提取有价值的信息,得出结论,能够指导实际行动。

2、数据分析能力划分三个阶段:

二、数据分析流程

1、整体流程:目标分析——数据提取——数据清洗——数据分析——撰写分析报告——分享报告——执行

2、最重要步骤:目标分析

三、如何做数据分析

1、数据分类及数据收集和整理的常见方法

(1)数据分类:

a、定性数据-调研获得:分类型数据(男女)和顺序型数据(满意度等);

b、定量数据-日志获得:离散型数据(用户数等)和连续性数据(成绩等,有小数点);

(2)统计方法:

集中趋势——平均数、中值、众数;离散程度-方差、标准差、最大值、最小值、全距;

(3)数据收集方法:

用户调研、数据埋点、第三方网站(similarweb-可查竞品数据、gio)

(4)数据整理:

a、找出异常数据如空值、波动大、不同数据源矛盾或与常识矛盾(如下单uv>浏览uv);

b、异常原因:系统或人为原因;

c、处理方法:删除、用平均值填充、根据统计方法计算数值填充、用其他数据源验证填充

2、数据分析指标体系的搭建

(1)常用分析指标:

(2)指标体系搭建方法:

a、根据影响因素搭建;

如gmv=流量*转化率*客单价

以无人货架为例,分析提升gmv的措施,那么就找出影响gmv的因素,可以展示成如下公式:gmv=点位数*单个点位下单人数*平均每个人下单量*每单下单商品数量*商品平均价格,做点位分层-从a-s级别,找出影响gmv的核心因素为下单人数,结论就是找规模较大的公司布放点位,提升关键因素即下单人数。

b、按照构成横向拆解搭建:原则是各拆解维度之间包含内容不重复,要穷尽所有维度

比如今日活跃用户=今日新增用户数+留存用户数+回流用户数(召回了多少用户);可进一步拆解,比如新增用户数还可以拆分成各个渠道带来的用户数*转化率,找到可以直接做干预的影响因素。

再比如活跃用户也可以按照渠道拆解:活跃用户数=a渠道活跃用户数+b渠道活跃用户数...

b、按照纵向流向搭建:

漏斗转化,找出薄弱环节,要求只有一条主流程。

3、常用的数据分析框架

讲的不是特别好,所以不多说啦~

(1)QQ-数量和质量:不仅考虑绝对值,要考虑相对值,不仅考虑数量,还要考虑质量,如不仅考虑活动的点击量,还要考虑点击率;

(2)用户行为理论:

(3)5w2h:

(4)AARRR模型:太熟悉了,不说了~

(5)RFM模式:最近一次购买时间、购买频次和购买总金额

(6)人货场模型:

4、常用的数据分析方法

(1)对比分析

a、使用场景:找出差异,定义好还是坏

b、分析类型:与自身做时间对比、空间对比(不同城市)、目标对比(优化后与设定目标对比、年终与年初设定目标对比)、用户对比(新老用户对比);与他人对比(竞品对比)。

(2)分组分析

a、使用场景;一般与对比分析法结合使用,分析的内容构成复杂,拆分后不同组之间差异较大。

b、举例说明:如旅游行业的gmv,不同时间、不同类型产品类型(跟团游、自由行等)、不同用户群、不同渠道表(线上或线下)现差异较大

(3)矩阵关联法

a、使用场景:分析内容有多重属性,且多重属性无直接关联。

b、举例说明:swot、波士顿矩阵分析(市场份额和市场增长率)呢、

(4)逻辑树分析方法

a、使用场景:对于复杂指标做层层拆解,发现问题和机会,和分组有重合部分。

b、举例说明:gmv=流量(=各渠道的流量总和、各用户类型的流量总和、各产品类型的流量总和)*转化率*客单价

(5)漏斗分析方法:太熟悉了~不说啦~

©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 211,884评论 6 492
  • 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 90,347评论 3 385
  • 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 157,435评论 0 348
  • 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 56,509评论 1 284
  • 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 65,611评论 6 386
  • 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 49,837评论 1 290
  • 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 38,987评论 3 408
  • 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 37,730评论 0 267
  • 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 44,194评论 1 303
  • 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 36,525评论 2 327
  • 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 38,664评论 1 340
  • 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 34,334评论 4 330
  • 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 39,944评论 3 313
  • 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 30,764评论 0 21
  • 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 31,997评论 1 266
  • 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 46,389评论 2 360
  • 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 43,554评论 2 349

推荐阅读更多精彩内容

  • 专业考题类型管理运行工作负责人一般作业考题内容选项A选项B选项C选项D选项E选项F正确答案 变电单选GYSZ本规程...
    小白兔去钓鱼阅读 8,981评论 0 13
  • 目录: 原型设计 交互设计 商业模式 数据分析 需求分析 用户体验 战略层 范围层 结构层 框架层 表现层 互联网...
    银海系阅读 2,342评论 0 24
  • 目录 | 第五章 劫后余生 第六章 失魂之疾 铁珩是在淡淡的饭香味中醒来的。 床边的窗纸透着青白,远处隐约传来雄...
    青色百合99阅读 1,521评论 35 67
  • 前几天应邀到大凉山美姑去给初中生忽悠,PPT前前后后做了一个多月,改了又改,千算万算,居然没算到普通近视镜居然会忘...
    凌宗伟阅读 483评论 1 4
  • 有人说:怕吃苦,吃一辈子苦,不怕吃苦,吃半辈子苦。说得就是读书这事。 孩子,能现在用汗水解决的事,不要留着以后用泪...
    foundingcountry阅读 2,135评论 0 0