数据分析的8个流程与7个常用思路

数据分析的8个流程与7个常用思路
在产品运营过程中,数据分析具有极其重要的战略意义,是产品优化和产品决策的核心大脑。因此做好数据分析,是产品运营中最重要的环节之一。
那么如何做好支付的数据分析呢?以下梳理出数据分析的8步流程,以及常见的7种分析思路。新手在启动数据分析前,最好跟主管或数据经验较丰富的童鞋确认每一步的分析流程。
一、数据分析八流程:
为什么分析?
首先,你得知道为什么分析?弄清楚此次数据分析的目的。比如,这次短信方式的数据分析,为什么要做这个分析。你所有的分析都的围绕这个为什么来回答。避免不符合目标反复返工,这个过程会很痛苦。
分析目标是谁?
分析目标是谁? 要牢记清楚的分析因子,统计维度是订单,还是用户,还是金额,还是用户行为。避免把订单当用户算,把用户当订单算(上周运营同学真实案例),算出的结果是差别非常大的。
想达到什么效果?
通过分析各个维度的用户,订单,找到真正的问题。例如这次的XX通道的分析,全盘下线,或维持现状不动,都不符合利益最大化原则。通过分析,找到真正的问题根源,发现用户精细化运营已经非常必要了。
需要哪些数据?
支付的数据,茫茫大海,数据繁多,用“海”来形容一点都不为过。需要哪些源数据?付费总额,付费人数?新老用户维度?付费次数?转移人数?留存率?用户特征?画像?先整理好思路,列一个表。避免数据部门同学今天跑一个数据,明天又跑一个数据,数据部门同学也会比较烦。
如何采集?
直接数据库调取?或者交给程序猿导出? 自己写SQL?运营同学不妨都学一下SQL,自力更生。
如何整理?
整理数据是门技术活。不得不承认EXCEL是个强大工具,数据透视表的熟练使用和技巧,作为支付数据分析必不可少,各种函数和公式也需要略懂一二,避免低效率的数据整理。Spss也是一个非常优秀的数据处理工具,特别在数据量比较大,而且当字段由特殊字符的时候,比较好用。
如何分析?
整理完毕,如何对数据进行综合分析,相关分析?这个是很考验逻辑思维和推理能力的。同时分析推理过程中,需要对产品了如指掌,对用户很了解,对渠道很熟悉。看似一个简单的数据分析,其实是各方面能力的体现。首先是技术层面,对数据来源的抽取-转换-载入原理的理解和认识;其实是全局观,对季节性、公司等层面的业务有清晰的了解;最后是专业度,对业务的流程、设计等了如指掌。练就数据分析的洪荒之力并非一朝一夕之功,而是在实践中不断成长和升华。一个好的数据分析应该以价值为导向,放眼全局、立足业务,用数据来驱动增长。运营同学比较容易聚在某个点上转圈走不出来。
如何展现和输出?
数据可视化也是一个学问。如何用合适的图表表现?每一种图表的寓意是什么?下面列举下常用的8个图表:
(1)、折线图:合适用于随时间而变化的连续数据,例如随时间收入变化,及增长率变化。
(2)、柱型图:主要用来表示各组数据之间的差别。主要有二维柱形图、三维柱形图、圆柱图、圆锥图和棱锥图。如支付宝与微信覆盖率差别。
(3)、堆积柱形图:堆积柱形图不仅可以显示同类别中每种数据的大小,还可以显示总量的大小。例如我们需要表示各个支付方式的人数及总人数时。
(4)、线-柱图:这种类型的图不仅可以显示出同类别的比较,还可以显示出趋势情况。
(5)、条形图:类似于横向的柱状图,和柱状图的展示效果相同,主要用于各项类的比较。
(6)、饼图:主要显示各项占比情况。饼图一般慎用,除非占比区别非常明显。因为肉眼对对饼图的占比比例分辨并不直观。而且饼图的项,一般不要超过6项。6项后建议用柱形图更为直观。
(7)、复合饼图:一般是对某项比例的下一步分析。
(8)、母子饼图:可直观地分析项目的组成结构与比重。例如上次短信支付能力用户中,没有第3方支付能力的用户,中间有X%比例是没银行卡,X%比例是没微信支付账号等。
图表不必太花哨,一个表说一个问题就好。用友好的可视化图表,节省阅读者的时间,也是对阅读者的尊重。
有一些数据,辛辛苦苦做了整理和分析,最后发现对结论输出是没有关系的,虽然做了很多工作,但不能为了体现工作量而堆砌数据。
在展现的过程中,请注明数据的来源,时间,指标的说明,公式的算法,不仅体现数据分析的专业度,更是对报告阅读者的尊重。
二、数据分析七思路:
简单趋势
通过实时访问趋势了解产品使用情况。如总流水,总用户,总成功率,总转化率。
多维分解
根据分析需要,从多维度对指标进行分解。例如新老用户、支付方式、游戏维度、产品版本维度、推广渠道、来源、地区、设备品牌等等维度。
转化漏斗
按照已知的转化路径,借助漏斗模型分析总体和每一步的转化情况。常见的转化情境有下单率,成功转化率等。
用户分群
在精细化分析中,常常需要对有某个特定行为的用户群组进行分析和比对;数据分析需要将多维度和多指标作为分群条件,有针对性地优化产品,提升用户体验。例如我们这次对短信这类用户,短信里又有第3方和无第3方支付能力的,需要再进行分群的运营。
细查路径
数据分析可以观察用户的行为轨迹,探索用户与产品的交互过程;进而从中发现问题、激发灵感亦或验证假设。例如我们这次对新用户的运营,也非常有意思。
留存分析
留存分析是探索用户行为与回访之间的关联。一般我们讲的留存率,是指“新增用户”在一段时间内“回访”的比例。通过分析不同用户群组的留存差异、使用过不同功能用户的留存差异来找到产品的增长点。
A/B 测试
A/B测试就是同时进行多个方案并行测试,但是每个方案仅有一个变量不同;然后以某种规则(例如用户体验、数据指标等)优胜略汰选择最优的方案。数据分析需要在这个过程中选择合理的分组样本、监测数据指标、事后数据分析和不同方案评估。
不单是支付的数据分析,其他的产品运营数据分析流程和思路也一样适用,只是支付数据相对其他产品而言,维度很多,以及组合的维度也非常多,因此就需要更清晰的思路和大局观,避免陷入到数据海洋中。

  • 骞茶揣!缁熻瀛7绉鏁版嵁鍒嗘瀽鏂规硶,瓒呯骇瀹炵敤
    绛旓細鍋鏁版嵁鍒嗘瀽锛屽氨涓瀹氫細娑夊強鍒扮粺璁″鐨勭煡璇嗐傛垜涔嬪墠杩樻帹浜嗕竴浜涚粺璁″鐩稿叧鐨勫熀纭鐭ヨ瘑銆備粖澶╋紝鎴戜細鍒嗕韩7涓鎴戜滑寰堝彲鑳戒細鐢ㄥ埌鐨勭粺璁″涓殑 鏁版嵁鍒嗘瀽鏂规硶 銆備竴銆佹弿杩扮粺璁 鎻忚堪缁熻鏄氳繃鍥捐〃鎴栨暟瀛︽柟娉曪紝瀵规暟鎹祫鏂欒繘琛屾暣鐞嗐佸垎鏋愶紝骞跺鏁版嵁鐨勫垎甯冪姸鎬併佹暟瀛楃壒寰佸拰闅忔満鍙橀噺涔嬮棿鍏崇郴杩涜浼拌鍜屾弿杩扮殑鏂规硶銆傛弿杩扮粺璁...
  • 绮惧績鏁寸悊浜7绉甯哥敤鏁版嵁鍒嗘瀽鏂规硶,寤鸿鏀惰棌
    绛旓細杩庢帴鏁版嵁鍒嗘瀽甯堢殑鏂版寫鎴橈細鎺屾彙涓冨ぇ瀹炵敤鏁版嵁鍒嗘瀽娉</ 鍦ㄦ暟鎹殑涓栫晫閲岋紝姣忎竴姝ュ喅绛栭兘绂讳笉寮绮惧噯鐨勬暟鎹敮鎸併傛柊鍏ヨ亴鐨勬暟鎹垎鏋愬笀鑻ユ兂鎻愬崌鎶ュ憡璐ㄩ噺锛屾帉鎻′互涓嬩竷绉嶆暟鎹垎鏋愭柟娉曡嚦鍏抽噸瑕併傞鍏堬紝婕忔枟鍒嗘瀽娉</鐘瑰瀵艰埅鐏紝鐓т寒鐢ㄦ埛琛屼负鐨勮矾寰勶紝鍔╁姏鐢靛晢淇冮攢娲诲姩浼樺寲锛屾彁鍗囪浆鍖栫巼锛屾瘡涓绾ц浆鍖栭兘鏄彁鍗囩敤鎴蜂綋楠岀殑蹇呯粡...
  • 鏁版嵁鍒嗘瀽鐨勪竷涓鍏抽敭姝ラ
    绛旓細鏁版嵁鍒嗘瀽鐨勪竷涓鍏抽敭姝ラ 鐙嚜宸ヤ綔锛屽皢娣卞ゥ鐨勫叕寮忓簲鐢ㄤ簬澶ч噺鐨勬暟鎹悳绱粠鑰屽緱鍒版湁鐢ㄧ殑瑙佽В銆備絾杩欒繕浠呬粎鏄竴涓繃绋嬩腑鐨勪竴涓楠ゃ傛暟鎹垎鏋愭湰韬笉鏄洰鏍囷紝鐩爣鏄娇涓氬姟鑳藉鍋氬嚭鏇村ソ鐨勫喅绛栥傛暟鎹瀛﹀蹇呴』鏋勫缓浜у搧锛岃缁勭粐涓殑姣忎釜浜烘洿濂藉湴浣跨敤鏁版嵁,锛屼娇姣忎釜閮ㄩ棬鍜屽悇绾ч兘鑳界敤鏁版嵁椹卞姩鍐崇瓥銆傛暟鎹环鍊奸摼鏄...
  • 绮惧績鏁寸悊:7绉甯哥敤鏁版嵁鍒嗘瀽鏂规硶
    绛旓細瀵规瘮澶у笀:鏃堕棿涔嬮暅: 鏈堝害銆佸懆闄呭姣旓紝鎶婃彙閿鍞剦鎼忥紱绾靛悜鍜屾í鍚戯紝鎻ず瓒嬪娍涓庡樊寮傘傜┖闂村鍐: 鍖哄煙銆佸煄甯傞棿鐨勭珵浜夛紝纭繚瀵规瘮鐨勫叕骞充笌鏈夋剰涔夈傝鍒掑鍐: 涓庨鏈熺洰鏍囩殑姣斿锛屾彮绀哄畬鎴愬害鑳屽悗鐨勬晠浜嬨傜粡楠屼笌鐞嗚鐨勭鎾: 鍗曞搧閿鍞瘮渚嬶紝瀵圭収缁忛獙鍊间笌鐞嗘兂鐘舵侊紝浼樺寲绛栫暐鐨勫叧閿偣銆7绉鏁版嵁鍒嗘瀽娉曠姽濡傛暟鎹捣娲嬩腑鐨...
  • 涔濆ぇ甯哥敤鏁版嵁鍒嗘瀽鏂规硶 甯﹀ぇ瀹朵簡瑙d竴涓嬭繖浜涘共璐у惂
    绛旓細婕忔枟鍥鍒嗘瀽娉曞洜灞曠幇褰㈠紡濡傛紡鏂楋紝鏁呰屽緱鍚嶃傛紡鏂楀浘鍙互瀵规枃绔犻槄璇婚噺锛屼骇鍝佽喘涔伴噺绛夋儏鍐佃繘琛岄愬眰鍒嗘瀽锛屽睍绀烘暣涓叧閿矾寰勪腑姣忔鐨勮浆鍖栨儏鍐点傞噸瑕佸己璋冪殑鏄紝鍗曚竴鐨勬紡鏂楀浘闅句互琛¢噺鍚勪釜鐜妭鐨勫ソ鍧忥紝杩愯惀鑰呭彲浠ョ粨鍚堟湰鑺備粙缁嶇殑鈥滃姣斿垎鏋愭硶鈥濓紝瀵瑰悓涓鐜妭涓嶅悓鏃堕棿瀵规瘮锛岃瘎浼拌繍钀ユ晥鏋溿8銆侀浄杈惧浘鍒嗘瀽娉 闆疯揪鍥甯哥敤浜...
  • 鏁版嵁鍒嗘瀽鐨鏂规硶鏈夊摢浜?
    绛旓細2銆佹楠わ細鈶 璋冩煡鐮旂┒锛氭敹闆嗐佸垎鏋愩佹寲鎺樻暟鎹 鈶 鍥捐〃鍒嗘瀽锛氬垎鏋愩佹寲鎺樼殑缁撴灉鍋氭垚鍥捐〃 3銆佸父鐢ㄦ柟娉曪細 鍒╃敤鏁版嵁鎸栨帢杩涜鏁版嵁鍒嗘瀽甯哥敤鐨勬柟娉曚富瑕佹湁鍒嗙被銆佸洖褰掑垎鏋愩佽仛绫汇佸叧鑱旇鍒欍佺壒寰併佸彉鍖栧拰鍋忓樊鍒嗘瀽銆乄eb椤垫寲鎺樼瓑锛屽畠浠垎鍒粠涓嶅悓鐨勮搴﹀鏁版嵁杩涜鎸栨帢銆 鈶犲垎绫汇傚垎绫绘槸鎵惧嚭鏁版嵁搴撲腑涓缁勬暟鎹璞$殑鍏卞悓...
  • 鏁版嵁鍒嗘瀽闇瑕佹帉鎻″摢浜涚煡璇?
    绛旓細鏁版嵁鍒嗘瀽-娲惧彲鏁版嵁鍟嗕笟鏅鸿兘BI 3銆佺暀瀛樺垎鏋 鐣欏瓨涓鑸湪杩愯惀宸ヤ綔涓瘮杈甯歌锛屽彲浠ョ敤鏉ヨ 閲忎紒涓氭彁渚涚殑浜у搧鍜屾湇鍔℃槸鍚﹀鐢ㄦ埛鏈夎冻澶熺殑鍚稿紩鍔涳紝璁╃敤鎴峰湪鎺ヨЕ鎴栦娇鐢ㄤ骇鍝佸拰鏈嶅姟鍚庯紝鑳藉缁х画淇濇寔娲昏穬锛屾垚涓哄繝瀹炵敤鎴凤紝涓鑸細灏嗘鏃ョ暀瀛樼巼銆7鏃ョ暀瀛樼巼銆佹鏈堢暀瀛樼巼绛変綔涓烘爣鍑嗭紝浠ュ晢涓氭櫤鑳戒綔涓哄垎鏋愬伐鍏枫4銆佸姣斿垎鏋 涓鑸...
  • 鏈夊叧鏁版嵁鍒嗘瀽鐨7涓鏂规硶璁
    绛旓細褰撴垜浠嬁鍒版捣閲忕殑鏁版嵁鏃讹紝鍙兘浼氬洜涓烘暟鎹綋閲忚繃澶ц屾棤浠庝笅鎵嬶紝浜庢槸鎴戜滑灏卞彉鎴愪簡鏁版嵁鐨勬惉杩愬伐锛岃佹澘瀹為檯涓婅鐨勬槸涓鐡㈡暟鎹紝鑰屾垜浠粰鑰佹澘鐨勬槸涓姹犳暟鎹鑰佹澘鍦ㄦ暟鎹殑姹犳按涓勘娓搞傚ソ鐨鏁版嵁鍒嗘瀽鏄鏁版嵁璇磋瘽锛岄偅涔堟垜浠庢牱鏉ヨ鏁版嵁璇磋瘽鍛紝涓婂共璐~~7涓鍒嗘瀽鏂规硶 1. 鏁版嵁闅忔椂闂村彉鍖 锛氭煇涓涓寚鏍囧湪鏃ユ湡...
  • 涓鍚嶄紭绉鐨鏁版嵁鍒嗘瀽甯堟槸鎬庢牱鐐兼垚鐨
    绛旓細浜掕仈缃戜紒涓氳揩鍒囬渶瑕侀氳繃鏁版嵁鍒嗘瀽鏉ュ疄鐜扮簿缁嗗寲杩愯惀,闄嶄綆鎴愭湰銆佹彁楂樻晥鐜;鑰岃繖瀵规暟鎹垎鏋愬笀涔熸彁鍑轰簡鏇撮珮鐨勮姹傘傛湰鏂囧皢鍜屽ぇ瀹跺垎浜暟鎹垎鏋愬笀鐨勬紨鍙樸佹暟鎹垎鏋愪环鍊间綋绯汇佹暟鎹垎鏋愬笀蹇呭鐨勫洓澶ц兘鍔涖佷竷澶甯哥敤鎬濊矾浠ュ強瀹炴垬鍒嗘瀽妗堜緥銆備竴銆佹暟鎹垎鏋愬笀鐨勫墠涓栦粖鐢熷湪浠嬬粛鏁版嵁鍒嗘瀽甯堜箣鍓,鎴戜滑鍏堟潵鐪嬩竴涓嬭繖鍑犱釜鍘嗗彶浜虹墿,鐪嬬湅浠栦滑閮借窡...
  • 甯哥敤鐨勬暟鎹垎鏋鏂规硶鏈夊摢浜?
    绛旓細鍏佹紡鏂楀垎鏋 婕忔枟娉曞嵆鏄紡鏂楀浘,鏈夌偣鍍忓掗噾瀛楀,鏄竴涓祦绋鍖栫殑鎬濊冩柟寮,甯哥敤浜庡儚鏂扮敤鎴风殑寮鍙戙佽喘鐗╄浆鍖栫巼杩欎簺鏈夊彉鍖栧拰涓瀹娴佺▼鐨勫垎鏋涓 涓婂浘鏄粡鍏哥殑钀ラ攢婕忔枟,褰㈣薄灞曠ず浜嗕粠鑾峰彇鐢ㄦ埛鍒版渶缁堣浆鍖栨垚璐拱杩欐暣涓祦绋嬩腑鐨勪竴涓釜瀛愮幆鑺傘傜浉閭荤幆鑺傜殑杞寲鐜囧垯灏辨槸鎸囩敤鏁版嵁鎸囨爣鏉ラ噺鍖栨瘡涓涓楠ょ殑琛ㄧ幇銆傛墍浠ユ暣涓紡鏂楁ā鍨嬪氨...
  • 扩展阅读:什么人适合做数据分析师 ... 数据分析的五个步骤 ... 数据分析三大软件 ... 数据分析的五种方法 ... 一键生成数据分析图 ... 数据分析图表怎么做 ... 数据分析报告模板大全 ... 数据分析的常见工具 ... 为什么不建议学大数据 ...

    本站交流只代表网友个人观点,与本站立场无关
    欢迎反馈与建议,请联系电邮
    2024© 车视网