第171章忠义无双陈见之

对于数据分析，产品、运营需要懂多少才算懂？

数据分析能力对于产品和运营人员都是重要的，有多重要？我们直接上数据。

我们用python爬取了前程无忧网上500条关于活动运营、内容运营、用户运营的职位要求，把他们进行词频分析，得出了以下的图表。

我们得出以下结论：用人需求方普遍认为，数据分析能力对于运营人是非常重要的（当然，更加重要的核运营核心竞争力是产品思维和营销策划能力）。然而有趣的是，很多的运营人员过分地专注于自己的营销能力上（如文案能力、活动策划能力）却忽略了数据分析能力的提升，我所带的团队也有这个弊病，故写下这篇文章，供大家参考。数据分析在运营中的作用

运营人是与业务最贴近的人群。拥有高效的数据分析能力，有助于我们快速制定与业务增长高度相关的运营决策。优秀的运营人做出来的数据分析，对业务更加有实际的指导意义，不会流于形式，不会沦为单纯的“取数”、“做表”、“写报告”。

对于互联网时代的销售——运营而言，数据分析主要有三个作用。具体化地描述当前产品的状态、用户的状态，发现问题，帮助作出运营决策；验证所做的运营策略，是否有效；探索与预测未来的可能性，实现产品与运营的优化；

这三个作用也是逐级递进的，从现有行为挖掘数据，通过数据反推行为，再通过数据预测未来。数据分析不可能脱离产品，所有分析的数据源自产品与用户行为，分析的结论又服务于产品和激活用户行为。应有的分析思维增长公式思维

要改变物体的运动状态，必须要有力或场的存在，产品规模增长和用户增长，必然有其增长引擎。

企业的增长=系数1*因素1+系数2*因素2+….+系数n*因素n

通过对业务的理解，找到驱动业务的因素，这是经验之谈，基于我们对业务的熟悉，用户之敏感，对营销的理解来确定，通过快速迭代与实验来验证我们所选定的各种因素是否合理。

先谈谈因素，举个极度简单的例子：

收入-费用=利润

企业利润下降了，是什么原因？核心驱动力就是收入减少了或者费用提升了。

可不要忘记了在因素前，还有一个系数，因为影响核心业务的因素实在是太多了，我们应该找到关键因素，这个系数就是描述因素对于核心业务的影响程度的。

再举一个极度简单的例子：

商场营业额=商场负1楼收入+商场1楼收入+商场2楼收入,负一层是商场停车场、一楼是男女时尚服装、二楼是美食广场。我们按照个人经验，加上了系数，商场营业额=1*商场负1楼收入+30*商场1楼收入+5*商场2楼收入。具体理由是服装商场毛利高，人们过来也是冲着商场的核心业务的。所以，商场1楼收入就成为了最关键的因素，当我们要考虑的因素太多的时候，系数大的因素就成为了我们需要首先考虑的关键因素了。这里说的并不是数学公式，增长公式里面的加号是指增长因素的有机叠加，而不是数学上的简单相加。金字塔思维

金字塔原理有一个核心法则：相互独立，完全穷尽。它是优秀的思维方式与表达方式。相互独立，说的是每个分论点彼此应该没有冲突和耦合，都属于独立的模块。完全穷尽，则是所有的分论点都被提出，不会有遗漏。在初期，我们很难做到完全穷尽，但是我们必须带着这个思维去思考。

有一天，我的下属找我汇报，跟我说：

豪哥，这次活动参与用户只有30000多人，报名转化率只有30%。最近产品转化也不佳，服务器经常宕机，渠道引导注册乏力，貌似用户的需求也下降了，竞争对手的动作也让一些用户跑到了他们那里了。

听完之后，我是一脸萌逼的，孩子你在说啥？

我们的大脑很难同时记住多个独立的论点，如果我们把它们用一定的逻辑串联起来，听你说话的人才会理解你的观点。

按照相互独立，完全穷尽的思想，我们可以把他汇报的点先列出来：活动参与人数30000人（这到底是多还是少？需要对比过往数据进行分析）报名转化率30%（这到底是多还是少？需要对比过往数据进行分析）产品转化不佳服务器宕机渠道乏力用户需求下降竞争对手行为

我们在用金字塔方法整理之，其实汇报人的核心思想应该是最近产品的销售额下降了，其它都是支持这个销售额下降结论的表象可一些可能的原因，我们运营销售额=新客销售额+老客销售额和新客销售额=新客流量*新客转化*新客客单价两条增长公式，找出增长关键因素为流量、流量转化、老客复购整理出以下金字塔。

分类思维

用户分群、市场细分、产品细分，在进行运营决策时，我们处处用到分类思维。事物之间均存在共性与差异性，分类思维的基本思路是，核心指标差距甚远的事物，我们可以把他们分开。如上文提到的企业增长因素，我们就可以把相关的关键因素加以分类。

通过销售增长率与市场占有率两个相互制约的因素，波士顿矩阵把企业产品分类成明星、现金牛产品、问题产品、瘦狗产品，进而分析和规划企业产品组合，以达到企业的盈利目的。漏斗思维

漏斗模型是产品运营分析的万金油，用户从进入到最终转化，每个环节都会有流失，每个环节都会有转化率，每个环节的人数都在依次递减，用户的每一条路径就形成了一个漏斗。

漏斗思维有两个要点，第一，要关注漏斗的每一步的流失情况，分析每一步流失背后的原因，逐步减少用户流失。第二，不仅要考虑流失原因，我们还需要考虑上下层的关系。举个例子，某产品为了拉新，进行有诱导性文案“注册送iphone”，勾引用户进入，虽然在第一阶段，可以带来大流量，但是用户进来后若发现货不对板，则很有可能导致后续转化率很低，并且让用户感受很差，对产品产生负面评价。应该懂得分析工具

始终要记住，我们是运营或者产品，我们不是数据分析师，在精力有限的情况下，你需要精通两个工具，一个是excel，一个是ppt。excel主要是进行数据处理、数据清洗、数据可视化的，而ppt则主要是用来展现数据分结果、撰写报告以指导运营的。

对于产品和运营而言，数据分析的最终目的就是解决问题。不要一味追求图表的好看与高级的数据分析方法，掌握20%的数据分析方法和工具就能够解决80%的数据分析的问题。数据分析的流程

对于数据分析，我们可以定义为：用适当的统计方法，对收集回来的大量数据，加以汇总和开发，以达到提取信息、形成结论、指导工作等目的。

我认为，数据分析应该有以下流程：1.明确目的与思路：这次数据分析是为了解决什么问题

这是数据分析的第一步，我们必须带着问题去找答案，数据的量是巨大的，而且数据之间又相互关联，不带着问题上路就会迷失在数据的海洋中。

不仅要带着问题，我们还需要带着正确的问题去上路，下面举一个例子。不好的问题：为什么新用户下单量一直没提升？怎么样才能提升新客转化？合理的问题：最近下线了用户注册后自动送新手大礼包，是否导致了新客转化下降？

明确目的之后，要确定自己的分析思路，分析思路主要是各种商业分析模型和营销分析模型，这些商业模型是我们运营的核心竞争力，相比起数据分析师，我们更加了解营销，更加了解产品，这里不展开叙述。

《谁说菜鸟不会数据分析》里面提到了一下常用的营销管理方法论。pest分析法：用于对宏观环境的分析，包括政治（political）、经济（）、社会（social）和技术（technological）四方面。5w2h分析法：何因（why）、何事（what）、何人（who）、何时（when）、何地（where）、如何就（how）、何价（howmuch）。4p营销理论：分析公司的整体营运情况，包括产品（product）、价格（price）、渠道（）、促销（）四大要素。用户行为理论：主要用于网站流量分析，如回访者、新访者、流失率等，在众多指标中选择一些适用的。2.收集收据：从站内数据库或外部找到与问题相关的数据

人类每一天的行为，产生了海量的数据，当你睁开双眼，你的体重、身高、心率、血压，统统都是数据，外面的温度、湿度、pm2.5也是数据。

那么，我们去哪里寻找我们需要的数据呢？按照从宏观到微观，我们把数据来源分成了一下五个阶段：宏观数据、对应行业用户数据、互联网用户数据、同类产品数据、自有产品数据。其中，产品和运营的同志，需要着重关注关注对应互联网行业数据、同类产品数据、自身产品数据。

3.数据处理与清洗

数据清洗是指发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性，处理无效值和缺失值等。

这里用几个例子来说明，首先是数据一致性：根据每个变量的合理取值范围和相互关系，检查数据是否合乎要求，发现超出正常范围、逻辑上不合理或者相互矛盾的数据。例如，性别为男却有妇科的治疗记录。对于这类型数据，我们可以拿出数据源重新核实，有时需要直接删除掉。无效值：用户的身高为负数，两条完全重复的数据，这些都可以视为无效值。而缺失值就如字面意思，缺失的值，对于无效值或缺失值，我们可以对其进行估算或删除。

使用删除重复项来清洗数据4.建立数据模型，数据分析

终于开始真正的数据分析了。是的，我并没有坑你，数据分析师每天要花80%以上的时间在收集和清洗出符合数据分析，数据分析过程主要是这样的。观察数据，看看当前产品状态是怎么样的？为什么会这样子？大环境发生了什么变化？我们做了什么动作？判断接下来可能发生什么？

数据分析有以一些基础的分析方法，熟练使用这些数据分析方法，我们就能够通过研究数据，回答上面的问题了。

对比分析法

将两个或两个以上的数据进行比较，分析出他们的差异，从人揭示了这些数据所代表的事物发展规律。我们经常会听说横向对比和纵向对比，在同一挑时间条件下不同指标的比较，就是横向对比，如对比中美俄日各国的gdp。纵向比较则是对比同一条件下不同时期的数值，如我国每年的gdp对比。

在进行数据分析的时候，选择恰当的对比系尤为重要。与目标对比、不同时间对比（环比、同比）不同主体对比（如对比不同引流渠道的转化率）业内对比（对比统一渠道不同产品的引流转化率）运营动作前后对比（发放优惠券用户与未发放优惠券用户对比）与平均水平或中位数进行对比（小学生最喜欢拿自己成绩和班里平均分比较了）

通过对比，我们才能判断指标背后反映的情况，判定产品当前的状态。

增长公式与加权分析法

前文我们提到，核心指标会有其对应的增长公式，而每一个对应的增长驱动力所占的权重又是不同的。此处介绍一下，如何确定权重的简单方法——目标矩阵法。目标优化矩阵的工作原理是把人脑的模糊思维，简化为计算机的0/1思维，最后得出量化结果。