如何建立数据分析的思维框架

作者:秦路

 

曾经有人问过我,什么是数据分析思维?如果分析思维是一种结构化的体现,那么数据分析思维在它的基础上再加一个准则:

不是我觉得,而是数据证明。

这是一道分水岭,“我觉得”是一种直觉化经验化的思维,工作不可能处处依赖自己的直觉,公司发展更不可能依赖于此。数据证明则是数据分析的最直接体现,它依托于数据导向型的思维,而不是技巧,前者是指导,后者只是应用。

作为个人,应该如何建立数据分析思维呢?
继续阅读

做数据分析时,你的方法论是什么?

本文转载自“人人都是产品经理”
原文地址:http://www.woshipm.com/pmd/405028.html

 

 

当你完成一份数据分析报告时,不知领导是否有问过你,“你的分析方法论是什么?”。如果分析方法论不正确或不合理,那分析结果参考价值几何呢?

 

在知乎、woshipm、pmcaff、产品100等搜索了大量的数据分析相关的文章,发现没有多少适合自己的,因为内容太过碎片化,就买了一套书,开始系统的学习。

1. 困惑

相信很多人在做数据分析时,会经常遇到这几个问题:不知从哪方面入手开展分析;分析的内容和指标常常被质疑是否合理、完整,自己也说不出个所以然来。当然我也一样,处在数据分析的学习阶段,对这些问题常常会感到困惑。

这就是为什么强调数据分析方法论。当方法论结合了实际业务,才能尽量确保数据分析维度的完整性和结果的有效性。

数据分析的三大作用,主要是:现状分析、原因分析和预测分析。什么时候开展什么样的数据分析,需要根据我们的需求和目的来确定。

继续阅读

创业公司做好数据化运营,需要先搞清这6个问题

流量为王”的时代已经结束,互联网企业正在向精益化运营的方向转型。而做好精益化运营需要大量的数据来支撑决策,这对企业的数据采集和数据分析能力都是非常大的挑战。
中美在数据分析上存在较大的差距。数据分析在国内一些特别大的企业,比如 BAT里,才能得到较高的重视;当然这得益于他们的长期积累,对数据和运营结合的比较好。

国内企业对数据本身,以及数据所能提供价值的认识程度,没有美国那边那么深入,并且差异还蛮大的。

 

问题1:什么样的公司需要注意数据?不同阶段有何差异?

一般来说,目前国内比较重视数据的是高客单价,重转化的公司,比如互联网金融、电商、交易平台、SaaS、在线旅游类的公司。这类客户客单价高,不是完全拼流量,如此创业者才有提高转化的动力。

宏观的讲,创业者会经历产品4个生命周期阶段

 

第一个阶段,叫冷启动。 这个时候公司特别早期,天使轮或者A轮,甚至融资还未成功。处在这个阶段的公司,用 大数据 驱动是一个伪命题——因为客户数量有限,样本性不足。他们需要更多地去了解潜在客户的需求,去“求”客户来用这个产品。

第二个阶段,增长前期。 就是冷启动接近完成。有经验的创业者,会开始布局和增长有关系的一些核心指标,比如说日/月活跃,留存度。这些指标的目的不是为了衡量产品当前当下的表现,而是为了未来做增长时有可比较的基准。

第三个阶段,增长期。 这个阶段就能看出来好的创业公司和普通创业公司的巨大差别——效率。无论PR还是做活动,都需要人力和时间成本。如何在增长中,找到效率最高的渠道?这个我觉得,是创业公司之间PK的核心竞争力。如果不做数据驱动,靠直觉,一次两次可以,但没有人能进赌场连赢一万次。所以,直觉需要和数据进行结合,这样企业能迅速优化各个渠道,来提高单位时间的转化效率。

第四个阶段,变现期。 业务变现,要求很高的用户基数。一般互联网产品,其中一小部分高活跃、体验好的用户,会转化为付费用户。类似一个漏斗,不断地去筛,这里面就是要拼运营的效率了。比如说,电商用户的转化漏斗一般是:访问——注册——搜索——浏览——加入购物车——支付,或者到未来的退货。这是非常非常长的一个漏斗,真正要做好数据化运营,要对漏斗的每个环节持续地进行追踪

一个好的企业,特别是以后要做营收的企业,必须要关注各个部门各个环节的转化效率。这种转化效率,要达成的手段,可以通过市场营销的方法、产品改进的方法、甚至客户运营的方法。而其中每个环节小幅提高,加在一起就是一个倍数的提高。这种倍增,如果没有做过数据化运营的人,很难体会到会有多大。

 

问题2:好的数据分析应该是怎么样的?

好的数据分析,能够让公司里所有人都获益。它不是一种特权,不是只给公司里的一两个人看,而是能够让公司里面各个运营部门,特别是前线打仗的部门,能够直接得到好处。

普通只讲战略,只讲大方向,只给CEO看,只给VP或者运营看——这不够。需要把它给工作在一线的员工,让他们用起来。这个我觉得是区分一个数据驱动型企业,和非数据驱动型企业一个很大的区别。效率提升,是所有人提升,而不是一两个人提升。

一个公司要建完整的数据分析机制,首先应该从业务开始。所有的数据分析运营或者数据体系,都应该从业务,从客户开始。这个数据分析体系,不应该只解决非常狭窄的一个或者两个问题,需要有体系和大局观。然后,实际上数据分析里面,最难的一个部分是数据搜集和数据整理,这个过程最耗费时间,可能因为刚开始的计划就做的不够周全。所以说,在数据采集和数据整理方面,应该很有计划的重视。

到后面,数据分析,不能只仅仅停留在报表的基础上,价值还是不够多。最终还是,那些数字出来以后,告诉别人应该怎么做是对的、有效的。这里面的话,就是有很深学问,需要很强的操作能力。

所以说一个企业,既要有大局观,又要注重可执行性。我建议一般企业想自建的话,应该先从一个单点突破,找到一个转化点,看到了价值,通过这一次的实践,再学习下一次实践的方法。这也是一个学习的过程。不要上来就建立庞大系统,上来就把50个数据圆圈综合在一起,想建立一套数据科学框架。我觉得一般要这样干的话,除非你有很多资源,否则一定会失败的。

 

问题3:企业数据分析都可以分为哪些阶段呢?
继续阅读