数据和数据分析的概念及方法

我不知道从哪里获取数据；我不知道使用什么样的工具；不清楚分析的方法论和框架；大多数数据分析只是一种形式；事实上，数据分析并不像你想象的那么困难！我联系了很多数据从业者，总结了这篇文章，希望对有兴趣学习数据分析的运营商有所帮助。第一，概念:数据和数据分析其实大家都在接触数据和数据分析，但是很难说清楚两者的具体定义。我曾经做过一个调查，问一些操作学生，以下五个选项属于“数据”概念的范围。(2)什么是数据分析？数据分析是指从数据中提取有用的信息，并指导实践。这里有两点需要注意：首先，我们需要提取有用的信息，而不是自我嗨；其次，这些信息需要用来指导实践，而不仅仅是形式。二、思路:很多新人在分析方法论和方法的入门数据时，要么抓胡子眉毛，要么无从下手。这些都是缺乏分析思路的表现，需要宏观方法论和微观方法的指导。那么方法论和方法有什么区别呢？方法论是从宏观的角度，从管理和业务的角度提出的分析框架，指导下一个具体的分析方向。方法是微观概念，是指我们在具体分析过程中使用的方法。(一)方法论数据分析的方法论很多，这里我给大家介绍一些常见的框架。从政治上分析PEST：（Politics）、经济（Economy）、社会（Society）、技术（Technology）对内外环境进行四个方面的分析，适用于宏观分析。SWOT分析方法：优势（Strength）、劣势（Weakness）、机遇（Opportunity）、威胁（Threat）对内外环境进行四个方面的分析，适用于宏观分析。5W2H分析方法：Why、When、Where、What、Who、How、Howmuch7常见的维度分析问题。4P理论:经典营销理论认为产品（Product）、价格（Price）、渠道（Place）和促销（Promote）是影响市场的重要因素。AARRR：增加黑客的海盗规则和精益创业的重要框架（Acquisition）、激活（Activition）、留存（Retention）、变现（Revenue）和推荐（Referral）增长增长的五个环节。数据分析的方法论很多，这里不能一一列举；没有最好的方法论，只有最合适的。下面我详细介绍一下AARR方法论，非常符合精益运营和业务增长的问题。AARR的五个环节可以通过数据指标来衡量和分析，从而达到精益运营的目的；每个环节的改进都能有效地增加业务。下面的分析也是围绕这个方法论进行的。(2)根据运营工作的实际需要，在参考GrowingIO陈明的文章《一个优秀的数据分析师是如何制作的》的基础上，我整理了七种分析方法。借助常见的网站/APP数据分析产品，我们可以快速完成这7种分析。1.趋势分析趋势分析是最简单、最基本、最常见的数据监控和数据分析方法。通常，我们在数据分析产品中建立数据指标的线图或柱状图，然后继续观察，重点关注异常值。在这个过程中，我们应该选择第一个关键指标（OMTM，OneMetricThatMetter），而不是虚荣指标（VanityMetrics）所迷惑。以社交应用为例，如果我们把下载量作为第一个关键指标，我们可能会误入歧途；因为用户下载应用程序并不意味着他使用了你的产品。在这种情况下，建议使用DAU（DailyActiveUsers，日活跃用户)作为第一个关键指标，只有启动和执行某个操作的用户才能计算；这样的指标才有实际意义，运营商要关注这样的指标。2.多维分解多维分解是指从业务需求的多个维度拆分指标；这里的维度包括但不限于浏览器、访问源、操作系统、广告内容等。为什么需要多维拆解？有时候你看不到一个非常笼统或者最终指标的问题，但是拆分后会出现很多细节。例如，一个网站的跳出率是0.47、平均访问深度为4.39、平均访问时间为0.55分钟。如果你想提高用户的参与度，显然这样的数据会让你无法开始；但是当你拆解这些指标时，你会发现很多想法。以下是不同操作系统下产品的用户参与指标数据。4.正如前面提到的，用户行为数据也是一种数据。观察用户在您产品中的行为路径是一种非常直观的分析方法。在用户分组的基础上，一般选择3-5个用户进行仔细检查，可以覆盖分组用户的大部分行为规律。以产品注册流程为例：5.漏斗分析漏斗是衡量转换效率的工具，因为从开始到结束的模型类似于漏斗。漏斗分析应注意两个要点：第一，不仅要看整体转化率，还要注意转化过程中每一步的转化率；第二，漏斗分析还需要多维拆卸。拆卸后，可能会发现不同维度的转化率也有很大差异。某企业注册流程采用邮箱方式，注册转化率一直很低，只有27%；漏斗分析发现，主要流失在[提交验证码]环节。A为了实现一个目标，采用了两套方案，一组用户采用A方案，一组用户采用B方案。通过实验观察两组方案的数据效果，判断两组方案的质量。谷歌不遗余力地尝试A/B测试；对于搜索结果的显示，谷歌将制定各种不同的解决方案（包括文案标题、字体大小、颜色等），以不断优化搜索结果中广告的点击率。这里需要注意的一点，A最好在/B测试前进行A/A测试或类似准备。A/A测试是什么？A/A测试是评估两个实验组是否处于同一水平，使A/B测试有意义。事实上，这与学校控制变量法、实验组和对照组、双盲试验的本质相同。3、流程：宏观、中观和微观（1）宏观1。事实上，数据分析自古就存在于中国古代的简单分析哲学中。许多中国古代名人实际上从事数据分析；他们的名字可能不是数据分析师，而是“首相”、“军师”、张良、管仲、萧何、孙斌、鬼谷子、诸葛亮等“谋士”。他们通过“历史统计”——“经验总结”——“预测未来”为他们的组织创造了巨大的价值，这是中国古代简单分析哲学的重要组成部分。2.精益创业的MVP理念在硅谷很受欢迎。它倡导MVP（最简化可行产品）的理念，通过小步快速运行不断优化产品，增加用户。（3）微观介绍了一个非常详细的分析过程。在某些分析工具的帮助下，我们可以根据这个想法详细分析您的网站/应用程序。四、应用:系统与分析(1)案例1：小张今年刚毕业，在一家公司从事新媒体工作，负责微信的日常运营。小张不知道微信运营的核心目的。他尝试了很多方法。微信上发表了很多原创、翻译、改写的文章，但阅读量一般高低。经理让小张想办法改进微信运营，增加微信粉丝数量和阅读数量；但张三没有头绪，也没有办法开始。这是许多操作的真实写照，琐碎的工作很容易让人忘记思考，这很可能发生在你我身边。我们从数据分析的角度诊断了这个案例，总结了小张存在的这些问题：我们不知道我们需要关注哪些核心指标；目标用户的特征（用户属性、用户肖像等）；缺乏对过去工作的系统分析(数据采集、监控和分析)。从业务增长的角度来看，我为小张量身定制了一套数据分析系统，配合其内容工作的发展。第一点，内容定位。操作需要清楚地了解你的目标或KPI，然后选择一个核心关键指标（OMTM）进行监测。如果是初创公司，在早期阶段可能需要更新，那么核心指标是注册用户或新访问用户的数量。若为信息媒体，注重影响力和覆盖面，则核心指标应为微信阅读数或网页PV。第二点，用户肖像。无论哪种操作岗位，都需要清楚地知道自己的(目标)用户是谁？这些人的特点是什么，他们的注意力和痛点是什么？如果您的用户是产品经理，您可以尝试爬虫抓取产品经理网站上的相关问题，然后进行文本分析：这是定量分析。同时，通过调查访问和问卷调查，获取更深入的用户特征信息：这是从定性层面进行的分析。三是持续监控。在数据分析工具的帮助下，核心关键指标（OMTM）持续监控。我们需要及时分析和改进指标异常情况。第四点，数据分析。统计和分析过去内容的数据，找出哪些内容、标题、形式和渠道更好，然后不断优化这方面。案例2：电子邮件营销是许多企业仍在采用的一种营销和运营模式。一家互联网金融企业通过EDM向新用户（有电子邮件地址但未注册用户）发送激活电子邮件。注册转化率一直保持在20%-30%之间，8月18日注册转化率暴跌，此后一直保持在10%左右。季节性因素(节假日等)的宏观原因，其他邮件的影响(其他部门也发邮件稀释用户的注意力)；电子邮件的标题、文案、排版设计、CTA设计、注册流程设计。一个简单的业务指标可能会影响其各种因素，因此我们需要对可能涉及的因素进行精细测量，以便不断优化。最后发现产品经理在注册过程中添加了『绑定信用卡』，导致注册转化率大幅下降。5、学习：业务、工具和资源（1）业务层面的数据分析并不像预期的那么高。掌握相应的概念、想法和流程，操作可以进行数据分析。这里需要强调的是，数据分析的目的是指导业务实践；分离实践的数据分析和分析的数据分析都是流氓。与专业数据分析师和数据科学家不同，运营商做好数据分析的前提是熟练的业务理解。从业务的角度来看，数据不是数字，而是用户的愿望。运营商要从数据中发现问题，不断优化，提升用户体验，为用户创造更多价值。(二)工具层面的磨刀不误砍柴工，做好数据分析工具至关重要。我总结了以下工具，可以根据自己的实际需要进行操作。Excel是最常见、最基本的数据分析工具，Excel中的图表、函数、透视表都能满足大家的基本需求。Access是微软office系列套装的一部分，是一个小型关系数据库；当excel数据量大，表格之间的关联、查询和更新频繁时，access是一个非常好的选择。Python是一种高级编程语言，近年来发展迅速，可用于数据分析、编程或爬虫；R语言是一种广泛应用于统计学中的数据分析工具。目前，Python被广泛用于编写爬虫程序和获取在线信息，这对运营商非常有帮助。GoogleAnalytics、百度统计，友盟是网站流量分析的常用工具，Mixpanel、Heap、GrowingIO属于用户行为数据分析工具，比前者功能更丰富，分析更详细。