1.什么是数据分析
准确的数据支持;
对于数据的趋势变化进行监测和异常点分析;
提炼共性,聚类,常见于用户分类,推荐算法等;
数据预警,基于已有的特征对数据进行预测等;
挖掘潜在得到规律,相关性分析,因果分析,发掘潜在的规律。
2.数据分析的价值
提升用户的体验,提升产品的质量;
用户的增长,商业变现等。
3.数据分析需要具备的能力
业务能力:对于业务的理解
技能能力:SQL、Excel、Tableau、Python、统计学
思维能力:良好的数据分析思维、成熟的方法论
4.分析方向
4.1用户增长
用户获取:明确用户类型、分析用户特征、匹配对应的获客渠道;
用户激活:降低使用门槛、让用户先使用上;
用户活动:提升用户的留存、提升使用的频次;
获得收益:给用户创造使用场景、提升用户对功能卖点的引导;
推荐传播:分享有赏等引导用户自传播。
4.2活动运营分析
通过活动的运营达到预期的目标和效果,提升平台的流量利用率,增加GMV,提升活动的效率,确定更加高效的运营策略等。
4.3产品的增长
对于产品的使用频次的增加,如个性化推荐等级体系、信用体系的建立等。
5.常见的数据分析流程
明确目的和思路:分析的目标一定要确定,确定分析的思路;解决问题之前需要先认清问题的本质;对于问题的定义使用SMART原则。
数据的收集:数据库、第三方的数据等,数据仓库、数据集市等;
数据的处理:清洗、转化、提取、计算等;
数据分析:数据统计、数据挖掘、相关性分析等;
数据展现:图表、文字、表格;
报告的撰写:逻辑清晰、思路明确、提出改进的建议;
数据分析的核心目的是解决问题,使用结构化的解决方法,制定长期的解决方案。
6.数据分析的三板斧
找趋势
确定核心指标的趋势,去分析异常点对应的原因;趋势分析方法,明确一个指标的正负,收集数据,查看数据趋势,树立相应的标杆,建立判断的标准,对比形成结论;
看对比
纵向的对比,自身与自身的对比,横向的对比,自身和别人的对比;常用于两组或者两组以上的数据进行比较,先分组再对波,对比法,可以发现变化的规律,使用频率等。对比的维度有时间维度、空间维度、计划维度、分组对比;
做细分
核心指标的拆解;MECE原则,相互独立,完全穷尽。拆维度,拆数据、拆因子;
7.常所用的分析模型
SWOT分析
可以看出S(优势)、W(劣势)、O(机会)、T(威胁)是四个单一维度彼此独立,却可以通过交叉重叠产生不同的结论。
四象限分析法
也被称为波士顿矩阵,根据业务或产品的两个重要属性作为分析依据,进行分类关联分析,找出解决问题的一种分析方法。
5W2H分析模型
what:是什么?
Why:为什么?
Who:谁负责?
When:在何时?
Where:在何地?
How:如何做?
How much:达到的程度?
相关性分析
两个事物之间是否错在关系,比如天气会影响线下门店的收入,但需要注意一些相关性不一定有因果性。
漏斗分析法
根据最终的目标一步步地拆解中间过程,了解中间的转化过程。
AARRR漏斗模型,提出的客户生命周期,解释了实现用户增长的5个指标。