起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識數據分析的榮耀與驕傲
編輯導語：隨著大數據時代的不斷發展進步，數據在我們的生活和工作中顯得尤為重要，所以數據分析的作用就體現出來，對于數據進行詳細的分析產生對應的價值；本文作者分享了關于數據分析的全面認識，我們一起來了解一下。
“數據分析”可以說是近些年比較火的領域，隨著商業的迅速發展、傳統型的公司做數字化轉型、5G、大數據時代以及物聯網等應用的普及，越來越多的領域都無時無刻產生數據，并伴隨著軟硬件以及技術的全面升級迭代，使得我們對海量數據的分析成為了可能。
那么如何讓這些數據產生價值，因此，就都需要“數據分析”，以求最大化地挖掘數據潛在價值以及作用，幫助企業實現利益最大化，價值最大化。
但數據分析為什么如此重要，數據分析能給企業帶來什么價值、如何分析數據、有啥哪些需要注意的坑等等，這些問題也隨之而來。
本文就先來梳理一下“數據分析”的一些榮耀和驕傲時刻，包括數據分析的重要性、數據分析產出價值、數據分析經典案例匯總。其目的是給大家對了解“數據分析”這一領域有一個立體的認知，同時對“數據分析”的價值有全面的了解。
一、數據分析的重要性
我們可以看幾個例子來說明數據分析的重要性。
例子1：
通過了解投放廣告的受眾群特征，并整理渠道數量、成本和費用等數據情況，分析并拆解出各種影響因素，得到預期效果，并優化渠道、加大優質渠道投放費用、調整投放時間等方式，來提升廣告投放效果。
例子2：
通過了解活動針對人群，并整理參與人數、活動成本、轉化率、商品銷量等數據情況，分析并拆解出各種影響因素，得到預期效果，分析各個環節的轉化率，來提升活動預期效果。
例子3：
通過了解產品，在使用完畢之后去分析商業模式、面對的用戶群體、群體的使用場景，以及可能設置的付費點并去驗證，同時想到可改進的價值點，通過AB測試并觀察后續運營動作是否驗證了改進點，來提升產品體驗。
從上述例子中，可看出只要用正確的方式去解讀數據并分析它背后隱含的意義，就能讓我們事半功倍，其數據分析的重要性不言而喻。
在隨著移動互聯網、5G時代，每一天都有巨量的數據在暗流涌動，通過大數據分析，可以從用戶在各類產品上的操作行為數據，如購買喜好、瀏覽行為等。我們可以對用戶進行更加細致的了解，最終指導我們更好地迭代產品為用戶提供更好的服務體驗，通過更好地服務用戶，借助合適的變現手段，最終產生商業價值。
二、數據分析的價值
所謂數據分析，就是利用一些數據分析工具、手段、方法或者思維，從海量的數據中發現規律，從而揭示出數據背后的真相，為公司或者業務提供決策的作為數據支撐，指導公司或者業務發展。
那么，做數據分析的領域的價值在哪些方面體現呢，從數據分析本身的方法和思維來看，數據分析的價值體現有如下五點：
1. 描述現狀
通過關鍵的數據指標，比如每日新增用戶數、DAU、渠道數據、會員用戶活躍度、會員復購率等，用數據可視化、日報、周報的方式展現出來，來描述當下業務的現狀，可以讓公司老板或者業務負責人對整體核心數據有一個整體的了解，能夠把握大的趨勢。但不同公司，由于業務屬性不一樣，關鍵的數據指標也會有所差異，甚至同一公司在不同發展階段，需要了解的數據也都不一樣。
比如，就需要從業務角度出發，把基礎支持與“業務主線”聯系起來，對于業務初期階段，可能會比較關注新增、渠道等，對于成熟階段，可能會更多關注商業變現相關的指標，如會員成單、客單價等。
不管怎樣，我們應該主動思考需要哪些關鍵數據指標適合描述并反應現階段的業務現狀，明確分析的目的，一定要提煉出最具價值的核心數據指標供公司決策層作為數據支撐，并且從不同維度來分解數據指標，要保證反映公司和業務的核心指標和細節指標能清晰的看到，并有總覽性的分析解讀。
2. 解釋原因
通過數據了解到目前業務的現狀，我們不知道哪里的運營更好，差異是多少，但是此時，我們需要通過數據分析，知道差異以及原因是什么，進一步確定業務異動的具體原因。可以對產品或者用戶行為中的一些現象或者數據變化進行解釋，讓我們知道現象發生或者數據波動的原因。
比如，某個APP的新增數據突然下降，通過數據分析某一個渠道的新增數據都有所下降，發現在這個渠道的曝光度很高，且點擊量也是正常水平，那么可能就是這個渠道的下載包出現問題，導致無法下載APP。
然而，數據分析的解釋價值就在于通過簡單數據分析發現一些比較簡單的情況所導致的問題或者異常，往往這種原因是單方面的，這種問題容易發現。
3. 總結原因
總結原因需要我們多方位的思考，因為引起的原因的角度是多維度的，復雜的，此時，就需要用歸因分析需要找到引起問題的主要原因，通過解決主要矛盾來解決問題的根源或者提升業務指標。
比如，找出銷售額低的原因，需要進行多維度的分析比較，利用拆分指標：銷售額=客流量*客單價*轉化率*復購率，要想分析銷售額低，就得從客流量、轉化率、客單價、復購率這幾個不同的維度去思考。
因此，不管是總結還是解釋，將關鍵指標逐一、層層地拆解，抽吸剝繭，從中發現問題的蛛絲馬跡，才能從紛繁無渣的現象中發現問題的本質。但這需要對業務有著較強的理解和認知。而這些分析原因以及總結原因的過程匯總，逐步沉淀對產品、用戶行為、運營營銷手段的深刻洞察。
4. 進行預測
不同業務形態對需要預測的指標不一樣。社交類產品比較關注對日活、新增等數據，電商類產品比較關注訂單量、銷售額、轉化率等數據，視頻類產品比較關注會員數、廣告投放等數據。而預測是對業務未來發展的趨勢=判斷，有了精準的判斷可以指導業務運營以及走向，并制定有針對性的防御措施。針對預測到的影響來確定可能帶來的后果。
比如，電商類產品，通過對比往年數據以及針對性的活動預期效果，在雙11、618預測可能產生的流量的峰值，事先對服務器進行擴容，避免大流量沖擊對業務造成影響。并針對廣告投放效果進行預測，有針對性地指導我們進行廣告投放，確保流量。并根據數據指標的實時變化對投放進行動態調整。
預測模式是需要我們通過歷史數據和提取的重要特征來構建模型，具體選擇什么維度作為特征，需要行業經驗及對相關預測問題有深刻的理解。若進行深層次的建模，就要高層次的機器學習等技術作為支撐了。
5. 決策支撐
數據分析的價值終極的體現，就是作為決策的支撐，即通過各種維度數據對比、描述性分析、多維分析、趨勢分析等諸多分析方法，對“數據”進行價值的挖掘，形成公司業務實現增長、降本增效，提供最終的解決方案，創造商業價值。所有數據分析的最終目的是指導業務決策，實現增長、降本增效。
比如，利用數據分析篩選優質渠道，通過渠道分析，對比各個渠道新用戶的留存，再結合各個渠道的推廣費用，算出ROI，對比各個渠道的費效比，篩選出優質的、性價比高的渠道，從而加大在該渠道上的投放費用。
形成指導公司業務決策的最終方案可以說是數據分析價值體現形式，但是做數據分析一定要明確分析目標，對產生數據的業務線前后進行探索性分析來發現問題，進而一步一步的分析問題，并總結問題，最終解決問題，形成一個發現問題、分析問題、總結問題、解決問題的思路閉環，這樣才能發揮數據分析的價值。
三、經典數據分析案例
1. 購物籃分析Market basket analysis
購物籃分析是一種在電商行業經久不衰又十分有效的傳統分析方法。這種分析方法著眼于消費者購物籃里的商品組成并結合購買記錄從而找出商品間的關聯，外加線上收集的消費者對于產品的偏好，商家可以預測顧客接下來可能購買什么產品并因此調整自己的貨架展示以及定價策略。
購物籃分析離不開海量的消費者交易數據。普遍的操作方法是根據預先制定的規則看消費者行為（“rule based”）。
分析人員會將交易數據轉換成方便分析的形式，再根據業務需要進行不同“顆粒度”的分析。這可以是每次交易，也可以是一個時間段概括，可以是單個產品間，也可以是產品大類間的聯系；通過購物籃分析，商家可以得到關鍵洞察以制定有效的產品策略以及市場營銷策略，以提升自己的銷售額。
2. 啤酒與尿布不同因素間的關聯關系
球零售業巨頭沃爾瑪在對消費者購物行為分析時發現，男性顧客在購買嬰兒尿片時，常常會順便搭配幾瓶啤酒來犒勞自己。于是，嘗試推出了將啤酒和尿布擺在一起的促銷手段，沒想到這個舉措居然使尿布和啤酒的銷量都大幅增加了。
如今，“啤酒＋尿布”之間的關聯關系也是數據分析中的經典案例，被人津津樂道。
3. 數據新聞讓英國撤軍
2010年10月23日《衛報》利用維基解密的數據做了一篇“數據新聞”，將伊拉克戰爭中所有的人員傷亡情況均標注于地圖之上。地圖上一個紅點便代表一次死傷事件，鼠標點擊紅點后彈出的窗口則有詳細的說明：傷亡人數、時間，造成傷亡的具體原因。密布的紅點多達39萬，顯得格外觸目驚心。
一經刊出立即引起朝野震動，推動英國最終做出撤出駐伊拉克軍隊的決定。
上述都是非常經典的數據分析應用案例，歷史上有太多數據分析案例，比如微軟大數據成功預測奧斯卡21項大獎、Google成功預測冬季流感、諸葛亮的隆中對（解讀）等等，這里就不一一列舉了，感興趣的朋友可以去搜搜。
四、總結
總的來說，企業在利用數據分析的時候，要明確需要收集哪些數據，建立決策模型、預測性模型以及指導以及決策模型。必須深刻地理解和認識數據分析的價值，可以更好地幫助我們發展業務。當然，我們也不能完全迷失在數據中，對于我們應該注意以下幾點：
- 數據不等同與實際場景，實際場景往往比數據更加復雜，分析時需要了解具象化的場景，而不是抽象的數據；
- 數據本身沒有觀點，分析時不能預設觀點，只傾向于那些能夠支持自己的觀點的數據；
- 數據具備一定的時效性，不同情況下的數據，一些曾經的數據可能不再適用，需要找到新的數據指標。
總之，精確的數據無法代價大方向上的判斷，不要過分迷戀數據，要做到具體問題具體分析，形成發現問題、分析問題、總結問題、解決問題的思路閉環。
隨著未來技術的發展、5G以及物聯網的普及應用，數字化轉型的熱浪，數據分析的榮耀以及驕傲，將達到前所未有的。
“數據分析”將不再是一個職位，一個工作，而是一個人的思考方式底層能力，一個人的職場必備技能；就需要我們時刻地關注數據背后隱藏的價值，因為表現出來的，或者我們能看到的，都是最表層的，在實際場景的分析中多多思考，那些很有價值的點和思路就能找到了~
#專欄作家#
木兮擎天＠，微信公眾號：木木自由，人人都是產品經理專欄作家。多年互聯網數據運營經驗，涉獵運營領域較廣，關注于運營、數據分析的實戰案例與經驗以及方法論的總結，探索運營與數據的神奇奧秘！
本文原創發布于人人都是產品經理。未經許可，禁止轉載
題圖來自unsplash，基于CC0協議
- 目前還沒評論，等你發揮！
