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
榮耀標識我的業務數據分析方法
編輯導語：每個做產品或者運營的同學都會遇到需要處理業務數據的情況。處理業務數據首先要了解業務這件事，找到處理業務數據的規律。作者總結了他業務數據的分析框架與思考，與你分享。
一、這是個什么事？
1. 給業務數據分析下個定義
業務數據分析這件事下個定義就是對于業務關注的指標數據的變化進行分析解讀。基本上每個做產品或者運營的同學都會經歷到，甚至有些公司的商分部門會設立業務經營分析的架構專門做這件事。
2. 為什么做業務數據分析
很多公司都在做這件事。我在前司的工作有一部分就是對業務數據做周維度以及月維度的解讀。這件事我大概做了一年多吧，我理解這樣的好處至少有以下這三個。
更深刻理解業務：
這個好處是對于個人而言。之前的公司有個不成文的規定是每個新入職的同學會寫業務數據月報。好多同學挺抵觸這件事的。的確那么大的業務，剛入職的同學寫這個業務數據解讀的確是有些困難，
但是，我也發現好多同學做過一次數據分析，基本上對于業務就有了一層更清晰的認知。
及時感知線上問題：這個是觀測數據比較最重要的原因之一吧，很多時候組織龐大以后，很難通過體感感知線上的問題，這個時候數據是能夠在一定程度上反饋業務問題的，通過數據可以快速找到問題偵查方向。
發現業務規律找到機會點：這個好處一定是最重要的，如果你長期觀察數據波動，你就一定會找到數據波動的某種規律，如果你知道這背后的原因，你就可以“順勢而為”，有針對性的制定產品或者運營策略，往往能事半功倍。
二、理想狀態
1. 業務數據分析工作的理想狀態
在前司做了一年多的業務數據解讀，逐漸發現要想做好業務數據解讀這件事，至少需要三個層面的建設。這個三個層面相輔相成，一起構成了一個清晰的業務數據解讀的理想狀態。
2. 經驗豐富的大腦
大腦核心在做判斷，這個判斷本身需要你足夠的了解自己的業務。
你要足夠了解自己業務內所有指標的含義，這里既包含業務的核心指標，也包含各個維度的分層分級指標。你不僅要了解他們，還要了解他們之間的關系。
經驗豐富的大腦看到一個指標的波動，就能聯想到有可能是什么動作導致的，同時能映射到其他指標上，能夠快速結合工具進行交叉指標的驗證。
3. 好用的工具
初級的工具能提高獲取數據的效率，中級的工具能幫助理清分析思路，高階的工具能幫助決策，但無論是哪種水平的工具都要符合你自己的業務本身特性以及自己分析框架。
我之前和數據部門產品同學一起搞過一個異動數據分析工具。這個工具會直接告訴你在某個周期內的所有的數據維度的變化，并計算出每個數據維度的對于整體業務數據變化的貢獻率。到后期還是發揮很大的作用的。
不過這都是在我們吃透了自己業務每個指標代表什么意思以及摸透自己業務本身的分析框架的基礎上做的產品化工具，如果盲目就投入工具建設，應該結果是得不償失的。
4. 豐富的信息感知
這個層面不難理解，或者說數據分析本身就是個甄別信息的過程，你需要建立你自己數據特征與內外部之間的信息邏輯，拿外賣舉例，世界杯期間的外賣業務的DAU在上漲，那么你首先要知道世界杯正在發生這個事，否則也就別談驗證世界杯與業務數據之間關系的問題了。
我在前司任職期間，我感知的每個信息我都會結合業務本身去想一想有沒有產生關聯關系，同時我也足夠多的開放自己，企求接收更多的信息。
5. 什么是好的業務數據分析
上面三個層面是指數據分析的理想狀態，但是不代表三個層面你都有建設就可以做好業務數據分析，按照目前我的理解，好的業務數據分析一定能講的清什么樣的人，在什么樣的場景，因為什么事件驅動，最后造成了業務數據怎樣的變化。
好的數據分析=人+場景+事件驅動；推導邏輯大概是，數據變化不是原因本身，數據變化是業務變化的特征表現，人是業務的主體，場景是主體的范圍或者是特定的主體集合，事件驅動是動因。
還是拿上面的外賣業務的例子講，世界杯期間外賣業務DAU在上漲，是住宅小區和校園的用戶因需要熬夜觀看球賽，導致宵夜場景的DAU增幅較大，進而拉動了大盤DAU的增長；如果但看結論本身，不做定量分析我理解是個合格的業務數據的解讀。
三、怎么做這個事
通過自己長期以來數據分析的摸索，我逐漸形成了一套業務數據分析的框架思路。共分為四個步驟：
1. 明確問題
這個環節你要明確數據問題到底是什么。一般情況下至少要從兩個維度描述問題，什么時間，什么指標。時間好理解，指標這回事你要根據你的業務拆解到最小的單位，比如訂單量異動了，至少要明白是DAU在異動，還是轉化率在異動，還是都在異動；
2. 經驗假設
這個環節是經驗輸出，你要平常的時候足夠了解業務，了解用戶，并通過不斷的數據分析或者各種信息對于數據異動做出合理假設。
比如你是外賣業務，你明確問題是7月份～8月份外賣業務DAU在增加，那這個時候我會想到可能是學生放假導致依賴外賣解決用餐需求的場景增多（因為學校有食堂）。無論如何這個環節你要根據信息或者經驗對于數據異動做出合理解釋，再進行下一步。
3. 證明假設
這個環節你要證明你的假設，如果你的假設成立，那么到底該怎么證明，還拿外賣業務舉例，我的假設是學生放假導致的外賣業務DAU增長，如果要驗證這一點的話，我可以從DAU的年齡分層以及瀏覽地點兩個維度進行驗證，如果是年齡分層中20歲左右的住宅場景的DAU增長較大，那你的假設至少邏輯上是沒問題的。
如果有問題，你就要再回到經驗假設這一層，重復這個循環。
4. 信息補齊
當你做了前三個環節之后，還沒能把事情說明白時，你要盡可能補齊信息，當然也不是盲目補齊，而是從人、場景、事件任何一個因素往外了解。同樣需要你足夠了解業務。
比如點評app是個地方性比較強的應用，某個城市的占比會很重，如果以上三個環節仍無法定位數據問題時，那你可以了解某個城市發生了什么，有沒有可能是這個城市的某個因素造成的，以及怎么驗證。
四、最后
業務數據分析這個事核心是你得了解業務，我更多說的是一些方法論的框架和思考，一定不能照搬，要結合業務本身的特性使用。
其實操作起來還是有很多難點的，例如你怎么理解業務？怎么定義人，場景，事件這三個數據維度？當業務數據的變化有多個歸因的時候，怎么找到影響比重最大的那個歸因？這些問題都需要你的思考，后續我也會持續分享。
本文由@產品汪汪汪 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pexels，基于CC0協議
- 目前還沒評論，等你發揮！
