数据分析师不会数据分析其实也能好好玩数据.docx

数据分析师不会数据分析其实也能好好玩数据

　　小产编说
　　其实数据分析的心法，历来所有在我们身边。
　　掌握了这个心法，就不怕数据分析。
　　文/金龙聊运营
　　数据分析始终是人们的心头之痛。
　　技术流的老司机，她们左数据分析师不会数据分析其实也能好好玩数据

　　小产编说
　　其实数据分析的心法，历来所有在我们身边。
　　掌握了这个心法，就不怕数据分析。
　　文/金龙聊运营
　　数据分析始终是人们的心头之痛。
　　技术流的老司机，她们左手SQL右手BI。外行人站在旁边主线看不懂。
　　要学习的话，又需要耗费大量的时间...
　　那真的没有措施了么？
　　对于产品人来说，数据分析其实并不指数据分析工具的使用技术，而是指一种思维习惯。
　　能帮你梳理业务，找到方向，达到目的数据分析，才是我们所说的数据分析。
　　建立这种思维住3个环节，掌握3个模型。
　　3个环节
　　这三个环节是，拟定目的、列出公式、拟定元素。
　　我们以某互联网金融公司A为例。
　　假设A公司正准备上市，目前核心目的为利润。
　　针对利润，我们列出公式。上面公式中，利润拆解成了 付费顾客数、投资金额、投资时长、相应利率 四个元素。其中相应利率取决于资产端，跟顾客侧关系不大。
　　因此如果我想提高核心KPI—利润，就要尽量的提高付费顾客、投资金额和投资时长。
　　恭喜你，已经找到了发力点。
　　注意，核心目的会随着业务发展不断变化，例如顾客运营，App初期看重新增，中期看重转化，后期看重留存。如果仍然难以拟定，看看你的核心KPI。
　　3个模型
　　拟定需要提高的元素后，问题来了。
　　-如何提高每个元素的量级？
　　-如何制定方略，分派资源？
　　-如何验证方略与否有效？
　　你需要掌握3个模型。
　　A. 漏斗模型
　　合用范畴：需要多种环节达到的元素。
　　例如投资顾客数。
　　达到投资顾客的状态，需要多种环节。每个环节所有存在转化率，放在一起就成了层层缩减的漏斗。
　　漏斗模型作用：提高量级。
　　通过提高转化率，提高单个元素量级。
　　有了漏斗模型，就可以分析每层漏斗衰减的因素。有些因素显而易见，有些需要做A/B测试。你可以逐级提高转化；也可以变化顾客途径，减少漏斗层级。
　　例如，支持H5内投资的理财产品漏斗，要比下载App投资的漏斗少2个层级，转化率要高诸多。
　　赚钱还是亏损，有时只取决于一种漏斗。
　　注意，优化漏斗是个长期过程，需要每天关注。
　　
　　合用范畴：具有多重属性的单个元素。
　　例如，本文公式中的投资顾客，就有投资金额和投资时长两个属性。可以将其作为横纵坐标轴，把所有投资顾客提成四组。
　　电商品类运营有个典型坐标，按流水和利润划分品类。
　　顾客运营也有个典型坐标，叫RFM坐标。
　　R=近来一次行为(Recency)
　　F=行为频率(Frequency)
　　M=行为量级(Monetary)
　　这里的行为指和你的核心目的密切有关的行为。例如在本文的金融产品中，就是投资。
　　R代表可触达，毕竟6个月没来投资的顾客，说不定所有卸载了，甚至已经忘了你这个App；
　　F代表忠实度，高频次的使用A