大数据分析思路（笔记）

网上看到的文章，觉得还不错，稍作笔记记录：
主要是从分析的角度总结的几点

1. 我们对一款产品或产品的某一个模块进行分析时，可以先从两个角度去看数据——广阔的宏观的角度，比如产品的市场占有率，这里的占有率指的是用户的时长占有量，这个一般从行业报告可以了解（之前有幸帮忙厦门电商做电商报告的时候遇到过）；然后就是需要分析这款产品总的数据情况，比如下载量，DAU（就是指每日访问用户数(去重)，现在一般都会指的是APP的日活用户数）、WAU（周活跃用户数量）、MAU（月活跃用户人数）等，（有一些可以参考文章app数据分析体系 - 用户粘性 DAU，MAU 和 月人均活跃天数），当你了解完以上这些总体的信息的时候我们心中应该已经对自己所负责的产品有了一个宏观的概念了，大概清楚自己再行业内所处的位置，以及现在最需要提升哪些数据指标都有一个比较清晰的认识。接下来的话就要从宏观角度切人到细节进来，进一步分析一些细节的数据，例如重要的数据信息，包括用户基本的构成信息，每个模块自己建立的漏斗信息等，一般在做分析的时候应该注意的是数据的异常现象，出现局部的极值都要进行分析。
2. 我们在了解了我们的产品数据之后，我们需要进一步明确说明样的数据才是好数据，也就是什么才是好数据的指标。这个就需要我们根据业务指标拟定出可以区分数据的数据指标，。在此，我们要明确一点，好的数据首先最好是以比率的形式存在，不是绝对数，而是相对数据。对比不同渠道不同版本不同的用户群等不同角度的数据，都可以从侧面反映出这个数据的真实情况。最后，数据都是变化的，我们需要从动态的角度去观察数据，在数据中加入时间维度，引入一段单位时间去看待数据的整体的变化趋势，这样才能更为客观的判断产品的健康程度。
   可以参考最全的运营数据指标解读
   App最该关心什么数据指标有哪些
   游戏数据分析常用指标汇总
   一张图告诉你网站运营中的关键指标
   数据指标 | 网站数据分析体系
3. 发现数据异常后将从几个纬度去分析?有时候从总量的角度是无法洞察出一些问题的。比如在某段时间内，下载量出现了下跌，我们需要去找到这个当中问题出现在哪里。从总量的角度看，安卓的渠道要比IOS的总量大很多，这并不能说明问题。那么我们首先需要将时间的纬度引入到当中，将这几个月纬度的数据进行对比，一定可以看到在安卓当中有一个月份的数值相比其他较低。然后我们再去看这个月份的情况。一般情况下，在找到这个异常会先从渠道的角度去分析，查看是哪个渠道发生了异常的现象。在针对性的去对渠道进行优化。 然后我们还可以从版本的角度去分析，去查看最近近期是否有新版本的更新，如果有新版本的更新，是否设置了新的功能出现了BUG等问题无法解决，导致了用户出现卸载应用的情况。当然这些角度都要加入时间的纬度去判断。 另外，数据异常也不一定是坏事情。比如在分析用户行为的过程中，如果发现了某些类别的用户的关键指标表现良好，那么就一定要分析为什么这些用户的数据表现为什么十分良好，这也是增长黑客的分析思路。比如在facebook早期发现，如果一名用户在刚使用产品的早期可以快速添加10明好友以上的用户，这类的用户的活跃程度就明显高于其他的用户。在比如airbnb在早期发现那些放置的照片十分精美的住家的出租率较好，发现了这个特性后，内部产品技术团队又进行了一次AB测试，发现果然是存在这样的优化点。 所以在早期一个关键的指标就是如何能快速提高用户添加其他好友的数量。这里需要我们从底层数据分析当中要注意对用户进行分层的处理，从不同的纬度分层找到数据异常的族群，找到共性，归纳表现良好的用户的共性，然后将其作为优化的指标进行优化。
4. 不同阶段制定的关键指标应该随着产品的阶段性变化发生变化的。在做数据分析的之前，需要我们对我们分析的目标进行确认，每个阶段的目标也存在着不同的目标，是为了增强用户粘性，还是为了提升营收，或者是为了提高病毒传播系数。 比如在对渠道的判断中，不能只关心拉过来的新用户量，最重要的是我们要关心这些新拉过来的用户对产品的关键指标的影响，比如在社区产品，相比新进用户的数量更应该关心这些用户的活跃度，发布帖子的数量，点赞的数量等关键指标。换句话说更应该关注的是漏斗模型最下方的那个量，关注转化率的最底层的那个数据。