101次从入门到放弃，终于找到一个数据分析利器！

说到数据分析，可能很多小伙伴都是这样：“纵使爱它千万遍，它待我如初恋”，每每下定决心入手学习，可是又不知道从哪开始，复杂的算法、庞大的数据、眼花缭乱的代码......最终还是止步于头脑斗争，无法付诸实际行动。

 

我有个朋友，在一家互联网公司做数据运营，不到三年就当上了运营主管，上周和他吃饭，特地和他请教了运营人做数据分析时的痛点及数据分析的正确打开方式，给大家做一个分享。

 

运营人做数据分析难在哪？

 

互联网行业发展快，为了能更好的感知变化，就需要做数据分析，从海量实时的数据中挖掘出有价值的商业信息，要做好这点，一方面需要公司的战略支持，另一方面也要求自己有能力。

 

从公司战略支持上，配备了专门的数据部门，平常工作包括数据看板搭建，数据埋点，数据库维护等。对运营工作的支撑来看，数据看板存在几个常见且严重的阻塞：

 

1、展示的数据图表固定不变，缺乏灵活性，不能做探索分析。

 

数据看板最多看看日活、月活、留存及一些订单转化数据，这也仅限于“查看”，无法做探索分析，要发现某个产品转化渠道UV数据异常，原因也只能凭经验，比如天气、系统故障、节假日等原因，得出的结论对运营工作支持的作用不大。

 

2、部门配合沟通成本高，实现效率低。

 

遇到没有的数据图表可以向技术部门提数据看板需求，比如添加XXX路径漏斗转化分析数据图表，技术部门判断为永久性展示的固化图表需求后再进行埋点收集数据，结果从需求评审到需求落地经历半个月，劳心劳力且无法保证数据分析的时效性；

 

3、业务数据和行为数据是分开的两套数据库系统，无法放在一起分析。

 

比如订单转化路径和最终订单量数据，在行为数据看板上观测客户的购买行为，在业务数据看板上查看客户的实际下单的订单数量，最终的转化率需要自己手动计算，现有的埋点数据只能收集到用户点击“立即购买”按钮的次数，实际场景是点击付款按钮的次数到最终付款的人数存在偏差，而核心路径下的偏差数据正是我们需要重点分析挖掘的内容。

 

 

正确的数据分析方法

 

1、使用工具，明确分工

 

数据人员因为对业务不熟悉，每次有新的分析需求都要与他们反复沟通，有时甚至要带图说话，期间消耗大量的时间成本，想想得不偿失，不如拿到数据后自己做分析，所以我认为合理的分工方式应该是数据部门负责提供清洗好的数据，运营人员直接拿数据做分析。

 

怎么让运营人直接拿数据，自助做分析呢？最简单的方法就是用数据分析工具，比如FineBI，由数据人员负责建立数据连接和数据集，运营人员直接取用准备好的数据，遇到没有数据的情况再向数据部门提数据需求，管理数据是他们的本行，需求响应也就快。

 

 

2、确定思路，探索分析

 

做数据分析之前要确定好数据分析的内容和思路，日常分析内容主要是三类：

 

• 分析现象，解决是什么的问题；

• 分析原因，解决为什么的问题；

• 分析对策，解决应该怎么做的问题。

 

举个例子：某平台型产品9月份发生客单价下降问题，分析其可能原因。

 

首先清楚这是典型的分析为什么的问题，其二确定分析思路，根据归纳推理原理，从结论出发，进行拆解，客单价等于销售总额/成交总笔数，影响销售总额和成交总笔数不外乎服务提供者、用户和产品三个维度，从这三个维度下提出假设（如图），再通过数据逐一验证，以下使用样式数据，演示分析过程。

 

 

使用数据人员已经做好了的数据集，即客单价下降原因分析业务包里添加好的数据库表，进行取数分析。

 

 

从用户注册表、用户信息表中获取总注册用户数、9月新增注册数和9月流失用户数，使用指标卡组件计算出9月新增客户数为26、流失客户数为2，根据2019年新增注册客户数折线图，可以看出9月新增客户数在正常变化幅度内。

 

 

使用订单明细表得到2019年订单量/销售额月份变化趋势图及9月流失客户订单明细表。

柱状图所示，9月订单数和销售额较8月有所上升，且在订单记录表中查找2019年9月状态为流失的客户历史交易记录，评价该客户流失对订单转化的影响作用，明细表显示流失客户的订单记录在较早月份，最近没有接单记录，说明新老客户更替不是构成客单价下降的主要原因。在订单总笔数上升和销售总额上涨的情况下，客单价下降极有可能是促销活动或用户来源渠道欠佳导致。

 

 

排除人为促销活动因素，从用户维度分析，包括实际付费用户数、新增用户的来源渠道及现有用户的特征画像。

 

通过地图组件发现，2019年5月到9月新增用户中大部分来自于内陆省份和新用户营销渠道，接着用漏斗图统计用户从下载到下单的转化情况，发现转化率较高，更为异常的是订单明细数据中显示平均每个用户只有一次下单记录，然后筛选出9月下单用户，与用户画像表建立关联，通过制定一些判断规则，得到用户画像标签图，发现用户质量不优，且存在“羊毛党”嫌疑。

 

 

3、搭建数据看板

 

我们知道，数据分析的价值在于指导实践，通过分析客单价下降原因，及时改善运营策略，比如适当降低新人首单优惠或根据产品目标人群来调整宣传渠道，吸引更多高价值用户入驻。为了更好指导运营策略调整，我们可以将已经做好的模板固化成每日的数据看板，时时监控客户留存情况。

 

 

并且可以将制作好的看板通过挂载到平台目录，供相同部门的人员查看。

 

 

值得一提的是，使用模板导出功能可以导出完整且清晰的的模板图片，用于向领导汇报的周报或是月报PPPT。

 

 

总结

 

实际上，运营做数据分析并不需要懂复杂的技术，关键是对业务流程的理解以及用数据解决问题的思维。刚开始时做分析会比较生疏，做多了之后，积累了数据经验，慢慢会发现自己分析问题的维度越来越广。在数据分析效率上，选择合适的分析工具能够节约不少的时间，将精力放到更多核心的运营工作上。

欢迎关注我的公众号“商业智能研究”，私信回复“资料包”，即可领取大数据、数据中台、商业智能、数据仓库等6G精华资料