数据分析理论
目标思维
要达成什么业务目标(跳出取数的怪圈)
客观严谨
客观严谨的分析=事实+论证过程+观点
如何陈述事实:
1.避免模糊的名词
2.用具体数据代替形容词、副词,如很好、很多、可能等
3.专业名词不要搞错,如百分数、百分点的使用
如何陈述论证过程
必须说清楚你的分析方法是什么,你是如何得出结论的
不要预设观点再分析
指标思维
指标&指标体系
某APP用户登录时会记录下用户id、登录时间等基础信息,这些信息随着用户的登录一条一条的记录下来,就是数据
如果根据日期,算出这一天所有登录的用户id的总数,日访问用户数的具体数字是一个数据,日访问用户数的衡量方法就是一个指标
如何构建指标体系
确定主指标:评价你负责的业务到底怎么样的最重要指标
主指标和子指标是结果指标。如果主指标是整个公司的共同目标,子指标通常是作为部门的绩效考核目标;如果主指标是部门的共同目标,子指标一般是分到小组或个人的目标
一款APP的常见主指标:1.引入期 2.发展期 3.成熟期 4.衰退期
OSM 模型:
Objective(业务目标):用户使用产品的目标是什么?产品满足了用户的什么需求
Strategy(业务策略):为了达成上述目标我采取的策略是什么?
Measurement(业务度量):这些策略随着带来的数据指标变化有哪些?
拆分子指标

过程指标:监督销售流程的各个环节,这个各环节的表现,就是过程指标。过程指标最常见的形式是漏斗模型

1 | 以滴滴网约车业务为例 |
添加分类维度
维度是指标的某个特征




逻辑推理
归纳法:很多人都说好推出好(可能出现以偏概全)
演绎法:有xxx才好(大前提),yyy有xxx(小前提)推出yyy好
类比法:xxx像yyy(好的东西),推出yyy好

系统结构
结构化思维
议题树:把大问题拆解成一个个的小问题
假设树:假设一种方案,然后去验证假设
是否树:提出一个判断题,根据问题的答案进入下一个问题或得出结论


例子:
议题树:




假设树:




是否树:很难应用在业务数据分析上,一般是解决数据bug、排查之类的问题

系统性思维
渠道拉新的投入产出比越来越低,我们需要找出如何优化渠道的资源投放,获得更好的拉新效果
问题的关键在于如何提升用户的LTV。LTV是用户的生命周期价值的简称,意义是一个用户从第一次进入到最后一次流失,一共能带来多少收入

业务







分析方法
对比分析法
将两个或者两个以上的指标进行对比分析,通过对比分析可以直观地看到事物的变化或者差距。对比分析法可以基于时间进行对比,也可以基于分类(地区、部门、类别等)对比。


分组分析法

结构分析法


常用数据分析思维模型
PEST分析法


4P营销理论


AARRR模型



