要學會真正用數(shù)據(jù)驅(qū)動運營，不去依賴分析師

在這個數(shù)據(jù)驅(qū)動運營的時代，數(shù)據(jù)不僅是數(shù)據(jù)工程師和分析師的事情，在工作中也要求運營從業(yè)者有一定的數(shù)據(jù)分析能力，更有人說“數(shù)據(jù)分析能力是未來運營的分水嶺”。從我自身角度出發(fā)，真心覺得數(shù)據(jù)能更好推動運營策略和工作的開展。

但運營童鞋多是數(shù)據(jù)小白，沒有編程和技術基礎，那我們該怎么分析并用好數(shù)據(jù)呢？今天從運營常見的數(shù)據(jù)問題出發(fā)，希望讓大家能快速地入門數(shù)據(jù)分析，讓數(shù)據(jù)更好地為工作服務，別白白浪費數(shù)據(jù)的價值。

2、適用的分析角度、方法

數(shù)據(jù)分析有各種高大上的分析原則，比如AARRR模型、5W2H等，但是運營畢竟不是專業(yè)的數(shù)據(jù)分析師，主要能用好這些原則就夠了~

• 對比：分成橫向和縱向?qū)Ρ?，比如縱向的同環(huán)比分析，橫向的不同產(chǎn)品、不同渠道的對比等；

• 走勢（變化）：指標隨時間的變動，表現(xiàn)為增幅（同比、環(huán)比等）；
• 分布：這個好理解，比如說用戶不同年齡段的分類、不同職業(yè)的分布、不同地域分布等；
• 細分：從多層級去了解數(shù)據(jù)，比如分析全國不同省份不同城市的具體訂單數(shù)據(jù)，從全國—省份—城市一一下鉆深入分析；

• 轉化：主要體現(xiàn)在結果的最終轉化、各個路徑的轉化，比如通過整個注冊流程的轉化分析來優(yōu)化細節(jié)；
• 預測：根據(jù)現(xiàn)有情況，估計下個分析時段的指標值。

舉個實際例子吧~

（綠色：日常數(shù)據(jù)走勢；黃色：未來10天數(shù)據(jù)預測）

分析師身負多個部門的數(shù)據(jù)分析工作，有時從提需求到最終拿到數(shù)據(jù)，2、3天都過去了，且不說分析結果是否是你想要的，就時效性而言，這份數(shù)據(jù)結果的意義也減弱了，如何變身自己的“專屬分析師”呢~

數(shù)據(jù)分析的整個過程：確定指標——數(shù)據(jù)收集——數(shù)據(jù)整合、數(shù)據(jù)處理/建模、數(shù)據(jù)分析、數(shù)據(jù)呈現(xiàn)、報表匯報。

• 確定指標：不多說了，可參考一下第1個問題。
• 數(shù)據(jù)收集：可通過公司數(shù)據(jù)庫埋點獲得，可通過第三方平臺獲得，也通過一些記錄的本地數(shù)據(jù)獲得。
• 數(shù)據(jù)整合：運營人要看的數(shù)據(jù)太多了，有數(shù)據(jù)庫，有各種第三平臺的數(shù)據(jù)（友盟、統(tǒng)計、推廣、公眾號等），每次都需要從不同平臺取數(shù)據(jù)，太分散了，最好能在一個數(shù)據(jù)平臺集中管理數(shù)據(jù)。
• 數(shù)據(jù)分析：可參考分析方法，比如“求和、計數(shù)、同環(huán)比、多粒度下鉆”等分析，一般在excel中需通過寫公式搞定。
• 數(shù)據(jù)呈現(xiàn)（可視化）：簡單地說，就是如何制圖唄，請直接學習第3個問題。
• 報表匯報：將數(shù)據(jù)通過表格、圖表或其他形式向領導匯報。

如何不依賴分析師，自己搞定數(shù)據(jù)分析呢？

1、學習一些數(shù)據(jù)分析理論。（數(shù)據(jù)思維）

2、了解、熟悉業(yè)務，這點很重要。（業(yè)務思路）

3、學習一些數(shù)據(jù)分析工具。（工具輔助）

以我的個人經(jīng)驗來看，真正把握這些真真是夠了~畢竟我們不是專業(yè)的數(shù)據(jù)分析師，能做好業(yè)務分析足以！

沒有哪個老板喜歡雜亂的表格數(shù)據(jù)，顏值才是王道啊。簡單地說，就是數(shù)據(jù)如何可視化，讓數(shù)據(jù)直觀、明了。

• 分析數(shù)據(jù)占比：分析單維度的數(shù)據(jù)占比可用餅/環(huán)圖、分析多維度的數(shù)據(jù)占比，可用旭日圖和矩形樹圖。

比如，用戶性別的占比分析只有“性別”一個維度，用餅/環(huán)圖展示，男女比例非常直觀，比如下圖明顯是男性用戶偏多，若用戶群體符合初衷和產(chǎn)品特征，那運營方式不妨可以嘗試一些“可愛風”，也許這樣更能吸引男性用戶。營銷活動也可以考慮選擇一些科技類產(chǎn)品作為獎品，也許更能促進男性用戶的購買力，達到活動目的。

（單維度：用戶性別分析）

（多維度：不同地區(qū)不同渠道的訂單分析）

• 分析數(shù)據(jù)同環(huán)比趨勢：分析單維度的同環(huán)比可用指標卡、分析多維度的同環(huán)比可用雙軸圖。

同環(huán)比太常見了，幾乎什么數(shù)據(jù)都要跟之前有個對比，這樣才能更體現(xiàn)目前數(shù)據(jù)的“運營價值”。

最常見就是PV、UV的同環(huán)比了，比如UV環(huán)比下降了，是正常還是不正常。正常是因為UV可能存在一定規(guī)律，可能周五的UV就比周四低，那數(shù)據(jù)屬于正常。若沒有固定規(guī)律，那有異常波動一定要尋找背后的原因，盡快處理問題，以防再犯。

（單維度：PV環(huán)比和UV環(huán)比分開）

（雙維度：PV環(huán)比和UV環(huán)比放一起）

• 分析數(shù)據(jù)走勢：最常用的是折線圖，柱狀圖也可以表達，直觀度略低于折線圖。

（折線圖）

（柱狀圖）

• 分析地區(qū)分布：全國、省份分布可用行政地圖，更詳細的地域分布可用經(jīng)緯度地圖。

用戶地域分析也是非常重要的，這可能決定了公司業(yè)務會在哪些區(qū)域重點投入、重點銷售。這也是公司廣告需重點投放哪些區(qū)域的數(shù)據(jù)指導，對于每年競價投入幾百萬、幾千萬的公司，正確的用戶地域分析可節(jié)省很多不必要的投入，給公司省錢老板可樂意了。

（行政地圖）

（沈陽地區(qū)軌跡動態(tài)地圖）

（各省份注冊用戶數(shù)完成情況）

• 分析任務完成進度：單指標進度可用計量圖，多指標進度可用子彈圖，完成情況一目了然~

（KPI完成進度）

（各項指標完成進度）

• 分析用戶活躍頻次變動：可用?；鶊D。

（用戶活躍情況變化）

• 分析詞頻：比如用戶的職位分布，可用詞云，有3D效果哦~

（用戶職位分布）

• 分析轉化效果：那肯定用漏斗圖最最合適。

（用戶咨詢轉化率）

關于轉化，分享一個自己身邊的真實故事。

每個圖表都有適合的使用場景，用好各種圖表很重要，直接影響到數(shù)據(jù)的直觀和美觀程度。

注：以上數(shù)據(jù)圖表均來自在線數(shù)據(jù)可視化分析工具BDP個人版，拖拽即可制圖~

做了那么多的數(shù)據(jù)工作，最終無非是為了從數(shù)據(jù)中去發(fā)現(xiàn)問題，不斷優(yōu)化運營策略。不論數(shù)據(jù)是上升了還是下降了，肯定有其變化的原因，這里以用戶數(shù)據(jù)變化為例了解一下快速找到問題的思路~

Ps：這只是個人結合工作得到一些經(jīng)驗，不一定非常準備，大家可結合自己的網(wǎng)站和產(chǎn)品去分析~

• 節(jié)假日波動：大部分產(chǎn)品都會受到節(jié)假日、周末的影響，辦公軟件節(jié)假日/周末數(shù)據(jù)一般都會下降，電商產(chǎn)品節(jié)假日/周末數(shù)據(jù)一般都會上升。
• 上線、改版：上線不一定單指功能上線，比如營銷活動上線、廣告渠道新上都算是上線，網(wǎng)站任何變動都可以理解成“上線”。
• 異常、故障：服務器故障、渠道被迫下線、網(wǎng)站訪問不了、鏈接異常等，鏈接訪問不了是比較常見的情況。
• 以上3種都不是，那就下鉆從渠道入手，看哪個渠道數(shù)據(jù)有異常，再結合具體問題進行分析。（Ps：有時候從渠道發(fā)現(xiàn)異常的，所以這個流程的順序不是絕對的）
• 以上幾種都不是，實在找不到原因，只能跟老板說：“原因未明，將持續(xù)觀察趨勢，以確認其偶然性”。

有些問題顯而易見，有些問題排查需要一些時間，看數(shù)據(jù)最終的意義還是要結合實踐?？磾?shù)據(jù)—發(fā)現(xiàn)問題—解決問題—再看數(shù)據(jù)—問題解決，或者看數(shù)據(jù)—發(fā)現(xiàn)增長—找到原因—繼續(xù)應用，總之：取其精華去其糟粕，你懂得~

注：以上數(shù)據(jù)圖表來自BDP個人版~

Growth Hacker
介于技術和市場之間的新型團隊角色；
懂數(shù)據(jù)，懂人性，懂方法，懂執(zhí)行…