導讀:資料分析究竟是什麼?需要掌握哪些技能?如何進行資料分析?本文是對于資料分析的實踐與總結。
作者:木兮月寶
來源:木木自由(ID:huangxiang-1314)
![](https://img.laitimes.com/img/__Qf2AjLwojIjJCLyojI0JCLiAjM2EzLcd3LcJzLcJzdllmVldWYtl2PnVGcq5CbqFjdpdXbyJmYvwlMzcjMwgjMtUGall3LcVmdhNXLwRHdo9CXt92YucWbpRWdvx2Yx5yazF2Lc9CX6MHc0RHaiojIsJye.jpeg)
在大資料和5G技術逐漸成為趨勢的時代背景下,我們幾乎每天參與到各種各樣涉及到資料的場合,如社交網絡、消費資訊、旅遊記錄……我們幾乎每天都會與各種各樣的資料打交道,如企業層面的銷售資料、營運資料、産品資料、活動資料……
這将是一個以"資料"說話的時代,更是一個依靠"資料"競争的時代!麥肯錫公司稱:“資料,已經滲透到當今每一個行業和業務職能領域,成為重要的生産因素。”并且,在世界500強企業中,有90%以上都建立了專門的資料分析部門。由此可見,資料分析的重要性以及未來趨勢。
那麼,資料分析究竟是什麼?需要掌握哪些技能?如何進行資料分析?等等....
我今天要分享的主題是:資料分析之道,抽絲剝繭與存乎一心,也就是我對于資料分析本身的實踐與總結。
01 解構資料分析
我們字面拆解:資料 + 分析,資料是基礎,分析是主導。可見,資料并不意味着價值,分析和決策才能創造價值!
而資料分析:思維方式大于實踐方法。
- 思維方式:業務目标及調研+思維邏輯+創新想法+可行建議
- 實踐方法:資料彙總統計+工具使用+可視化
資料分析對一個企業有巨大價值,則是對企業“資料”進行全方位的分析,兩者相輔相成才能實作企業決策價值最大化。
是以,我們做好資料分析,要對資料分析的價值有清楚的定位,不能淪為單純的 “取數”、“做表”、“寫報告”,資料分析應該是對業務有實際的指導意義,并結合業務痛點去發現問題進而解決問題的工具。
1. 靈魂三問
資料分析的靈魂三問,這就是我今天講的主要内容:
- 資料分析是個什麼東西?他到底解決什麼問題?
- 資料分析如何學習技能知識?需要掌握什麼樣的能力?
- 資料分析如何進行?有什麼方法論?
一談到資料分析,我們就會聯想到這些問題。
然而,我接觸資料分析的契機,是從剛開始工作是接觸的資料處理和市場調研,再之後商家代營運,産品資料營運等,這些工作中都涉及資料分析,到現在和朋友一起建立資料分析社群。
其實,我了解的資料分析不是從什麼高大上的角度出發,它繞不開是什麼、是多少、為什麼、會怎樣、又如何這幾個問題。
說明白點:
- 是什麼(樹立資料标準)
- 是多少(資料描述狀況)
- 為什麼(探索問題原因)
- 會怎樣(預測業務走勢)
- 又如何(綜合判斷狀況)
其核心就是分析資料(結合統計學等知識),找到規律(比如異動),給出結論和建議,進而能夠輔助決策。
那麼,接下來我們來看一下資料分析在工作中幾種常見的應用場景,切身體會一下:
- 活動上線前,需要做A/B測試,通過資料回報結果,驗證活動是否符合預期;活動上線後,還要分析實時資料,調整推廣節奏和推廣動作。
- 設計産品時,需要用資料來分析使用者行為,挖掘使用者需求;産品誕生後,還要用資料監測使用者行為、測試産品功能,促進産品疊代。
- 推廣拉新時,需要對每個引流管道進行品質評價;我們要收集每個管道的投入,用資料分析來分辨管道資源的效果,對比各大管道對業務的影響,從中找出最優管道。
……
以上就是工作中遇到的資料分析應用的場景,然而,我在曾經公司裡面親眼看到,日常工作涉及到決策的時候,會常常出現如下場景:
- 場景一:“我覺得”、“應該”這樣的詞彙,誰也說服不了誰,一點點小事都要老闆去拍闆;
-
場景二:活動效果沒出來,做彙報時,遭遇靈魂式追問:
“上線的新功能效果如何?”
“接下來打算怎麼優化”
“最近資料波動的原因是什麼?”
……
有以上這樣的場景,其根本原因在于缺乏資料思維思考邏輯,對業務的思維隻停留在淺層的對比,甚至會出現“拍腦袋決定”的情況。
是以,在工作生活中,我們應該不斷培養資料思維的習慣。舉幾個習慣:
- 若看到一個廣告,嘗試去分析廣告的閱聽人群數量大小,管道數量、成本和效果回收的情況。
- 若看到一個活動,想辦法去拆解出它的目的、針對人群、預期活動目标、投入成本、獎品爆率模型等資訊。
- 若看到一個産品,在使用完畢之後去分析他的商業模式、面對的使用者群體、群體的使用場景,以及可能設定的付費點并去驗證,同時想到可改進的價值點,并觀察後續營運動作是否驗證了改進點。
- 若看到一組客服回訪資料,能想到線索來源,通話總次數,通話有效次數&時長,線索意向級别,銷售司齡,套餐類型,來判斷這組客戶的意向度,以及跟程序度,成單周期。
- 若看到一列資料,我們應該可以清楚的指出資料是否有波動,這種波動是否正常,可能由哪些原因帶來了這些波動,相關的原因是否有資料呈現。
- 若看到一篇關于營運效果的報告,我們應該試圖去分析它的内生邏輯是否足夠支撐報告的結論,在哪些點上可能沒有詳盡調查。
- ·······
以上是我們可以在生活中培養資料思維的習慣思考場景,當然,在實際工作中的前提是,我們要熟悉自己的業務流程以及業務名額等,我們在培養資料思維的同時資料敏感度會不斷提升。
2. 資料的特性
資料是客觀事物發生留下的客觀事實,發展變動的數字化記錄。随着科學技術的發展,資料的概念内涵越來越廣泛包括數值,文本,聲音,圖像,視訊等。
而新增使用者、留存、使用者活躍、轉化、收入、使用者規模等,通過資料量化,我們才能精準感覺業務名額。是以,資料是用來描述業務名額的,是被量化的業務名額。但資料的本質還是數值,隻是屬于最後結果的一種表現形式,要想改變結果,隻能去尋找因,從因上做改變,才能引起結果的改變。
而資料的特性有:
- 統一性:統計口徑一緻、計算邏輯一緻、資料管理流程一緻……
- 安全性:就是除了統一性之外,還有安全性的問題。資料會不會洩露?不同資料牽涉的敏感點有哪些?
- 時效性:很大程度上制約着決策的客觀效果。有些資料随着時間的推移,價值會越來越小。
- 準确性:大家都知道,資料正确與否的重要性。錯誤的資料,可能會導緻失敗的決策;當出現問題時,到底是背景系統的統計,還是名額統計邏輯有問題。
3. 分析的本質
分析的思維過程是:
- 發生了什麼?——追溯過去,了解真相。
- 為什麼發生?——洞察事務發生的本質,尋找根源。
- 未來可能發生什麼?——掌握事物發展的規律,預測未來。
- 我們該怎麼做?——基于已經知道的“發生了什麼”、“為什麼會發生”以及“未來可能發生什麼”的分析,幫助和确定可以采取的措施。
分析本質即面臨各種問題時,對于企業而言,讓業務更加清晰,讓決策更加高效。對于個人而言,認清現狀,讓自己的決定更加有利。
這些東西說起來都是高大上的,簡單來說,能通過資料找到問題,準确地定位問題,準确地找到問題産生的原因,為下一步的改進,找到機會點,也就是所謂的:資料驅動。
4. 資料分析需要怎樣的能力
1)通關心态
當你決定進入資料分析行業的第一天,你就要對标行業中的90分高手、100分高手。具備通關的心态,3年,也就是6個6個月。每6個月左右,至少要突破1個關卡。如此,6個6個月過後,你往往能突破到第6關、第7關。
如果是你天賦極強的人,或者你的運氣很好,你極可能就成為頂尖專家了。
那麼,我們來看一下“德雷福斯模型”,把打怪更新的成長過程分為五級。
- 第一級是新手(10-20分)。新手能記住抽象的規則,然後按照規則行事。
- 第二級是先進的初學者(30-40分)。先進的初學者不但能按規則行事,而且能夠根據以往的經驗,面對不同的局面能采取不同的行動。新手隻會規則告訴他的那幾招,而先進的初學者除了規則還有經驗,他可以在一定程度上,對不同環境随機應變。
- 第三級是勝任(50-60分)。勝任者面對幾個事情,能夠分出優先級。也就是說,在做決策的時候,他清楚地知道,首先應該照顧什麼地方,其次應該做什麼事。能厘清什麼重要,什麼不重要。他有時候按照固定規則去做事,有時候則是依據以往的經驗。
- 第四級是精通(70-80分)。精通者能夠把所有的資訊當做一個整體來考慮。精通者考慮問題,很少理性地使用固定的規則,他已經不再區分經驗和規則,而是從整體出發,全盤考慮。
- 第五級是專業(90分-100分)。專業者完全不受理性的束縛,他的判斷和反應都是在無意識的情況下做出的。哪怕面對的是全新的情況,他也能無意識地把這個情況和以前的經驗聯系在一起,自動處理。
2)綜合的能力
資料分析要做好,綜合要求非常高,因為大多資料分析是要向老闆彙報的,厲害的資料分析人員至少要具備業務能力、思考能力、溝通能力、表達能力、分析能力、資料能力、技術能力及統計能力。
- 業務能力:充分了解公司戰略、行業、上司思想,最好有業務崗位實戰經驗
- 思考能力:最值錢的是想法,通過資料對這些想法進行系統化的分析和論證
- 溝通能力:對上溝通确認目标、對中要采取合作、對下要明确執行要求
- 表達能力:一切都是為了讓人看懂,态度上重視彙報,彙報講究故事和邏輯
- 分析能力:基于業務常識選擇合适的名額和次元,發現異動原因并可視化展現
- 資料能力:擁有全局的資料視野、更深的資料了解能力和操作能力
- 技術能力:EXCEL、SQL、Python/R、機器學習/深度學習引擎
- 統計能力:了解統計的基本概念、了解基本算法
以上,就是資料分析需要怎樣的能力,其實,在很多企業中,資料分析是個崗位,但我一直認為資料分析僅僅是資料從業者謀生的進階手段,資料營運、資料産品、資料管理等各類崗位都需要資料分析的技能,比如資料營運就是資料分析的一種持續疊代形式。
總之,優秀的資料分析人員一定是主動發現問題、解決問題并扛得住壓力的。
5. 常見的資料分析方法彙總
資料分析方法其實有很多,包含戰略與組織、營銷、人力資源、生産管理、财務管理、供應鍊管理等等方面。
1)戰略與組織方面
- SWOT分析:戰略規劃的經典分析工具
- PEST分析:組織外部宏觀環境分析工具
- BCG矩陣法:制定公司層戰略最流行的工具
- 麥肯錫三層面分析:企業設計戰略規劃、開拓增長的有效工具
- 波特五力分析:行業競争戰略最流行的分析工具
- 核心競争力分析:分析企業有效競争和成長的重要工具
……
2)市場營銷方面
- STP分析:現代營銷戰略的核心分析工具
- 4Ps營銷組合模型:制定市場戰略最經典的營銷理論工具
- 産品生命周期模型:描述産品和市場運作方法的有力工具
- 營銷漏鬥模型:量化了營銷過程各個環節的效率,幫助找到薄弱環節
- SPIN銷售法:系統化挖掘客戶需求的銷售工具
- 營銷戰略新三角模型:戰略業務架構分析工具
- 顧客金字塔模型:有效的顧客細分管理工具
……
3)人力資源方面
- 平衡計分卡:最具影響力的戰略績效管理工具
- 360度績效考核:推進員工行為改變最有效的工具之一
- KPI:國際通行的企業經營績效成果測量和戰略目标管理的工具
- 3P模型:實施企業人力資源戰略化管理的有效工具
- 關鍵事件技術:識别工作績效的關鍵性因素的工作分析方法
- 職業錨:職業測評運用最廣泛、最有效的工具之一
……
4)生産管理方面
- 5S現場管理法:現場科學管理的基礎工具
- 六西格瑪:世界最先進的品質管理法
- QFD法:一種顧客驅動的先進品質管理應用技術
- PDCA:循環有效控制管理過程和工作品質的工具
- AUDIT法:保證産品品質的先進品質管理控制方法
- 零缺陷管理法:企業品質管理方法的又一次革命
……
5)财務管理方面
- ABC成本法:企業控制成本的有力工具
- 杜邦分析法:企業業績評價體系中最為有效的工具之一
- 比率分析法:财務分析最基本的工具
- 淨現值法:企業投資決策中最基本、最常用的一種方法
- 沃爾評分法:對企業财務信用能力綜合評價的方法
- 本量利分析:實施目标成本管理的一個重要工具
……
6)供應鍊管理方面
- SCOR模型:第一個标準的供應鍊流程參考模型,供應鍊一體化的得力工具
- ECR系統:一種新型的供應鍊管理政策
- 關鍵路徑法:項目管理中應用最為廣泛的方法之一
- 邏輯架構法:項目品質評價的綜合評價方法
- PERT網絡分析法:有效的項目進度管理工具
- 工作分解結構:項目管理衆多工具中最有價值的工具之一
……
▲我挑選了幾種經典的資料分析方法,若大家對這些方法感興趣自己去查找學習~這裡不一一展開了
02 實踐總結
1. 抽絲剝繭
1)為什麼要抽絲剝繭?
我們來看一個例子:當你去分析某段時間内一個産品的活躍資料,就覺得這個事情很簡單啊,不就是把資料統計清楚嗎?看看趨勢,對比上周、上一年,然後進行分群分析,哪部分使用者流失等等。
看做完一遍之後呢,你會面臨一個糾結的情緒:同樣的名額,有同詞不同意;有同意不同詞;還有互相包含,就是我的這個名額當中有你的一部分,你的名額中有我的一部分啊;還有各不相幹毫無關聯的名額卻出現在同一個報表上——這都是有可能的。
其實,在做資料分析的時候,我們就會有一個扪心自問的過程:我們到底從何下手?從哪裡開始分析呢?
我自己的思考就是:先忽略亂七八糟,高大上的概念,回歸到本質,其實,明确分析目标後,資料分析就是為了名額服務的,最終的展現就是某個資料名額提升或者下降,進而影響業務決策,是以需要先了解一個問題:什麼是名額?它應該如何被解釋?
名額,它分成單一名額和衍生名額,衍生名額有一個或多個單一名額的計算得來。名額有次元和度量組成,需要注意的是,衍生名額的次元來源于組成其單一名額次元的交集。
單一名額需要經過資料統計的前置篩選,才能在邏輯上成立;衍生名額沒有自己的統計口徑,其統計口徑寄生于組成其的單一名額身上。
其實:名額就是由次元和度量組成。
我們可以給名額下定義:名額是描述一個資料統計業務的最小邏輯單元。
例如,咱們來拆解一個資料名額,就需要一個抽絲剝繭的過程,但在實際業務分析中,不一定要拆解的多麼細,基本上3個層級就能夠指導我們去做一些動作。量化以及拆分名額,是資料分析的靈魂。
- 一級名額必須是全公司都認可的、衡量業績的核心名額。它可以直接指引公司的戰略目标,衡量公司的業務達成情況,本質上需要管理層和下級員工的雙向了解、認同,且要易于溝通傳達,比如公司的銷售額,或者社交産品的活躍度。
- 二級名額是一級名額的路徑名額。一級名額發生變化的時候,我們通過檢視二級名額,能夠快速定位問題的原因所在。如我們的一級名額是 GMV 和訂單數量上升,那怎樣去定二級名額呢?我們就要去拆解一級名額,而能夠影響到 GMV 和訂單數量上升的,就是我們的核心二級名額。比如說貨品的單價上升,或者最近做的一些活動。
- 三級名額是對二級名額的路徑分析。通過三級名額,可以高效定位二級名額波動的原因,這一步也會基于曆史經驗和拆解。
2)小結
回歸今天的議題是資料分析之道,我們可以回到公司的戰略層,回到企業發展的戰略上去思考問題,需要我們思考如何應用資料分析,通過資料團隊搭建、資料名額監控體系搭建、業務分析模型規劃、業務目标規劃、相關責任人梳理等方式,快速地幫企業解決問題,實作業務增長!
是以,我認為作為一個資料分析人員而言,抽絲剝繭、總結規律、解決問題的思維方式能力,是最核心的能力。衡量一個資料分析人員是否優秀的标準,并不是學各種SQL、Python/R等資料分析工具,而是,是否能夠解構問題思維方式、還原本質、找到規律、尋找提升業務的最優解。
去尋求最優解、發展規律,那就應該運用到自己的思維架構——我們該怎麼去找到規律、怎麼去發展、怎麼去找到這個細節,需要這三步法。
2. 三步法
1)三步法
首先,還原場景,尋找規律;深入細節,全面觀察;窺斑見豹群,準确推演;交叉驗證,排除影響。要沉的夠深,要足夠的信心,要紮得夠狠。要跳出細節,回歸本質,用上帝視角做敏銳的洞察思維,大膽假設,尋找規律。
其次,覺得大方向上沒有問題,不要輕易下結論,還要再跳回到那些紛雜的細節當中,去一個一個地驗證你總結出的規律是不是适用,要保持一顆謙卑的心。當發現這些規律不适用的時候,就要大膽改正。
最後,就是場景與驗證,需要回歸到細節,做仔細的核對,小心地求證,嚴格地論述;要理清場景,一定不要有遺漏,要及時地調整,疊代更新。
2)小結
對于資料分析人員而言,給出的每一份資料,都要抱着對其負責到底的态度,這樣大家才能建立互相信任。是以,用思維去擊穿複雜的邏輯,抽絲剝繭,發現問題的本質,這是一種需要被加強的能力。
這就是在當下而言,為什麼資料産品經理、資料科學家這些厚重的職位,會成為當下的資料分析熱門領域的原因——就是因為它對能力跟素質有新的挑戰,不是大家能輕易适配的崗位。物競天擇,适者生存,市場規律就是供給多了,需求就容易滿足;供給的少,自然價位就高。
是以,你要去做那個供給少的環節,成為這個行業當中比較少見的人,而不是成為普遍的人。
3. 存乎一心
1)名額監控體系的搭建
當你把一個東西解構的足夠深的時候,你會面對一堆的需求碎片,萬法不離其宗,先找到離你思維邏輯最近的那一步,叫第一層立足點。找邏輯點的時候,我們就要存乎一心,明确分析目的,發現核心名額。尤其是第一名額,在整個分析過程中都不忘最初目的,其實就非常簡單。
那麼,如何去搭建一個名額監控體系?
①要明确産品業務目标以及KPI和所處的産品階段
要認清和明确目标。判斷業務走勢正常還是異常,探索解決問題的辦法,都是從計算目标和現狀的差距開始的,這一點非常重要。而不同的産品階段是有不同的産品目标業務的。拆解目标,細分可以有多種類型,比如常見幾種的:
- 按達成時間為:年、季度、月
- 按服務對象為:各個部門、整個公司
- 按流程位置為:結果型目标/過程型目标
②根據現階段産品業務目标,将資料名額分級
資料名額有很多:日活DAU、月活MAU、下載下傳量、激活量、新增注冊量、活躍度(DAU/MAU)、次日留存率、次人均時長、首頁通路率、停留率、人均充值金額ARPU、GMV,客單價等等,我們會針對不同的名額,分不同的層級。
一個資料名額,會受到多種因素的影響,而這些因素有内部的,有外部的,我們應當盡可能多的了解所有層面的影響因素,幫助我們對于資料的解讀及分析是在一個相對正确的範圍内。不一定要拆得太細,否則層級會過深,基本上 3 個層級就能夠指導我們去做一些動作。
我們還以上述一級名額 GMV 提升為例,我們拆解後發現是轉化率提升,那麼轉化率就是二級名額。
而三級名額則起到能夠直接指導一線營運的角色和作用,接着分平台去拆解各個轉化率的時候,我們發現是 IOS 的用戶端轉化率有所提升。那為什麼安卓沒有提升,是不是 IOS 最近做了一些疊代?是不是它的一個轉換路徑比其他端好?這些思考就能指導業務人員展開行動。
③搭建以日、周、月為機關的資料名額監控體系報表
監控每日、過去一周,上周, 上月同周, 上上月同周的資料報表,以圖表展示,來反映産品的變化趨勢,通過過去的一周資料反映産品現狀,通過每日、周、過去三個月的産品業務線資料變化趨勢預估未來的變化趨勢。
監控名額體系的基本邏輯:先看一級名額,結合二、三名額再預測判斷未來趨勢。
④根據資料監控結果,明确管理流程,實作控制
第一,當名額有異常狀态,明确營運政策執行者。如:
GMV降了→ 客單價降低了→ 使用者營運想政策GMV降了→ 某類商品降幅大了→ 商品營運想政策GMV降了→ 外部流量太少了 → 管道營運想政策
第二,再明确執行時間。要有時間狀态和走向判斷。如:
過去+負向 → 關注某某的問題過去+正向 → 發現什麼的經驗未來+負向 → 警惕啥啥的風險未來+正向 → 提示怎樣的機會
第三,明确需要多大力度,如:
注意出現異常,要提高等,立即執行。
比如:“如客單價不能在3天内得到改善提高,本月KPI将不達标,需立即優化商品組合,提升客單價”。
第四,複盤改善後效果
搭建資料監控體系,最主要環節就是效果的複盤。而且要先看是哪個層級的效果,再看具體效果大小。
2)小結
我們是要對資料的品質負責、對資料的追蹤負責、對資料服務的可靠性負責。回到存乎一心這件事,其實就是從碎片化的需求當中,結合自身和外部資源,将我們思維的底層邏輯體系一點一點的收攏起來,較精細化的解決問題。
而存乎一心的核心是應對諸多碎片化的需求時,有着深刻的洞察,順勢發展,因勢利導,随機應變,運用之妙,存乎一心,以滿足業務訴求。
03 資料分析之道
新事物的發展速度遠遠超出我們的想象,是以,關于“道”的思考還需要繼續深入,暫且當做是資料分析領域裡孜孜不倦又樂在其中地求索。
回想搭建資料分析社群的曆程,我們做了很多的準備工作,從社群願景、價值觀、使命的規劃,營運體系的搭建,到内容體系的搭建,初始使用者調研,後來使用者回報等等,遇到的困難一點點解決。
我覺得我們是站在了内容、商業和體驗的三者之間,我們為群友營造使用者體驗,我們為社群争取商業利益,同時我們也消耗着内容資源,面對内容要高品質提升的挑戰。
但是一定要有一個平衡點,這個平衡點就是最優解。我剛才講的那一切都可以忘掉,那都不是你的資料之道。回到你的實際情況當中,你要這三個點中尋找一個平衡。
是以,回到方法論就是要找到平衡點,也許這個平衡點一腳站在了内容上。
實際上,“資料分析方法論”是承上啟下的法門,往下,它們指導着“資料分析工具”的開展,往上,“資料分析之道”是戰略,是形而上的價值體系,我們需要建立自己的資料價值觀,一以貫之。
是以,如果你想真正的利用好資料分析,上述的抽絲剝繭和存乎一心,才是你們強大之道。
04 結尾
在經濟整體下滑的大環境中又受到疫情沖擊的2020年,各中小微企業都面臨着巨大艱難挑戰,并有着前所未有的機遇,希望這篇文章可以為焦慮中的中小微企業對于“資料分析”的應用帶來一點思考,幫助實作真正意義上的“資料驅動增長”。
最後,把非常喜歡的一句話送給大家:悲觀者往往正确,而樂觀者往往成功,與君共勉。艱難環境下,正是逆境崛起和彎道超車的好時機,願大家都能找到自己的資料分析之道。