数据分析的思路(九道门丨数据分析常用 6 种分析
作为数据分析师，你是否常因为缺乏分析思路，有过以下问题？
- 新上线某个产品，需要监控转化率效果，既要看总体情况，也要看细分渠道；
- 策划营销活动，预算有限，要看看选择哪些目标用户群、采用哪种方案带来的销量更高(更能拉动KPI)；
- KPI又出现较大波动，待会领导估计要问起来，赶紧分析数据找原因；
今天我们来看看分析思维怎么解决这些问题，6种思路帮你忙。
01
流程
行动步骤
1. 商业理解：确定业务目标，评估现有资源，确定分析目标，制定解决方案；
2. 数据理解：数据采集，探索分析，数据质量验证；
3. 数据准备：筛选数据，数据清洗，整合数据，变量衍生；
4. 建立模型：模型选择，检验设计，模型建立，结果评估；
5. 模型评估：分析结果和业务目标匹配度确认，检查1-4步的执行过程，确定下一步行动；
6. 结果部署：规划部署方案、监控和维护方案，输出项目报告，项目复盘；
04
左中括号
分步转化
左中括号
要连续完成多个步骤，有的人“浅尝辄止”，有的人“半途而废”，有的人则是“善始善终”。
产品转化的每个步骤都会有用户流失，好比100个人参加有9个关卡的淘汰游戏，每个关卡会淘汰10个人，整个游戏最终会剩下10个获胜者，把这个游戏看作产品，那么该产品的全流程转化率就是10%。
03
左中括号
闭环迭代
左中括号
一般的闭环流程包括3部分：事前方案规划，事中执行监控，事后复盘总结。
事前：确定目标，选定用户，制定方案，确定检验标准等；
事中：实时数据监控(是否达到预期)，不同方案赛马，备用方案启用等；
事后：对整个流程复盘，总结经验，CSS归类(Continue做先前已验证的正确的事，S做错误的事，Start做新的正确的事)
常用的闭环迭代框架是PDCA，通过计划(P)、实施(D)、检查(C)、总结(A)4个步骤，循环迭代，螺旋上升。
另外还要注意，在使用流程化思维时，除了常见的正向思考，也要逆向思考。
02
分类
互联网时代最核心的经营理念是深耕客群，通过差异化运营提升ARPU值(Average Revenue Per User，每用户平均收入)，而分类无疑是开展这项工作的重要前提。
二分法，非此即彼，e.g. 网站新客、老客，贷款审批结果分为通过申请、拒绝申请等；
并列分类，多个分类(子集)构成一个全集，e.g. 用户地域可以按省份划分，按年龄可以将用户分为70后、80后、90后、00后等，女性用户群体可以分为时尚丽人、都市白领、家庭主妇等；
等级分类，e.g. 会员等级——铁牌、铜牌、银牌、金牌、钻石、皇冠，城市等级——一线、二线、三线、四线；
矩阵象限，e.g. 波士顿矩阵，RFM象限
03
对比
对比就是找一个参照点，来发现两个数据间的差异量Δ大小如何。
对比可以分为两类：横向对比、纵向对比。
01
左中括号
横向对比
左中括号
和同类(竞品)比较，对比不同品牌的女装的销售情况，不同销售渠道(地区)的交易情况；
实验对比，设置实验组和对比组，对比两组或多组之间的差异，以确定人为干预(实验、方案)的效应。
和整体比较，e.g. 华东地区的销售情况和全国总体销售比较；
做组间比较时，一定要确保样本的可比性(无论是在数量级还是在群体结构上)，e.g. 对比两个时间段的交易情况，建议剔除掉大促和节假日(这些交易日的数据波动很大)。
02
左中括号
纵向对比
左中括号
横向是和其他对象比较，纵向则是和自己的历史数据对比。
常见的纵向对比有同比和环比，对比的周期根据实际情况可以按日、周、月、季、年等。
04
关联
看数据指标不要只看一个“点”，还要看一条“线”上的前后连接的环节，进而从“面”或“体”的角度去看整个大环境中都有哪些因素相互作用。
对现象的分析可以参考简单的调节模型：
其中：X是自变量，Y是因变量，M是调节变量。
寻找关联关系时，不仅仅要找出对Y有直接影响的X(一个或者多个)，还要找出影响X对Y作用的调节因素M。
05
层级
要有结构化、系统化的思维，对影响因素进行拆解组合。
可以理解为“分级钻取”，如同金字塔结构一样，先从总体看到二级分支，然后再看更细的分支。
e.g. 支付成功率的影响，可以对新老客、订单来源、支付方式、银行通道一层一层拆解，细化各个分支对整体变化的贡献率；
06
优化
分析的最终目标无非两种：寻找解决方案，寻找更好的解决方案。第一步是保证数据的准确性和稳定性，第二步就是优化，提高准确性、提高效率和效益。
优化包含两部分的内容：缩小当前和目标的差距，直到达成并超越目标；在成本或者预算固定的前提下，使收益最大化。
以上总结了常见的6种数据分析思路，涉及具体的业务场景还要结合业务特点适当变通。私信“资料包”，立即获得更多关于数据分析的资料，更有业内大咖社群等着你！