企業(yè)里真實(shí)的數(shù)據(jù)分析案例解析

從最近跟進(jìn)一些數(shù)據(jù)分析項(xiàng)目來看，慢慢對(duì)數(shù)據(jù)分析有了更多的理解。

數(shù)據(jù)分析的定義和誤區(qū)：

數(shù)據(jù)分析，簡(jiǎn)單來說就是用數(shù)據(jù)進(jìn)行分析。經(jīng)驗(yàn)分析也是分析，但這是靠經(jīng)驗(yàn)分析的，不是數(shù)據(jù)分析。數(shù)據(jù)分析就必須是通過數(shù)據(jù)進(jìn)行推導(dǎo)或驗(yàn)證的。所以任何數(shù)據(jù)分析工具都是數(shù)據(jù)分析的工具，不管是Excel，spss或BI都是數(shù)據(jù)分析的工具，甚至說用計(jì)算器做分析也可以是數(shù)據(jù)分析。也就證明了一些人說Excel就是報(bào)表，而不是數(shù)據(jù)分析，這是錯(cuò)的。

數(shù)據(jù)分析流程：

網(wǎng)上看最多的流程是這樣的。

但其實(shí)這樣才是更合理的，

數(shù)據(jù)分析不一定是一次性的，是分次數(shù)的。第一次分析會(huì)得到一些結(jié)論和猜想，然后要收集更多數(shù)據(jù)來證實(shí)自己的猜想，不然就是猜想，和經(jīng)驗(yàn)判斷沒什么區(qū)別的。

數(shù)據(jù)分析如何落地

數(shù)據(jù)分析只有落地，才有價(jià)值，不然數(shù)據(jù)還是數(shù)據(jù)，還浪費(fèi)了人力，物力和財(cái)力。按我公司數(shù)據(jù)分析大牛的話來講，數(shù)據(jù)分析首先是發(fā)現(xiàn)問題，然后是定位問題，最后是解決問題。

1.發(fā)現(xiàn)異常：

發(fā)現(xiàn)問題就是說看出數(shù)據(jù)的波動(dòng)性和不正常性。看出數(shù)據(jù)的不正常，首先要定義怎么樣的數(shù)據(jù)算不正常，和平時(shí)誤差的波動(dòng)對(duì)比是多少，平時(shí)的數(shù)據(jù)如何定義。（補(bǔ)充電商很多數(shù)據(jù)都是定義波動(dòng)在+- 10%內(nèi)為正常，平時(shí)是指近2周的平均數(shù)據(jù)）。舉個(gè)例子：本來某網(wǎng)站某內(nèi)部渠道A的訂單轉(zhuǎn)化率維持是4-5%左右。有一天突然變成了2%，而近2周的數(shù)據(jù)因?yàn)榍皫滋斓臄?shù)據(jù)庫(kù)異常，只有近8天的數(shù)據(jù)。那怎么辦呢？難道說沒2周，所以問題無法發(fā)現(xiàn)？

這時(shí)大牛告訴我，書本上和網(wǎng)上你所看到的數(shù)據(jù)都是完美的，但你現(xiàn)在遇到的就是現(xiàn)實(shí)，現(xiàn)實(shí)就是只有近8天的數(shù)據(jù)，你這次也就只能算近8天，或者近7天。以后積累數(shù)據(jù)更多后，你分析時(shí)才用近2周。要接受數(shù)據(jù)的不完美，以后你還會(huì)遇到很多數(shù)據(jù)上的bug。那就按近7天的訂單轉(zhuǎn)化率去算吧。這里補(bǔ)充一點(diǎn)：訂單轉(zhuǎn)化率的定義=訂單/二跳Visits。這點(diǎn)定義，不同公司定義不同，但有一點(diǎn)是肯定的，因?yàn)槭莻€(gè)比率值，所有近7天的平均訂單轉(zhuǎn)化率不是拿近7天訂單轉(zhuǎn)化率算平均，而是近7天的訂單數(shù)平均/近7天的二跳Visits。

總算算出來了，近7天平均訂單轉(zhuǎn)化率是4.5%，昨天的訂單轉(zhuǎn)化率是2%，變化幅度明顯超過10%，絕對(duì)是個(gè)異常。

2.定位異常：

如何定位異常，大牛說你是新手，所以你去分析各個(gè)細(xì)分維度，看哪個(gè)維度內(nèi)部之間有很大變化。我把能分析的維度全都做了一遍，流量外部渠道，流量平臺(tái)，流量訪問地區(qū)，流量進(jìn)入的商品類目。因?yàn)槲业腅xcel功底很好，這些數(shù)據(jù)處理我較快滴就完成了，然后對(duì)大牛說，外部渠道訂單轉(zhuǎn)化率都在降，平臺(tái)，地區(qū)和商品類目轉(zhuǎn)化率也都是下降，而且之間下降的幅度都是差不多的。他說，如果都是在降的話，那說明問題不是在這里。只有某個(gè)維度內(nèi)部之間，變化有較大懸殊的，才能定位到問題在這個(gè)維度。比如假設(shè)，剛才的維度中你發(fā)現(xiàn)平臺(tái)中，PC轉(zhuǎn)化率大跌，無線轉(zhuǎn)化率基本沒變化。那說明問題很可能出在網(wǎng)頁上面。很可能是訂單確認(rèn)頁的網(wǎng)頁日志記錄有問題，然后被記錄的訂單數(shù)少了。訂單轉(zhuǎn)化率=訂單數(shù)/二跳Visits。分子少了，也就轉(zhuǎn)化率低了。而你現(xiàn)在是都沒什么差異，那你去看看網(wǎng)站的訂單轉(zhuǎn)化率是怎么樣的，還有其他內(nèi)部渠道的訂單轉(zhuǎn)化率變化吧。我很快去提取數(shù)據(jù)并計(jì)算了，整體網(wǎng)站轉(zhuǎn)化率沒什么變化，二跳Visits流量也沒什么變化。但是內(nèi)部渠道中有個(gè)內(nèi)部渠道C，他的轉(zhuǎn)化率提升了很多，但他的流量沒什么大變化。大牛說，那問題差不多出來了，很可能是內(nèi)部渠道A的訂單數(shù)被錯(cuò)誤計(jì)算到渠道C了。正常情況，每個(gè)渠道的轉(zhuǎn)化率都是不怎么變化的，而且你都說流量沒什么變化了。是要到解決問題的時(shí)候了。

3.解決異常：

可以讓IT同事看看網(wǎng)頁日志，是不是有流量被混入到渠道C了。一個(gè)比較簡(jiǎn)單的案例到此，差不多結(jié)束了。

首先要學(xué)會(huì)接受數(shù)據(jù)的不完美，哪怕要2周，如果只有1周，也只能先當(dāng)5天算。

第二了解對(duì)比要可比計(jì)算近1周或近2周的平均數(shù)據(jù)前，都要先判斷有沒異常值出現(xiàn)。

第三，發(fā)現(xiàn)問題后要去進(jìn)行維度拆分，維度內(nèi)部差異很大的，才是問題的關(guān)鍵點(diǎn)所在。

第四，除了縱向?qū)Ρ热掌谕猓€有想到橫向?qū)Ρ韧?jí)渠道，還有考慮他們上面的整體。

你目前先慢慢學(xué)會(huì)對(duì)內(nèi)部渠道A進(jìn)行日監(jiān)控，然后有異常數(shù)據(jù)能識(shí)別，然后去定位問題。你的自動(dòng)化報(bào)表設(shè)計(jì)很不錯(cuò)，能大大減少每天的數(shù)據(jù)處理時(shí)間，也就有更多時(shí)間去定位和分析問題。解決問題，一般來說都是比較麻煩的，要涉及跨部門的溝通交流，很多都不是數(shù)據(jù)能解決的。