數(shù)據(jù)處理流程和數(shù)據(jù)分析方法

大數(shù)據(jù)分析這件事用一種非技術的角度來看的話，就可以分成金字塔，自底向上的是三個部分，第一個部分是數(shù)據(jù)采集，第二個部分是數(shù)據(jù)建模，第三個部分是數(shù)據(jù)分析，我們來分別看一下。

【數(shù)據(jù)采集】

首先來說一下數(shù)據(jù)采集，我在百度干了有七年是數(shù)據(jù)相關的事情。我最大的心得——數(shù)據(jù)這個事情如果想要更好，最重要的就是數(shù)據(jù)源，數(shù)據(jù)源這個整好了之后，后面的事情都很輕松。

用一個好的查詢引擎、一個慢的查詢引擎無非是時間上可能消耗不大一樣，但是數(shù)據(jù)源如果是差的話，后面用再復雜的算法可能都解決不了這個問題，可能都是很難得到正確的結論。

我覺得好的數(shù)據(jù)處理流程有兩個基本的原則，一個是全，一個是細。

● 全：就是說我們要拿多種數(shù)據(jù)源，不能說只拿一個客戶端的數(shù)據(jù)源，服務端的數(shù)據(jù)源沒有拿，數(shù)據(jù)庫的數(shù)據(jù)源沒有拿，做分析的時候沒有這些數(shù)據(jù)你可能是搞歪了。另外，大數(shù)據(jù)里面講的是全量，而不是抽樣。不能說只抽了某些省的數(shù)據(jù)，然后就開始說全國是怎么樣?？赡苡行┦》浅Ｌ厥?，比如新疆、西藏這些地方它客戶端跟內地可能有很大差異的。

● 細：其實就是強調多維度，在采集數(shù)據(jù)的時候盡量把每一個的維度、屬性、字段都給它采集過來。比如：像 where、who、how 這些東西給它替補下來，后面分析的時候就跳不出這些能夠所選的這個維度，而不是說開始的時候也圍著需求。根據(jù)這個需求確定了產生某些數(shù)據(jù)，到了后面真正有一個新的需求來的時候，又要采集新的數(shù)據(jù)，這個時候整個迭代周期就會慢很多，效率就會差很多，盡量從源頭抓的數(shù)據(jù)去做好采集。

【數(shù)據(jù)建模】

有了數(shù)據(jù)之后，就要對數(shù)據(jù)進行加工，不能把原始的數(shù)據(jù)直接報告給上面的業(yè)務分析人員，它可能本身是雜亂的，沒有經過很好的邏輯的。

這里就牽扯到數(shù)據(jù)建框，首先，提一個概念就是數(shù)據(jù)模型。許多人可能對數(shù)據(jù)模型這個詞產生一種畏懼感，覺得模型這個東西是什么高深的東西，很復雜，但其實這個事情非常簡單。

我春節(jié)期間在家干過一件事情，我自己家里面家譜在文革的時候被燒教了，后來家里的長輩說一定要把家譜這些東西給存檔一下，因為我會電腦，就幫著用電腦去理了一下這些家族的數(shù)據(jù)這些關系，整個族譜這個信息。

我們現(xiàn)實是一個個的人，家譜里面的人，通過一個樹型的結構，還有它們之間數(shù)據(jù)關系，就能把現(xiàn)實實體的東西用幾個簡單圖給表示出來，這里就是一個數(shù)據(jù)模型。

數(shù)據(jù)模型就是對現(xiàn)實世界的一個抽象化的數(shù)據(jù)的表示。我們這些創(chuàng)業(yè)公司經常是這么一個情況，我們現(xiàn)在這種業(yè)務，一般前端做一個請求，然后對請求經過處理，再更新到數(shù)據(jù)庫里面去，數(shù)據(jù)庫里面建了一系列的數(shù)據(jù)表，數(shù)據(jù)表之間都是很多的依賴關系。

比如，就像我圖片里面展示的這樣，這些表一個業(yè)務項發(fā)展差不多一年以上它可能就牽扯到幾十張甚至上百張數(shù)據(jù)表，然后把這個表直接提供給業(yè)務分析人員去使用，理解起來難度是非常大的。

這個數(shù)據(jù)模型是用于滿足你正常的業(yè)務運轉，為產品正常的運行而建的一個數(shù)據(jù)模型。但是，它并不是一個針對分析人員使用的模型。如果，非要把它用于數(shù)據(jù)分析那就帶來了很多問題。比如：它理解起來非常麻煩。

另外，數(shù)據(jù)分析很依賴表之間的這種格子，比如：某一天我們?yōu)榱颂嵘阅?，對某一表進行了拆分，或者加了字段、刪了某個字短，這個調整都會影響到你分析的邏輯。

這里，最好要針對分析的需求對數(shù)據(jù)重新進行解碼，它內容可能是一致的，但是我們的組織方式改變了一下。就拿用戶行為這塊數(shù)據(jù)來說，就可以對它進行一個抽象，然后重新把它作為一個判斷表。

用戶在產品上進行的一系列的操作，比如瀏覽一個商品，然后誰瀏覽的，什么時間瀏覽的，他用的什么操作系統(tǒng)，用的什么瀏覽器版本，還有他這個操作看了什么商品，這個商品的一些屬性是什么，這個東西都給它進行了一個很好的抽象。這種抽樣的很大的好處很容易理解，看過去一眼就知道這表是什么，對分析來說也更加方便。

在數(shù)據(jù)分析方，特別是針對用戶行為分析方面，目前比較有效的一個模型就是多維數(shù)據(jù)模型，在線分析處理這個模型，它里面有這個關鍵的概念，一個是維度，一個是指標。

維度比如城市，然后北京、上海這些一個維度，維度西面一些屬性，然后操作系統(tǒng)，還有 IOS、安卓這些就是一些維度，然后維度里面的屬性。

通過維度交叉，就可以看一些指標問題，比如用戶量、銷售額，這些就是指標。比如，通過這個模型就可以看來自北京，使用 IOS 的，他們的整體銷售額是怎么樣的。

這里只是舉了兩個維度，可能還有很多個維度?？傊?，通過維度組合就可以看一些指標的數(shù)，大家可以回憶一下，大家常用的這些業(yè)務的數(shù)據(jù)分析需求是不是許多都能通過這種簡單的模式給抽樣出來。

四、數(shù)據(jù)分析方法

接下來看一下互聯(lián)網產品采用的數(shù)據(jù)分析方法。

對于互聯(lián)網產品常用的用戶消費分析來說，有四種：

（1） 第一種是多維事件的分析，分析維度之間的組合、關系。

（2）第二種是漏斗分析，對于電商、訂單相關的這種行為的產品來說非常重要，要看不同的渠道轉化這些東西。

（3）第三種留存分析，用戶來了之后我們希望他不斷的來，不斷的進行購買，這就是留存。

（4）第四種回訪，回訪是留存的一種特別的形式，可以看他一段時間內訪問的頻次，或者訪問的時間段的情況

【方法 1：多維事件分析法】

首先來看多維事件的分析，這塊常見的運營、產品改進這種效果分析。其實，大部分情況都是能用多維事件分析，然后對它進行一個數(shù)據(jù)上的統(tǒng)計。

1. 【三個關鍵概念】

這里面其實就是由三個關鍵的概念，一個就是事件，一個是維度，一個是指標組成。

l 事件就是說任何一個互聯(lián)網產品，都可以把它抽象成一系列事件，比如針對電商產品來說，可抽象到提交、訂單、注冊、收到商品一系列事件用戶行為。

l 每一個事件里面都包括一系列屬性。比如，他用操作系統(tǒng)版本是否連 wifi；比如，訂單相關的運費，訂單總價這些東西，或者用戶的一些職能屬性，這些就是一系列維度。

l 基于這些維度看一些指標的情況。比如，對于提交訂單來說，可能是他總提交訂單的次數(shù)做成一個指標，提交訂單的人數(shù)是一個指標，平均的人均次數(shù)這也是一個指標；訂單的總和、總價這些也是一個指標，運費這也是一個指標，統(tǒng)計一個數(shù)后就能把它抽樣成一個指標。

2. 【多維分析的價值】

來看一個例子，看看多維分析它的價值。

比如，對于訂單支付這個事件來說，針對整個總的成交額這條曲線，按照時間的曲線會發(fā)現(xiàn)它一路在下跌。但下跌的時候，不能眼睜睜的看著它，一定要分析原因。

怎么分析這個原因呢？常用的方式就是對維度進行一個拆解，可以按照某些維度進行拆分，比如我們按照地域，或者按照渠道，或者按照其他一些方式去拆開，按照年齡段、按照性別去拆開，看這些數(shù)據(jù)到底是不是整體在下跌，還是說某一類數(shù)據(jù)在下跌。

這是一個假想的例子——按照支付方式進行拆開之后，支付方式有三種，有用支付寶、阿里 PAY，或者用微信支付，或者用銀行看內的支付這三種方式。

通過數(shù)據(jù)可以看到支付寶、銀行支付基本上是一個沉穩(wěn)的一個狀態(tài)。但是，如果看微信支付，會發(fā)現(xiàn)從最開始最多，一路下跌到非常少，通過這個分析就知道微信這種支付方式，肯定存在某些問題。

比如：是不是升級了這個接口或者微信本身出了什么問題，導致了它量下降下去了？

【方法 2：漏斗分析】

漏斗分析會看，因為數(shù)據(jù)，一個用戶從做第一步操作到后面每一步操作，可能是一個雜的過程。

通過這個漏斗，就能分析一步步的轉化情況，然后每一步都有流失，可以分析不同的渠道其轉化情況如何。比如，打廣告的時候發(fā)現(xiàn)來自百度的用戶漏斗轉化效果好，就可能在廣告投放上就在百度上多投一些。

【方法 3：留存分析】

比如，搞一個地推活動，然后來了一批注冊用戶，接下來看它的關鍵行為上面操作的特征，比如當天它有操作，第二天有多少人會關鍵操作，第 N 天有多少操作，這就是看它留下來這個情況。

【方法 4：回訪分析】

回訪就是看進行某個行為的一些中度特征，如對于購買黃金這個行為來說，在一周之內至少有一天購買黃金的人有多少人，至少有兩天的有多少人，至少有 7 天的有多少人，或者說購買多少次數(shù)這么一個分布，就是回訪回購這方面的分析。

上面說的四種分析結合起來去使用，對一個產品的數(shù)據(jù)支撐、數(shù)據(jù)驅動的這種深度就要比只是看一個宏觀的訪問量或者活躍用戶數(shù)就要深入很多。

五、運營分析實踐

下面結合個人在運營和分析方面的實踐，給大家分享一下。

【案例 1：UGC 產品】

首先，來看 UGC 產品的數(shù)據(jù)分析的例子?？赡軙治鏊脑L問量是多少，新增用戶數(shù)是多少，獲得用戶數(shù)多少，發(fā)帖量、減少量。

諸如貼吧、百度知道，還有知乎都屬于這一類的產品。對于這樣一個產品，會有很多數(shù)據(jù)指標，可以從某一個角度去觀察這個產品的情況。那么，問題就來了——這么多的指標，到底要關注什么？不同的階段應該關注什么指標？這里，就牽扯到一個本身指標的處理，還有關鍵指標的問題。

【案例 2：流失用戶召回】

這種形式可能對其他產品就很有效，但是對我們這個產品來說，因為我們這是一個相對來說目標比較明確并且比較小眾一點的差別，所以這個投放的效果可能就沒那么明顯。

在今年元旦的時候，因為之前申請試用我們那個產品已經有很多人，但是這里面有一萬人我們給他發(fā)了帳號他也并沒有回來，我們過年給大家拜拜年，然后去匯報一下進展看能不能把他們撈過來一部分。

這是元旦的時候我們產品的整體用戶情況，到了元旦為止，9月25號發(fā)布差不多兩三個月時間，那個時候差不多有 1490 個人申請試用了我們這個產品。但是，真正試用的有 724 個，差不多有一半，另外一半就跑了，就流失了。

我們就想把這部分人抽出來給他們進行一個招回活動，這里面流失用戶我們就可以把列表導出來，這是我們自己的產品就有這樣的功能。有人可能疑惑我們怎么拿到用戶的這些信息呢？

這些不至于添加，因為我們申請試用的時候就讓他填一下姓名、聯(lián)系方式，還有他的公司這些信息。對于填郵箱的我們就給發(fā)郵件的，對于發(fā)手機號的我們就給他發(fā)短信，我們分析這兩種渠道帶來的效果。

先說總體，總體我們發(fā)了 716 個人，這里面比前面少了一點，我把一些不靠譜的這些信息人工給它干掉了。接下來，看看真正有 35 個人去體驗了這個產品，然后 35 個人里面有 4 個人申請接入數(shù)據(jù)。

因為我們在產品上面做了一個小的改進，在測試環(huán)境上面，對于那些測試環(huán)境本身是一些數(shù)據(jù)他玩一玩，玩了可能感興趣之后就會試一下自己的真實數(shù)據(jù)。這個時候，我們上來有一個鏈接引導他們去申請接入自己的數(shù)據(jù)，走到這一步之后就更可能轉化成我們的正式客戶。

這兩種方式轉化效果我們其實也很關心，招回的效果怎么樣，我們看下面用紅框表示出來，郵件發(fā)了 394 封。最終有 32 個人真正過來試用了，電話手機號322 封，跟郵件差不多，但只有 3 個過來，也就是說兩種效果差了 8 倍。

這其實也提醒大家，短信這種方式可能許多人看短信的比較少。當然，另一方面跟我們自己產品特征有關系，我們這個產品是一個 PC 上用起來更方便的一個產品。許多人可能在手機上看到這個鏈接也不方便點開，點開之后輸入帳號也麻煩一點。所以，導致這個效果比較差。