
數(shù)據(jù)分析8個(gè)流程與常用7個(gè)思路
在產(chǎn)品運(yùn)營過程中,數(shù)據(jù)分析具有極其重要的戰(zhàn)略意義,是產(chǎn)品優(yōu)化和產(chǎn)品決策的核心大腦。因此做好數(shù)據(jù)分析,是產(chǎn)品運(yùn)營中最重要的環(huán)節(jié)之一。
那么如何做好支付的數(shù)據(jù)分析呢?以下梳理出數(shù)據(jù)分析的8步流程,以及常見的7種分析思路。新手在啟動(dòng)數(shù)據(jù)分析前,最好跟主管或數(shù)據(jù)經(jīng)驗(yàn)較豐富的童鞋確認(rèn)每一步的分析流程。
一、數(shù)據(jù)分析八流程:
1、為什么分析?
首先,你得知道為什么分析?弄清楚此次數(shù)據(jù)分析的目的。比如,這次短信方式的數(shù)據(jù)分析,為什么要做這個(gè)分析。你所有的分析都的圍繞這個(gè)為什么來回答。避免不符合目標(biāo)反復(fù)返工,這個(gè)過程會(huì)很痛苦。
2、分析目標(biāo)是誰?
分析目標(biāo)是誰?要牢記清楚的分析因子,統(tǒng)計(jì)維度是訂單,還是用戶,還是金額,還是用戶行為。避免把訂單當(dāng)用戶算,把用戶當(dāng)訂單算(上周運(yùn)營同學(xué)真實(shí)案例),算出的結(jié)果是差別非常大的。
3、想達(dá)到什么效果?
通過分析各個(gè)維度的用戶,訂單,找到真正的問題。例如這次的XX通道的分析,全盤下線,或維持現(xiàn)狀不動(dòng),都不符合利益最大化原則。通過分析,找到真正的問題根源,發(fā)現(xiàn)用戶精細(xì)化運(yùn)營已經(jīng)非常必要了。
4、需要哪些數(shù)據(jù)?
支付的數(shù)據(jù),茫茫大海,數(shù)據(jù)繁多,用“?!眮硇稳菀稽c(diǎn)都不為過。需要哪些源數(shù)據(jù)?付費(fèi)總額,付費(fèi)人數(shù)?新老用戶維度?付費(fèi)次數(shù)?轉(zhuǎn)移人數(shù)?留存率?用戶特征?畫像?先整理好思路,列一個(gè)表。避免數(shù)據(jù)部門同學(xué)今天跑一個(gè)數(shù)據(jù),明天又跑一個(gè)數(shù)據(jù),數(shù)據(jù)部門同學(xué)也會(huì)比較煩。
5、如何采集?
直接數(shù)據(jù)庫調(diào)取?或者交給程序猿導(dǎo)出? 自己寫SQL?運(yùn)營同學(xué)不妨都學(xué)一下SQL,自力更生。
6、如何整理?
整理數(shù)據(jù)是門技術(shù)活。不得不承認(rèn)EXCEL是個(gè)強(qiáng)大工具,數(shù)據(jù)透視表的熟練使用和技巧,作為支付數(shù)據(jù)分析必不可少,各種函數(shù)和公式也需要略懂一二,避免低效率的數(shù)據(jù)整理。Spss也是一個(gè)非常優(yōu)秀的數(shù)據(jù)處理工具,特別在數(shù)據(jù)量比較大,而且當(dāng)字段由特殊字符的時(shí)候,比較好用。
7、如何分析?
整理完畢,如何對(duì)數(shù)據(jù)進(jìn)行綜合分析,相關(guān)分析?這個(gè)是很考驗(yàn)邏輯思維和推理能力的。同時(shí)分析推理過程中,需要對(duì)產(chǎn)品了如指掌,對(duì)用戶很了解,對(duì)渠道很熟悉??此埔粋€(gè)簡單的數(shù)據(jù)分析,其實(shí)是各方面能力的體現(xiàn)。首先是技術(shù)層面,對(duì)數(shù)據(jù)來源的抽取-轉(zhuǎn)換-載入原理的理解和認(rèn)識(shí);其實(shí)是全局觀,對(duì)季節(jié)性、公司等層面的業(yè)務(wù)有清晰的了解;最后是專業(yè)度,對(duì)業(yè)務(wù)的流程、設(shè)計(jì)等了如指掌。練就數(shù)據(jù)分析的洪荒之力并非一朝一夕之功,而是在實(shí)踐中不斷成長和升華。一個(gè)好的數(shù)據(jù)分析應(yīng)該以價(jià)值為導(dǎo)向,放眼全局、立足業(yè)務(wù),用數(shù)據(jù)來驅(qū)動(dòng)增長。運(yùn)營同學(xué)比較容易聚在某個(gè)點(diǎn)上轉(zhuǎn)圈走不出來。
8、如何展現(xiàn)和輸出?
數(shù)據(jù)可視化也是一個(gè)學(xué)問。如何用合適的圖表表現(xiàn)?每一種圖表的寓意是什么?下面列舉下常用的8個(gè)圖表:
(1)、折線圖:合適用于隨時(shí)間而變化的連續(xù)數(shù)據(jù),例如隨時(shí)間收入變化,及增長率變化。
(2)、柱型圖:主要用來表示各組數(shù)據(jù)之間的差別。主要有二維柱形圖、三維柱形圖、圓柱圖、圓錐圖和棱錐圖。如支付寶與微信覆蓋率差別。
(3)、堆積柱形圖:堆積柱形圖不僅可以顯示同類別中每種數(shù)據(jù)的大小,還可以顯示總量的大小。例如我們需要表示各個(gè)支付方式的人數(shù)及總?cè)藬?shù)時(shí)。
(4)、線-柱圖:這種類型的圖不僅可以顯示出同類別的比較,還可以顯示出趨勢(shì)情況。
(5)、條形圖:類似于橫向的柱狀圖,和柱狀圖的展示效果相同,主要用于各項(xiàng)類的比較。
(6)、餅圖:主要顯示各項(xiàng)占比情況。餅圖一般慎用,除非占比區(qū)別非常明顯。因?yàn)槿庋蹖?duì)對(duì)餅圖的占比比例分辨并不直觀。而且餅圖的項(xiàng),一般不要超過6項(xiàng)。6項(xiàng)后建議用柱形圖更為直觀。
(7)、復(fù)合餅圖:一般是對(duì)某項(xiàng)比例的下一步分析。
(8)、母子餅圖:可直觀地分析項(xiàng)目的組成結(jié)構(gòu)與比重。例如上次短信支付能力用戶中,沒有第3方支付能力的用戶,中間有X%比例是沒銀行卡,X%比例是沒微信支付賬號(hào)等。
圖表不必太花哨,一個(gè)表說一個(gè)問題就好。用友好的可視化圖表,節(jié)省閱讀者的時(shí)間,也是對(duì)閱讀者的尊重。
有一些數(shù)據(jù),辛辛苦苦做了整理和分析,最后發(fā)現(xiàn)對(duì)結(jié)論輸出是沒有關(guān)系的,雖然做了很多工作,但不能為了體現(xiàn)工作量而堆砌數(shù)據(jù)。
在展現(xiàn)的過程中,請(qǐng)注明數(shù)據(jù)的來源,時(shí)間,指標(biāo)的說明,公式的算法,不僅體現(xiàn)數(shù)據(jù)分析的專業(yè)度,更是對(duì)報(bào)告閱讀者的尊重。
二、數(shù)據(jù)分析七思路:
1、簡單趨勢(shì)
通過實(shí)時(shí)訪問趨勢(shì)了解產(chǎn)品使用情況。如總流水,總用戶,總成功率,總轉(zhuǎn)化率。
2、多維分解
根據(jù)分析需要,從多維度對(duì)指標(biāo)進(jìn)行分解。例如新老用戶、支付方式、游戲維度、產(chǎn)品版本維度、推廣渠道、來源、地區(qū)、設(shè)備品牌等等維度。
3、轉(zhuǎn)化漏斗
按照已知的轉(zhuǎn)化路徑,借助漏斗模型分析總體和每一步的轉(zhuǎn)化情況。常見的轉(zhuǎn)化情境有下單率,成功轉(zhuǎn)化率等。
4、用戶分群
在精細(xì)化分析中,常常需要對(duì)有某個(gè)特定行為的用戶群組進(jìn)行分析和比對(duì);數(shù)據(jù)分析需要將多維度和多指標(biāo)作為分群條件,有針對(duì)性地優(yōu)化產(chǎn)品,提升用戶體驗(yàn)。例如我們這次對(duì)短信這類用戶,短信里又有第3方和無第3方支付能力的,需要再進(jìn)行分群的運(yùn)營。
5、細(xì)查路徑
數(shù)據(jù)分析可以觀察用戶的行為軌跡,探索用戶與產(chǎn)品的交互過程;進(jìn)而從中發(fā)現(xiàn)問題、激發(fā)靈感亦或驗(yàn)證假設(shè)。例如我們這次對(duì)新用戶的運(yùn)營,也非常有意思。
6、留存分析
留存分析是探索用戶行為與回訪之間的關(guān)聯(lián)。一般我們講的留存率,是指“新增用戶”在一段時(shí)間內(nèi)“回訪”的比例。通過分析不同用戶群組的留存差異、使用過不同功能用戶的留存差異來找到產(chǎn)品的增長點(diǎn)。
7、A/B 測試
A/B測試就是同時(shí)進(jìn)行多個(gè)方案并行測試,但是每個(gè)方案僅有一個(gè)變量不同;然后以某種規(guī)則(例如用戶體驗(yàn)、數(shù)據(jù)指標(biāo)等)優(yōu)勝略汰選擇最優(yōu)的方案。數(shù)據(jù)分析需要在這個(gè)過程中選擇合理的分組樣本、監(jiān)測數(shù)據(jù)指標(biāo)、事后數(shù)據(jù)分析和不同方案評(píng)估。
不單是支付的數(shù)據(jù)分析,其他的產(chǎn)品運(yùn)營數(shù)據(jù)分析流程和思路也一樣適用,只是支付數(shù)據(jù)相對(duì)其他產(chǎn)品而言,維度很多,以及組合的維度也非常多,因此就需要更清晰的思路和大局觀,避免陷入到數(shù)據(jù)海洋中。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10