數(shù)據(jù)分析基礎(chǔ)篇（設(shè)計師都應(yīng)該了解）

當(dāng)今設(shè)計師還不了解數(shù)據(jù)，自身價值也將會越來越低

第1則- 前言

數(shù)據(jù)分析是一塊知識領(lǐng)域，是一門學(xué)科性很強(qiáng)的科目，想要短時間內(nèi)吃透并不簡單，在進(jìn)入這個領(lǐng)域之前，我們需要學(xué)習(xí)一些基本的業(yè)務(wù)常識，結(jié)合業(yè)務(wù)來理解效果會更好。我把數(shù)據(jù)分析的業(yè)務(wù)流程整理成一張圖幫助大家理解，大致分為「獲取數(shù)據(jù)」、「處理數(shù)據(jù)」、「數(shù)據(jù)結(jié)果」、「分析原因」、「業(yè)務(wù)提煉」五大模塊。今天著重聊一聊前三個模塊，后兩個模塊會在后面的文段中穿插闡述。

第2則- 數(shù)據(jù)庫的來源

數(shù)據(jù)庫(可以從公司內(nèi)部的數(shù)據(jù)庫抓取想要的數(shù)據(jù))

數(shù)據(jù)平臺(神策，MTA，talkingdata，諸葛io等等，需要接入自身產(chǎn)品)

自建數(shù)據(jù)平臺(大廠或資本較雄厚的公司會有自己的數(shù)據(jù)平臺，另外也有一些開源的可以免費(fèi)使用，例如「superset」from airbnb)

爬蟲(這是最常見的一種方式，需要一定的編程基礎(chǔ)。一般來說就是技術(shù)人員寫代碼爬取用戶，競對的數(shù)據(jù)，相應(yīng)的，也會有反爬蟲技術(shù)。)

市場調(diào)研(問卷調(diào)查，電話訪談，實(shí)地調(diào)查)

第3則- 方法論

數(shù)據(jù)分析大致可以分為：數(shù)理性分析和營銷(管理)性分析。前者相較于后者更加簡便，易上手。后者想要做到精通且靈活運(yùn)用，則需要大量時間與精力浸淫在工作中，用經(jīng)驗(yàn)來堆砌功力。數(shù)理性數(shù)據(jù)分析主要針對類似新增用戶數(shù)，日活月活，留存率，轉(zhuǎn)化率，埋點(diǎn)數(shù)據(jù)等等進(jìn)行分析，它又分為：常規(guī)分析法，統(tǒng)計模型分析法，自建模型分析法。

為了幫助各位系統(tǒng)的學(xué)習(xí)數(shù)據(jù)分析，我把這些理論知識用結(jié)構(gòu)圖來表示關(guān)系。

為了呼應(yīng)文章的基礎(chǔ)性，今天我們就一起來學(xué)習(xí)「常規(guī)分析法」。常規(guī)的數(shù)據(jù)分析法一般都可以分為：趨勢分析，對比分析和細(xì)分分析。 接下來我們將用「同環(huán)比分析法」「ABC分析法」和「漏斗分析法」來對應(yīng)說明。

同比

拿某個周期的時間段與上一個周期的相同時間段做比較。例如今年的3月比去年的3月，本周的周三比上周的周一等等。同比增長率=(本期數(shù)-同期數(shù))/同期數(shù)x100%。覺得有點(diǎn)暈?我們來生動的舉個栗子：2016年9月新增245個人關(guān)注公眾號，2017年9份則有586個人數(shù)新增，那么公眾號新增關(guān)注人數(shù)的同比增長率=(586-245)/245×100%=1.39183673×100%四舍五入為139%。

環(huán)比

相對更簡單，就是拿相鄰時間段做比較，不像同比那樣在相鄰時間段內(nèi)部某個相同時的間點(diǎn)來對比。環(huán)比增長率=(本期數(shù)-上期數(shù))/上期數(shù)×100%。舉個栗子，2017年9月本公眾號關(guān)注人數(shù)新增586人，10月則新增172人，那么公眾號新增關(guān)注人數(shù)的環(huán)比增長率=(172-586)/586×100%=-0.70648464×100%四舍五入為-71%。

“ABC分析法又稱帕雷托分析法，也叫主次因素分析法，是項目管理中常用的一種方法。它是根據(jù)事物在技術(shù)或經(jīng)濟(jì)方面的主要特征，進(jìn)行分類排隊，分清重點(diǎn)和一般，從而有區(qū)別地確定管理方式的一種分析方法。由于它把被分析的對象分成A、B、C三類，所以又稱為ABC分析法?！?

以上摘自百度，翻譯成人話來說，以同一指標(biāo)為業(yè)務(wù)對象，進(jìn)行數(shù)量、質(zhì)量、變量等等分析。以該指標(biāo)各維度數(shù)據(jù)與總體數(shù)據(jù)做對比，按照比重多少排序，將各組成部分分為ABC三類。拿最近發(fā)生的事舉例吧，2017雙11期間，全網(wǎng)的總銷售額為1770.4億元。在分析各電商平臺銷售額數(shù)據(jù)中，用ABC分析法對各個平臺的銷售總額做進(jìn)一步分析，從圖中我們得知天貓，京東的銷售額對比全網(wǎng)總銷售額來說占比非常大，得出這樣的結(jié)論之后相關(guān)品牌方就可以在運(yùn)營活動中進(jìn)一步關(guān)注這兩個平臺，重點(diǎn)在這兩個平臺上做活動推廣，宣發(fā)，會大概率獲得更大的收益。通過合理分配時間，人力，資源成本到獲益概率大的目標(biāo)(A類)上，是通過數(shù)據(jù)分析得出的戰(zhàn)略規(guī)劃，但是也不能忽略B類C類，他們只是相比A類應(yīng)得到較少的投入。

所有互聯(lián)網(wǎng)產(chǎn)品、數(shù)據(jù)分析都離不開漏斗，無論是注冊轉(zhuǎn)化漏斗，還是電商下單的漏斗，需要關(guān)注的有兩點(diǎn)。第一是關(guān)注哪一步流失最多，第二是關(guān)注流失的人都有哪些行為。關(guān)注注冊流程的每一個步驟，可以有效定位高損耗節(jié)點(diǎn)。

漏斗分析是一套流程式數(shù)據(jù)分析，它能夠反映用戶的某段操作路徑的全程及轉(zhuǎn)化情況。通過各相關(guān)節(jié)點(diǎn)數(shù)據(jù)對比，直觀的發(fā)現(xiàn)問題所在，從而進(jìn)行優(yōu)化。舉個我身邊的例子：11月份小說書豆收入環(huán)比10月份減少了10%，面對這樣一個異常的數(shù)據(jù)指標(biāo)，我們很難直接判斷出那個環(huán)節(jié)出了問題，尤其是最近還進(jìn)行了一次頻道首頁改版，則更難判斷了。

因此，我們可以采用漏斗分析法來確定用戶流失路徑：用戶從進(jìn)入頻道，到閱讀書籍，到書豆付費(fèi)，到離開頁面所有的操作步驟羅列出來，從入口到出口把所有的流程整理成一個分析漏斗，針對每個節(jié)點(diǎn)采集關(guān)鍵因素數(shù)據(jù)，分析哪一步操作上出現(xiàn)了異常，再對其進(jìn)行優(yōu)化。最后我們發(fā)現(xiàn)，由于一個技術(shù)bug導(dǎo)致支付頁(問題節(jié)點(diǎn))

報錯率偏高，許多用戶在頁面報錯后直接離開，因此產(chǎn)生了書豆減少的情況。

兩張轉(zhuǎn)化率實(shí)例圖向我們展示：通常轉(zhuǎn)化率過低的節(jié)點(diǎn)就是問題節(jié)點(diǎn)。加入購物車之前的轉(zhuǎn)化率都較高，但在購物付款的流程中，轉(zhuǎn)化率急劇降低至8%，這里可能就是需要改進(jìn)的地方。

類似的分析手法還有很多，以下圖中的「同期群分析」、「留存分析」、「熱力圖分析」、「AB測試」等等都可以歸納到趨勢，對比和細(xì)分這三種分析種類中，感興趣的同學(xué)可以自行檢索，我后期文章中也會詳細(xì)闡述。

第4則- 小結(jié)

「人」這種生物，有時候連自己，都不知道自己想要的是什么，所以有時候很難去窺探用戶的心理，數(shù)據(jù)的分析與挖掘則用相對更科學(xué)，概率更大的方法告訴我們他們的真實(shí)意圖?！笖?shù)據(jù)」很多時候已經(jīng)替代了用戶在屏幕前的“聲音”。不管是產(chǎn)品經(jīng)理，數(shù)據(jù)分析師，還是用戶研究員，大家職能的核心，是通過研究用戶/定義產(chǎn)品來創(chuàng)造價值，數(shù)據(jù)分析只是一件工具，掌握一定的分析手法是必要的，切莫沉迷于手法，并不是手法越高級分析結(jié)果越準(zhǔn)確，「合適」才最重要。這兩天和某度的小伙伴聊天時她說了一點(diǎn)，越往深了追求數(shù)據(jù)分析的應(yīng)用，則越容易陷入凡事都要走一套「數(shù)分流」的怪圈，好比明明知道人不吃東西就會餓死，非要用各種，人類生命周期，天災(zāi)人禍概率，人體代謝機(jī)能等等去證明這一點(diǎn)。對此我想說，人是活的，理論是死的，靈活的選擇完成目的的手段，能用10塊辦成的事沒有必要花100塊。以明確的分析目的為導(dǎo)向，使用最高效且成本最少的分析手段，得出最科學(xué)且最正確的分析結(jié)果，輔助問題業(yè)務(wù)的挖掘和優(yōu)化，才是做數(shù)據(jù)分析的終極奧義。