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

當(dāng)今設(shè)計(jì)師還不了解數(shù)據(jù)，自身價(jià)值也將會(huì)越來(lái)越低

第1則- 前言

數(shù)據(jù)分析是一塊知識(shí)領(lǐng)域，是一門學(xué)科性很強(qiáng)的科目，想要短時(shí)間內(nèi)吃透并不簡(jiǎn)單，在進(jìn)入這個(gè)領(lǐng)域之前，我們需要學(xué)習(xí)一些基本的業(yè)務(wù)常識(shí)，結(jié)合業(yè)務(wù)來(lái)理解效果會(huì)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(gè)模塊，后兩個(gè)模塊會(huì)在后面的文段中穿插闡述。

第2則- 數(shù)據(jù)庫(kù)的來(lái)源

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

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

爬蟲(chóng)(這是最常見(jiàn)的一種方式，需要一定的編程基礎(chǔ)。一般來(lái)說(shuō)就是技術(shù)人員寫代碼爬取用戶，競(jìng)對(duì)的數(shù)據(jù)，相應(yīng)的，也會(huì)有反爬蟲(chóng)技術(shù)。)

市場(chǎng)調(diào)研(問(wèn)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(yíng)銷(管理)性分析。前者相較于后者更加簡(jiǎn)便，易上手。后者想要做到精通且靈活運(yùn)用，則需要大量時(shí)間與精力浸淫在工作中，用經(jīng)驗(yàn)來(lái)堆砌功力。數(shù)理性數(shù)據(jù)分析主要針對(duì)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(jì)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(shí)用結(jié)構(gòu)圖來(lái)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(lái)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(shì)分析，對(duì)比分析和細(xì)分分析。 接下來(lái)我們將用「同環(huán)比分析法」「ABC分析法」和「漏斗分析法」來(lái)對(duì)應(yīng)說(shuō)明。

同比

拿某個(gè)周期的時(shí)間段與上一個(gè)周期的相同時(shí)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(zhǎng)率=(本期數(shù)-同期數(shù))/同期數(shù)x100%。覺(jué)得有點(diǎn)暈?我們來(lái)生動(dòng)的舉個(gè)栗子：2016年9月新增245個(gè)人關(guān)注公眾號(hào)，2017年9份則有586個(gè)人數(shù)新增，那么公眾號(hào)新增關(guān)注人數(shù)的同比增長(zhǎng)率=(586-245)/245×100%=1.39183673×100%四舍五入為139%。

環(huán)比

相對(duì)更簡(jiǎn)單，就是拿相鄰時(shí)間段做比較，不像同比那樣在相鄰時(shí)間段內(nèi)部某個(gè)相同時(shí)的間點(diǎn)來(lái)對(duì)比。環(huán)比增長(zhǎng)率=(本期數(shù)-上期數(shù))/上期數(shù)×100%。舉個(gè)栗子，2017年9月本公眾號(hào)關(guān)注人數(shù)新增586人，10月則新增172人，那么公眾號(hào)新增關(guān)注人數(shù)的環(huán)比增長(zhǎng)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(xiàng)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(duì)，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(duì)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(lái)說(shuō)，以同一指標(biāo)為業(yè)務(wù)對(duì)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(duì)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(tái)銷售額數(shù)據(jù)中，用ABC分析法對(duì)各個(gè)平臺(tái)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(duì)比全網(wǎng)總銷售額來(lái)說(shuō)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(yíng)活動(dòng)中進(jìn)一步關(guān)注這兩個(gè)平臺(tái)，重點(diǎn)在這兩個(gè)平臺(tái)上做活動(dòng)推廣，宣發(fā)，會(huì)大概率獲得更大的收益。通過(guò)合理分配時(shí)間，人力，資源成本到獲益概率大的目標(biāo)(A類)上，是通過(guò)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(kāi)漏斗，無(wú)論是注冊(cè)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(cè)流程的每一個(gè)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(guò)各相關(guān)節(jié)點(diǎn)數(shù)據(jù)對(duì)比，直觀的發(fā)現(xiàn)問(wèn)題所在，從而進(jìn)行優(yōu)化。舉個(gè)我身邊的例子：11月份小說(shuō)書(shū)豆收入環(huán)比10月份減少了10%，面對(duì)這樣一個(gè)異常的數(shù)據(jù)指標(biāo)，我們很難直接判斷出那個(gè)環(huán)節(jié)出了問(wèn)題，尤其是最近還進(jìn)行了一次頻道首頁(yè)改版，則更難判斷了。

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

報(bào)錯(cuò)率偏高，許多用戶在頁(yè)面報(bào)錯(cuò)后直接離開(kāi)，因此產(chǎn)生了書(shū)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(guò)低的節(jié)點(diǎn)就是問(wèn)題節(jié)點(diǎn)。加入購(gòu)物車之前的轉(zhuǎn)化率都較高，但在購(gòu)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(cè)試」等等都可以歸納到趨勢(shì)，對(duì)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(huì)詳細(xì)闡述。

第4則- 小結(jié)

「人」這種生物，有時(shí)候連自己，都不知道自己想要的是什么，所以有時(shí)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(duì)更科學(xué)，概率更大的方法告訴我們他們的真實(shí)意圖。「數(shù)據(jù)」很多時(shí)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(guò)研究用戶/定義產(chǎn)品來(lái)創(chuàng)造價(jià)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(jí)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(shí)她說(shuō)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(huì)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(duì)此我想說(shuō)，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(méi)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(wèn)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。