Labs 導讀

在當今數字化的時代，幾乎每一個崗位需求都要求具備“數據分析能力”，數據分析不僅僅是一項專業(yè)的職位，而是自身能力不可或缺的一種“軟實力”。當我們有了數據，應當如何才能產出有價值的數據分析內容呢？本文將從業(yè)務指標建立、業(yè)務指標體系搭建到常用的數據分析方法進行介紹。

Part 01、什么是數據指標

現代管理學之父，彼得德魯克說過，“如果你不能衡量，那么你就不能有效增長”。而如果你要衡量，那么你需要的就是相關的指標。比如，學習成績、排名、銷售額、PV、UV......

那么常用的數據指標有哪些呢？

這么多的數據指標，該如何進行選擇呢？

-好的數據指標往往是“比例”。絕對值數據常常作為描述性分析，得到的是客觀事實，但并不能評價業(yè)務發(fā)展情況，而環(huán)比、同比或者占比則可以一目了然。

-找準真正的關鍵指標。根據業(yè)務發(fā)展情況找到關鍵指標，也就是下文提到的業(yè)務指標體系中的一級指標。

Part 02、什么是業(yè)務指標體系

指標體系：從不同維度梳理業(yè)務，把指標有系統(tǒng)地組織起來。指標體系=指標+體系，一個指標不能叫指標體系，幾個毫不相關的指標也不能叫指標體系。

如何評價一家公司是否健康運營，可以通過業(yè)務指標體系進行評價，然后快速定位到異常指標，分析業(yè)務問題→解決問題→繼續(xù)監(jiān)控指標，從而形成閉環(huán)，減少經營損失，使其健康發(fā)展。如何建立業(yè)務體系？

明確部門KPI，確定一級指標；

了解運營情況，找到二級指標；

梳理業(yè)務流程，找到三級指標；

通過報表監(jiān)控，更新體系。

Part 03、常用的數據分析方法

在提數據分析方法之前，需要重點考慮為什么要學習分析方法？需要有“業(yè)務直覺”，此處的“直覺”不僅僅是“我認為”“我覺得”...而是擺事實講道理論證結論，于是在“擺事實”的階段，我們需要使用到分析方法。

常用的分析方法有哪些呢？根據業(yè)務場景中分析目的的不同，可以選擇對應的分析方法。

3.1 邏輯樹分析方法

將問題的所有子問題分層羅列，從最高層開始，并逐步向下擴展。

舉例：費米問題：鋼琴調音師的數量=【芝加哥所有的鋼琴師1年的總工作時間】÷【鋼琴師每年的工作時間】

【前者】:芝加哥所有的鋼琴師1年的總工作時間由下面幾個因素決定——需求側

芝加哥有多少架鋼琴：250萬人口乘以2%=5萬

鋼琴每年要調幾次音：1年1次

調一次音要多久：2小時

所以一年的總工作時間是 5萬×1×2=10萬小時

【后者】：鋼琴師每年的工作時間由下面幾個因素決定——供給側

5天8小時，50個星期=2000個小時

耗費在奔波的路上要減去-20%=1600小時

結果就出來了：芝加哥大概有10萬 ÷ 1600 ≈ 63個

3.2 PEST分析方法

PEST分析是指宏觀環(huán)境的分析，宏觀環(huán)境又稱一般環(huán)境，是指影響一切行業(yè)和企業(yè)的各種宏觀力量。對宏觀環(huán)境因素作分析，不同行業(yè)和企業(yè)根據自身特點和經營需要，分析的具體內容會有 差異，但一般都應對政治（Political）、經濟（Economic）、技術（Technological）和社會（Social）這四大類影響企業(yè) 的主要外部環(huán)境因素進行分析。

3.3 多維度拆解分析方法

多維度拆解分析方法是一種通過將問題或數據分解成多個維度來進行深入分析的方法。它可以幫助我們更全面地理解問題，并從不同的角度進行研究。以下是使用多維度拆解分析方法解決芝加哥調音師數量問題的示例：

1)地理維度：將芝加哥地區(qū)拆分為不同的地理區(qū)域，例如城市區(qū)域、周邊區(qū)域等。通過收集每個區(qū)域的數據，我們可以了解每個區(qū)域內調音師的數量并進行比較。

2)行業(yè)維度：將調音師分為不同的行業(yè)類別，如音樂制作、影視制作、廣告制作等。通過研究每個行業(yè)類別中的調音師數量，我們可以獲得更詳細的信息。

3)教育背景維度：研究調音師的教育背景，例如音頻工程學位、音樂學位等。這可以幫助我們了解在不同教育背景下的調音師數量和特征。

4)經驗水平維度：將調音師按照其經驗水平分為不同的類別，如初級、中級、高級等。通過研究每個經驗水平類別中調音師的數量，我們可以得出關于經驗水平對數量的影響的結論。

5)社交媒體分析維度：利用社交媒體平臺上的數據，分析在芝加哥地區(qū)活躍的調音師的數量和活動情況。這可以提供關于調音師社交媒體使用情況的見解。

通過對以上多個維度進行分析，我們可以更全面地了解芝加哥地區(qū)的調音師數量，并從不同的角度獲取相關信息。這種方法可以為我們提供更深入的洞察力，幫助做出更準確的估計和決策。

3.4 對比分析法

是一種常用的分析方法，通過將不同對象、事物或變量進行比較，以便更好地理解它們之間的差異和相似之處。

如何使用對比分析法？1）和誰比？和自己比、和行業(yè)比。環(huán)比、同比一般是指同過去的自己比；與整體行業(yè)比可以對比出來是自身原因還是大環(huán)境的原因。

如上圖所示：注意力不同，表達的信息也不相同：你的注意可能集中在1月至5月的總銷售額變化趨勢以及銷售額格隨時間變化的規(guī)律，結論是:自1月以來銷售額正在穩(wěn)步提升，5月環(huán)比4月提升10.06%；若注意在在5月里，結論是：產品Ａ的銷售額大幅領先產品B和Ｃ；若注意力在C產品，5月增幅最大，環(huán)比上月85.71%，超過公司整體增幅。

3.5 相關分析法

用于確定兩個或多個變量之間的關系強度和方向。它可以幫助我們理解變量之間的相關性，并提供關于它們如何隨著彼此變化的信息。

舉例：為了分析銷售額下降的原因，我們可以使用相關分析法來研究銷售額與其他相關變量之間的關系。以下是在相關分析中可以采取的一些步驟：

1)收集數據：收集與銷售額相關的各種可能因素的數據，例如市場競爭情況、廣告投入、產品定價、季節(jié)性因素等。

2)計算相關系數：使用合適的相關系數（如皮爾遜相關系數）來衡量銷售額與其他變量之間的線性關系。對于連續(xù)變量，可以使用皮爾遜相關系數來計算它們之間的相關性。對于分類變量，可以使用點二列關聯分析來研究它們之間的關聯程度。

3)解釋結果：根據相關系數的值和方向，解釋銷售額下降的原因。例如，如果某個變量與銷售額呈現強負相關關系，那么銷售額下降可能與該變量的增加相關。

4)進一步分析：根據相關分析的結果，進行進一步的分析，例如回歸分析或因果分析，以確定變量之間的因果關系。這些分析可以幫助我們確定哪些變量是銷售額下降的主要原因。

需要注意的是，相關分析可以提供關于變量之間關系的統(tǒng)計證據，但不能確定因果關系。因此，在解釋銷售額下降的原因時，還需要進行更深入的研究和分析，以確定真正的因果關系。

3.6 漏斗分析法

漏斗分析法是一種用于分析和優(yōu)化購買或轉化過程的方法。它可以幫助我們理解用戶在購買或轉化過程中的行為，找出其中的瓶頸和改進的機會。

3.7 RFM分析方法

RFM分析方法是一種用于衡量和分類客戶價值的方法，它基于三個關鍵指標：最近一次購買（Recency）、購買頻率（Frequency）和購買金額（Monetary）。通過RFM分析，可以將客戶細分為不同的組，并識別出具有高價值和潛力的客戶。

3.8 AARRR模型

是一種常用的營銷分析框架，用于評估和優(yōu)化產品或服務的用戶生命周期。它由五個關鍵指標組成，分別是：

1)獲得（Acquisition）：指吸引新用戶的活動，如營銷廣告、SEO優(yōu)化等。在數據分析中，我們可以跟蹤和分析用戶來源、渠道效果等指標。

2)激活（Activation）：指用戶首次使用產品或服務的體驗，以及達到預期價值的程度。數據分析可以幫助我們理解用戶的初次使用行為和轉化率，以及分析用戶體驗問題。

3)留存（Retention）：指使用戶繼續(xù)使用產品或服務的活動。通過數據分析，我們可以追蹤和分析用戶的留存率、用戶活躍度，以及發(fā)現用戶流失的原因。

4)推廣（Referral）：指通過現有用戶推薦新用戶的活動。數據分析可以幫助我們跟蹤和分析用戶的推薦行為、轉化率，以及通過推薦獲得的用戶價值。

5)收入（Revenue）：指通過產品或服務產生的收入。在數據分析中，我們可以分析用戶的付費行為、收入來源、用戶價值等指標。

通過對AARRR模型中的各個環(huán)節(jié)進行數據分析，我們可以了解用戶的轉化路徑、用戶行為特征，以及優(yōu)化產品或服務的機會，從而提升用戶體驗和增加收入。

總結起來，常用的數據分析方法包括邏輯數分析方法、PEST分析方法、多維度拆解分析方法、對比分析法、相關分析法、RFM分析方法、AARRR模型分析方法、漏斗分析方法等。選擇適當的方法取決于數據類型、目標和問題的性質。而分析的價值是能過讓決策者基于此采取行動，否則最嚴苛最站得住腳的分析方法也毫無用處。