你真的懂数据分析吗？4个方面深入了解数据分析

“大数据”、“数据驱动”这些词汇，对沉浮在互联网的厂工们来说并不陌生，隔着屏幕，一边在源源不断地生产数据，一边在紧锣密鼓地收集解读数据。这些数据是奇妙的，它可以让人更加直观、清晰地认识世界，也可以指导人更加理智地做出决策。

数据分析目的有俩：

挖掘问题，定位原因，对症下药

验证假设，提供必要的数据支持

不能为了做数据分析而做，这是互联网小白甚至是白银段位产品汪也会犯的错误，你可能听到过这样的对话：

产品汪：“我们想看看跟贴用户里有多少是高活用户？”

几招过后，不想拉扯的数据分析师灵魂一问，“就先假设一个数，占比60%，你下一步的策略是什么？”

产品汪束手不及，瞪圆无辜的大眼，哑语。

此次谈判失败。

如果你只是想要一个值（日常指标监控不算在内），可以先假定，然后看看自己是否有进一步解决问题的思路，如果没有，说明这个问题你还没有想清楚，就不必大费周章做数据分析了，请给数据分析师减负。

数据流转/分析流程：

一、指标&指标体系

“好数据胜过大数据”，不要用装满数字的高压水枪把团队冲垮，那什么是好数据？

9个字简单概括：比率、比较性、简单易懂。

比率：避免“抛开剂量谈毒性是耍流氓”的情况，在有一定统计学意义的统计量上看转化率，如看页面转化率比单纯看页面访问PV更有意义；看点击率比单纯看文章推荐量更有意义；

比较性：数据可以横向、纵向、环比等，能比较的数据才有意义；

简单易懂：如字。

不同的商业模式有不同的数据指标，热门的模式大致可以分为以下几类：

电子商务，如亚马逊、淘宝；

移动应用，如王者荣耀，今日头条；

媒体网站，如腾讯新闻网页版。

移动应用以新闻资讯app为例（如今日头条、网易新闻、腾讯视频等），简单阐述其指标体系。

宏观指标（水池理论）

我们把活跃用户当做一个活跃的蓄水池，每天每月有新的水进来（水的来源和水质都不同，有付费发行、免费发行、回流等），也有部分水流出（流失率），没有流出的水暂时停留在水池里，这一出一进维持着蓄水池的水量，也就是我们常提到的DAU/WAU/MAU。

流入>流出，看涨；流入<流出，看跌，道理浅显易懂。

产品发展期间，增长负责人也许会有担忧（特别是创业团队）：“新增能够抵过流失吗？”

我们用水池理论来做一道数学题，已知数据：现存量用户500w，月平均上线率60%，月回流8%，月流失率20%，日活目标增率6%，即6个月后的日活目标是709w，请计算这半年每日发行量需达到多少？

（备注：以上数据仅作理论说明，不做实际参考）

1月月发行=预期增长+本月流失-本月回流=500/60%*6%+500/60%*20%-500/60%*8%=150(w)

1月日发行=月发行/30=150/30=5(w)

假设发行投入稳定（即日发行相同，发行增率为0），如果日活要达到709w，那月回流率或月平均上线率要提高多少或者月流失率要降低多少？假设月流失率和月平均上线率均降低1%时，发行需要多提高多少才能维持目标？

日常数学题，以此类推。这是一种理想状态下的数据预估，实际情况要复杂得多，例如还包括活动营销、版本迭代的影响等。但对这些数据了然于心才能避免瞎子打靶的盲目行动。

几个指标之间的关系你应该了解，例如：

月发行=月流失+月期望增加-月回流

月流失=上月月活*本月月流失率

月期望增加=上月月活*（1+增长率）

回流率=回流的流失用户/日活用户

月平均上线率=（上线1天的人数*1+上线2天的人数*2+…上线30天的人数*30）/（30日独立用户*30）

其他

微观指标：

二、数据分析

基于了解了以上指标体系，怎么做数据分析？

了解现状

关注趋势

目标驱动

数据分析大致分为两类。一种是后验分析：无非是某个指标涨了/跌了，“某个指标”可以代入日活、留存率、流失率等。

原因分析两条路走：内部因素和外部因素，内部因素可能是版本迭代导致的功能缺失不可用、体验变差、统计错误或者推荐策略修改等等；