三种数据分析思维框架的构建方法

编辑导语：数据分析不仅是一个岗位名称，也是一项通用的职场技能；“数据调研”、“数据监控”、“数据复盘”、“数据总结”、“数据驱动业务”…… 都是贯穿我们互联网人日常工作的高频词汇；处处需要数据佐证，分析师以外的产品、运营同学同样需要会分析、懂分析。

今天我们就来聊一聊数据分析基础知识—构建分析框架——搜索查询“数据分析框架”相关内容，大家通常能够看到资深从业者介绍的通用框架模型，比如：“用户分析的3种分析方法”、“AARRR模型”、“增长引擎”等。

对于需要解决棘手问题的分析小白们来说，有一些似懂非懂，可以理解模型原理但是无法灵活的运用到实际工作场景中；结果只能模糊匹配，越分析越模糊，本文就从实际应用出发给大家介绍数据分析框架的构建方法。

构建分析框架的作用在于，数据分析之前先拆解目标、抽丝剥茧的理清思路，选取合适的数据、恰当的模型方法解决问题，达到事半功倍的效果；就像修建房屋之前，需要先做出规划，计算出需要多少物料、多久的工期，选出最高效的方案，才能开始动工，避免不必要的短缺和浪费。

对于不同的数据分析场景，需要采用不同分析框架。分析场景多种多样，如：“投放数据异常分析”、“活动效果评估”、“产品策略制定”、“A/B效果评估”、“项目复盘”……看起来各自独立，可以按照分析工作介入项目的时期进行归纳，大致分为3种类型：异常定位分析（中期）、前置评估分析（前期）、后置复盘分析（后期）。

最怕工作群突然闪烁，“DAU为什么突然降了？”、“次留为什么从50%涨到70%？”、“昨天广告收入为什么少了10W？”，异常定位分析—这类问题是困扰很多人的噩梦；此类问题重要紧急，也相对基础，能否快速准确定位问题，考查的是分析师制定的业务标体系基础是否牢固。

此类问题的分析框架基本等价于基础业务指标体系，以“广告收入突降问题”为例，制定分析框架要了解广告收入从何而来？影响收入的指标和维度有哪些？

交叉分析，穷举出所有维度和指标叉乘的影响因子，结合伴随广告收入突降的其他异常数据特征，定位异常因素所处环节。

穷举出所有维度和数据指标叉乘的影响因子就是异常定位分析的框架，完善而全面即为异常定位分析框架的核心要素。

“运营活动数值策划”、“页面改版收益预估”、“产品策略升级影响测算”等预测类分析场景可统一归类为前置评估分析；前置评估分析，是数据决策业务的一种方式；分析框架的逻辑合理性、与业务的贴合程度，直接影响决策方向是否正确；因此需要做分析的同学对业务非常了解，逻辑严谨，才能给出正确的判断。

对于评估的项目，需要明确评估内容的输入输出项分别是什么，就是我们有什么？需要得到什么？

围绕这两项核心内容抽丝剥茧寻找各方影响因素，将影响因素根据业务逻辑串联起来就形成了前置评估的分析框架；以裂变增长类运营活动“拆红包”数值策划为例，首先明确输入项（预算有多少？）、输出项（目标是拉新or促活？）分别是什么，围绕着这两项核心开始制定分析框架。