目标思维——数据分析必备思维

目标思维不仅是在数据分析里可以少做很多无用功，在任何工作里都是如此，能够更高效地真正解决问题。

数据分析的方法很多，思维的技巧也很多，面对具体问题的时候，如何选择合适的方法？

古人说“运用之妙，存乎一心”，中国人就喜欢把一件事说的很玄乎。懂的人听了心领神会，不懂的人则完全不知道什么意思。

这个“一心”是指什么呢？

用现在的话来说就是“不忘初心”，不要忘记目标到底是什么。找到要解决的目标，能够解决数据分析和职场的大部分问题。

找到目标，跳出取数怪圈

取数是数据分析师最大的痛，不能不取，但是取数的产出实在是很有限。

有些新人很惨，一开始接触取数，然后就不得不进入一个恶性循环：取的数没什么用，然后取更多的数，更没有时间接触业务，最终沦为取数机器。

要想破局，就必须有目标思维，必须搞清楚业务方的目的是什么。

业务方想要的数据，不一定真的是他想要的。这句话看似矛盾，实际上在工作中很常见。

比如，业务提需求说：“想看一下某功能新用户的人数规模。”

业务背景是啥？也许业务人员会说：“这个数据是某某领导想看的。”

这是最可怕的一种情况，取数口径是经过一个人转述的，往往这种需求都是变形的。

现实情况很可能只是在一次会议上，领导发现新用户可能是业务增长的突破口。想先看一下新用户的规模如何，然后说：“XXX，看一下新用户的人数是多少，值不值得运营一下。”

实际上这个需求的核心目的，是确定新用户能否具有潜在挖掘价值。所以人数只是一个方面，活跃率、留存率、新用户的需求、用户的类型等都是要考虑的东西。

如果知道了业务目标，那么就可以把这样一个取数需求变成一个分析类需求，最终的交付形式就成了一份PPT，从新用户的规模，到新用户的特点，到方案建议。

这样，就能避免成为取数机器。

找到目标，才能确定指标

数据分析，最基础的是要有数据；业务上的各种数据，又称为指标。

每项业务都会有一个核心的关键指标，一切工作都应当是为了优化这个指标而开展的。

要确定这个核心指标，就必须了解业务开展的目的。

确定业务指标有一个基本的模型：osm模型，分别对应三个单词。

Obejective（业务目标）：用户使用产品的目标是什么？产品满足了用户的什么需求？

Strategy（业务策略）：为了达成上述目标我采取的策略是什么？

Measurement（业务度量）：这些策略随之带来的数据指标变化有哪些？

这种确定指标的方法第一步就是要确定业务目标，如果你没有清晰的业务目标，那么也就不可能制定出准确的数据指标。

这么说可能不太好理解，我举一个最近遇到的案例。

炒股类APP中的某收费选股功能，可以从数千只股票当中选取上涨概率比较大的一些股票，提高用户获取信息的效率。该功能在某次改版后进行了一次数据分析，数据人员很自然地用了留存率作为这个功能的评估指标。

然而，这个功能的核心目的到底是什么？

业务方的回答是核心目标是续费率，不过续费率这个指标的周期太长，至少一个月才能看出变化，反应的速度太慢。所以，需要一个每日变化的指标作为参考，他们直觉上认为留存率可以说明问题：毕竟用户喜欢每天来，说明功能还是有价值的，续费率应该也会更高。

用户为什么会续费？

所有用户购买的理由一定是这款产品解决了某个问题。

我们重新回到产品解决的问题去考虑，设计这个产品的目的到底是什么？换句话说，这个产品解决了用户的什么问题？

既然是选股类功能，那么就是解决用户的选股问题。

为什么要选股？是为了交易。

如果功能筛选的股票，降低了用户的决策难度，自然会提高交易的比例。

所以，辅助交易是该功能的目的，我们可以用交易比例来衡量该功能的好坏。

我们验证了交易率和续费率的关系，也对比了留存率和续费率的关系。结果发现，交易和续费的相关性要远远高于留存。

所以，如果不想清楚业务的目标，我们就无法制定出合理的指标。没有找到合理的指标，增长也就无从谈起了。

找到目标，才能选择正确的分析方法

作为数据分析师，我经常会接到这样的需求。

方差君，能不能用漏斗分析帮我看一下这次的活动效果怎么样？

方差君，能不能做一个用户画像，看看我们的用户都是什么群体？

方差君，能不能对比一下xxx和xxx