干货 | 从业5年，我总结了一套数据分析的实用方法论

本文作者基于自己的经验，总结出一套标准的数据分析方法论，帮助行业内的小伙伴更清晰的知道该如何做一个完整的数据分析。

写在前面

数据分析是所有产品经理的必备能力，也是折磨各位产品经理最痛苦的一件事情。

上线前，老板会说：做一个数据分析？评估下预期。

上线中，功能表现的不理想，老板会说：数据往下掉了，做个数据分析看看为啥？

上线中，功能表现的好，老板会说：做的不错，做个数据报告统一汇报一下。

OMG，你看，不会数据分析，寸步难行！

当然互联网上有非常多数据分析的心法和教程。我大概总结了一下大致有两类：

一种是偏纯理论形式的；比如如何用spss做主成分分析，专业高大上，怎样应用勒？完全没有时间系统学习有木有！

一种是偏形而上的，告诉你数据分析，首先要基于数据调研，然后数据验证巴拉巴拉的，给你一种道理都懂，依然过不好这一生的错觉。

因为自己从业数据产品多年，数据产品的一个基本工作就是把分析结论抽象成数据产品，帮助业务进行数据洞察。所以，自己也大大小小做过非常多的数据分析。我就在想，是否可以基于自己的经验，总结出一套标准的数据分析方法论，帮助行业内的小伙伴更清晰的知道该如何做一个完整的数据分析。

当然，这次对自己的这套方法论也有一些自我要求：

一定要从实际出发的那种，要有一个案例贯穿始终；

一定要有可复用的结论，并且是不形而上，夸夸其谈的那种。

于是乎便有了此篇文章，本文将以外卖流量分配分析作为案例，深入讲解如何完整的做一个数据分析。

目录

1.数据分析-定义问题

2.数据分析-梳理分析框架

3.数据分析-规范数据内容

4.数据分析-规划分析方法

5.数据分析-输出分析报告

6.总结

定义问题

数据分析的本质是解决某一个业务问题。

解决业务问题的前提，一定要想清楚两件事情：

理解问题：想清楚这个问题到底是什么

定义问题：用数据拆解出这个问题

我见过太多小伙伴做数据分析的时候，根本就没搞明白为什么要分析？要分析的这个问题到底是什么？所以在分析之前，一定要花时间了解这个数据分析到底解决了什么问题。

这个问题，在定义清楚后，需要和业务方、leader去反复沟通，直到对这个问题清楚的达成共识。

以外卖流量分配举例：

（1）理解什么是流量分配？

从市场收回到外卖业务来看，流量分配其实和布局市场的本质是一样的：通过更有效的分发商品、更合理的摆放商家，让用户与商户进行更有效率的交易。

那么，如何更有效的分发商品？如何更合理的摆放商家呢？

需要通过一套分发机制去实现，而分发机制必须依赖于分发渠道去实施。

具体来说，分发渠道可以看做我们线上产品的流量渠道。该有哪些流量渠道，流量渠道里该摆放哪些商家，是我们考虑的重点。

流量渠道作为分发渠道，起到连接商家与用户的作用，同时也是对用户需求及商家供给进行配对。如下：

用户群体1——渠道1­­­商家1、商家2、商家3

用户群体2­­­——渠道2­­­商家4、商家5、商家6

用户群体3­­­——渠道3­­­商家7、商家8、商家9

流量渠道是为分发机制服务的通道，每一个流量渠道必定有不同分发机制的含义。比如：搜索入口，以搜索关键词为分发机制，建立用户需求与商家供给的匹配。

综上所述：站在平台看流量分配是一件什么样的事情？

以流量渠道作为媒介，通过资源配置实现用户与商户进行更有效率的交易，平台需要做两件事情：

分对人（匹配需求）：把合理的流量渠道分配给需要的用户群体，即为现在进行的精准化营销，千人千面。

配对货（匹配供给）：每一个流量渠道里分配满足这个用户需求的商家。

（2）用数据定义流量分配

首先，思考如何去定义流量？

一般而言，流量是指在某一时间某一地点某一会话从来源到去向的全过程。

其次，思考我们用什么指标去有效的衡量流量：用dau衡量？用页面去重uv衡量？还是用什么去衡量？

从业务的角度来看，我要统计一天内产生了多少的流量，代表我要统计有多少次用户使用过我的产品。

每日流量，本质上为每日会话数=每日用户数*日均用户使用频次。

最后，思考我们该从哪些角度去衡量流量？

拆解来看，如下表：