数据思维到业务实战

我们在实际的工作和学习接触中，会发现一个比较统一的问题，那就是：随着数据在企业生产经营中的广泛应用，我们究竟该如何借助数据分析的能力，去提升公司业务的运营效率，为企业降本增效呢？也就是我们常说的实现真正的数字化，最终达到企业经营模式的转型。那么这个问题，其实根源在于：我们个人如何培养自己的数据思维？

数据思维到业务实战

概念

数据+分析

目的

现状分析

日报

周报

月报

原因分析

专题分析

预测未来

流程

明确分析目的和思路

数据收集

代码

百度统计

数据处理

数据清洗

数据转化

数据抽取

数据合并

数据计算

数据分析

数据展现

报告撰写

3点要求

好的分析框架

明确的结论

提出具有可行性的建议或者解决方案

第2章 新媒体数据分析方法

2.1 新媒体数据分析基本步骤

1.设定目的

（1）如何做？

第一步，提炼出需要解决的具体问题

第二步，找到该问题的关键点

第三步，提炼出分析目的

2.数据挖掘

3.数据处理

（1）数据剔除

（2）数据合并

（3）数据组合

4.数据分析

（1）流量分析

访问量、访问时间、跳出量、跳出率等

（2）销售分析

下单数量、支付比例、二次购买比例等

（3）内容分析

阅读量、点赞量、转发量等

（4）执行分析

5.数据总结

（1）便于内部沟通

（2）便于总结分析规律

2.2 新媒体数据挖掘方法

1.数据来源设计

2.数据来源渠道

（1）后台数据获取

（2）第三方数据获取

（3）手动获取

2.3新媒体数据加工与处理

1.数据合并

2.数据修正

（1）异常剔除

（2）缺失增补

3.公式计算

（1）求和

SUM（）

（2）平均数

AVERAGE（）

（3）稳定性

标准差公式，数值越小，该组数据波动越小

STDEV（）

（4）比例

A1/A2

（5）条件计算

什么是数据思维

使用数据解决问题的能力

量化思维

数据丈量一切

难点

难以获取

没有相关数据

怎么办

消除物理盲点-快速预估

找到数学模型，计算公式

抽样

敢于

不精确

消除逻辑盲点

制定评估标准

what

结果指标-有无增长

过程指标

关注点有无增长

是否监控到

反向指标-和结果指标定义方向相反，如退货

how

1、真实度量业务结果，而非能找到的指标

2、聚类选择特征指标：招行hello Kitty信用卡

3、加入反向指标

4、评估满足派生指标标准，不能用长远，好，坏高低描述

对比分析

怎么比

环比

同比

增长率

比的结果

正常波动-范围内可忽略

1、自然波动范围内

2、上下游浮动一致—上下游指标

3、历史波动范围内—通过足够长的时间进行原因排查

异常波动

如何确定问题

目标和实际之间的差距

准确描述问题的过程

1、列出实际情况（数据），重新定义问题

2、写出目标结果（数据）

3、最后确定二者差异（数据对比）

如何用数据分析问题

拆解分析

1、分类

相互独立，安全穷尽（mece）

维度：产品、组织架构、用户

2、公式

拆解至不可再分

拆解结果通常为值，不是xx率

3、流程法

4、模型法

按照事情发展的先后顺序，罗列出流程步骤

关注关键节点

不要切换视角

如果某一视角流程较短，则需要转换视角，如贷款，从客户角度转换为银行视角

根据经典的商业模型组成要素对分析内容重组

4p

swot：团队分析

AARRR：获客

黄金圈：what，why，how，报告输出

分析框架系统诊断

1、宏观：咨询公司

2、中观：解决方案，日常工作

3、微观：分析原因，

问题界定

问题拆解

提出假设

头脑风暴

没有批评和否定

yes，and

数据验证

内部数据

外部数据

结论呈现

1、业务假设数据全部罗列

2、重新分类和排序

递进-时间顺序

并列-占比权重

3、只留下重要的几个