互联网大厂都在用的数据分析思维框架（超全整理 ！）

互联网大都在谈的数据分析思维该如何建立？数据分析包括数据运营，为了推动业务增长或其他分析目的需要去发现挖掘更多与结果相关的数据维度。分享一份互联网大厂必备的数据分析思维框架，包含微观、中观、宏观数据分析！

互联网大厂都在用的数据分析思维框架（超全整理 ！）

简介：互联网大都在谈的数据分析思维该如何建立？数据分析包括数据运营，为了推动业务增长或其他分析目的需要去发现挖掘更多与结果相关的数据维度。分享一份互联网大厂必备的数据分析思维框架，包含微观、中观、宏观数据分析！

详细内容

内容目录

数据分析框架

宏观数据分析框架

中观数据分析框架

微观数据分析框架

Part 01

数据分析框架

Part 01

数据分析框架

定义

用数据对问题进行剖析和解决的系统性分析流程和步骤

特点

数据为器

问题导向

自成体系

分类

宏观数据分析框架

探索研究型分析框架

明确需求-外部对标-内部调研-策略输出

中观数据分析框架

解决方案型分析框架

目标界定-任务分解-沟通调整-监测反馈分析

微观数据分析框架

原因型分析框架

问题界定-问题拆解-提出假设-数据验证-结论呈现

三种分析框架的关系

同一主题各自分工

探索研究型看的是趋势和方向，以及如何对将来收益的优化和改进；

解决方案型看的是方法和排期，以及当前问题如何才能有效解决落地；

分析原因型看的是问题和病因，以及如何才能精确判断并表述清晰；

不同主题交替呼应

探索研究型主要针对的未来可能面临的重要且不紧急的任务；

解决方案型重点关注当前紧急、亚待解决的和根除的难题；

分析原因型核心考虑的是快速定位当前情况由哪些问题导致；

共生存在而非排他竞争

对于某一层面的问题，当使用解决方案型分析框架的过程中，如果有原因分析的需要，也可以借助分析原因型分析框架进行问题界定和拆解。

在运用分析原因型分析框架探究问题根源的时候，如果有一些新的启发，也可能进而转化为探索研究型思维进行探索发现。

适用场景

Part 02

宏观数据分析框架| 探索研究型分析框架

Part 02

框架介绍

从自身需求出发，通过内外部对比，获得有效策略的过程

作用

重要且不紧急

着眼未来而非仅限当下

目标是很远大的

标准步骤

需求分析

我有一个想法，能实现吗

通过矩阵来识别需求真伪

市场渗透：是否已经有很多同行

产品开发

产品开发：市场开发当前市场被挖掘的怎么样了

多元化：是否可以多融合新的元素

延伸需求自查表

这个需求是你的需求还是别人的需求，它的目标群体是什么?

这个需求到底能解决什么问题，是刚需还是非刚需，解决后会产生多大价值 ?

这个需求的发展前景如何 ?

外部对标

外部对标三步骤

找产品

外部已有现成的功能/产品

外部仅有类似功能/产品

看数据

第三方数据：艾瑞等

非正式渠道数据：竞品PRD文档等

行业数据：相关行业官网等

做分析

加减乘除

SWTO

内部调研

我们能做哪些事

量化数据结果

数据可对比

差距有启发

策略输出

究竟要做什么事情

我们能做哪些事

见效性：从逻辑上判断该策略是有利见效性于达成目标的

规模性：不仅小范围有效，推广至大规模性范围同样有效

成长性：不仅一次性有效，长期使成长性用也有效果

如何输出一个策略

需求是根本

对标和调研是依据

结果要符合原则

Part 03

中观数据分析框架

Part 03

解决问题型框架 介绍

定义：根据特定目标，分解到具体任务并落地完成

作用

解决问题而非发现问题

落脚点是把事情做完严格执,行而非纸上谈兵

产生价值更显而易见，能将产出象化

标准步骤

目标界定

需要做的事情究竟是什么

问题分类

紧急处理型

常常是”救火”，核心是快速解决问题，能治本固然好，能治标也不错

单次解决，不必考虑方法的适用性

找到数据异常的原因不是重点，关键是执行

恢复原状型

目标是恢复原状，核心是区分所处状态还是不良状态，产出的是不同条件下应对的策略

较为系统性的解决，方法可以重复使用

找到数据异常的原因是重点，关键是分析

彻底根除型

目标是彻底根除问题并达到预期目标;核心是能够找到全部或者绝大多数的原因并解决;需要找到标准化的应对策略

三类问题 异同点

判断标准

时间紧迫程度、预期实现效果、方案精确程度

相同点

都需要按照四个步骤严格执行

不同点

从处理效果上，彻底根除型最为细致，恢复原状型次之紧急处理型最低 从耗时长短上，彻底根除型最长，恢复原状型次之，紧急处理型最短

任务分解

谁、多久、做什么即任努主体+任务时长+任结果三大要素

如何分解任务

三大要素缺一不可

分解按业务流程展开

解决问题型分析框架 分解按业务流程展开

功能型产品

和生命周期相关的流程

主转化率=步骤一转化率*步骤二转化率*-·步骤N转化率

社交型产品

和活跃用户相关的流程

渠道活跃用户数、不同周期活跃用户数等划分方式

社交型产品

和收入相关的流程

收入=流量*转化*客单价

任务与目标变化一致

沟通调整

任务摊派-跨部门沟通-协商一致

艰难沟通三场景及具体应用

有利益冲突，如何让对方让步

正向影响力:做这件事有什么好处

负向影响力:不做这件事，有什么坏处

规范影响力:客观陈述事实

沟通不畅，如何说服别人

中心路径:当下情况是怎么样，为了XX，我们需要怎么样

边缘路径:竞品怎么样，老板怎么样，其他部门怎么样，所以我们-..

以上无效

最终负责人拍板

任务书面化公开

监测反馈

日常报表监测

异常情况反馈

绝对共线性 - 相关分析查看相关系数值是否接近1 - 将相关系数接近1的项移除

基本没有相关关系 - 相关分析查看相关关系是否接近0 - 将相关系数接近0的项移除

样本量太少 - 使用频数分析 - 加大样本量

Part 04

微观数据分析框架

Part 04

目的

旨在快速定位问题，并能准确找到产生问题的原因

标准步骤

问题识别

只有当目标( 预期 与现状( 实际 之间出现了差异，才会出现问题）

什么是目标：即预期究竟是多少

什么是事实

实际完成情况究竟如何

注意区分事实和观点

事实: 真实存在或经验上正确，可被证实

观点：主观判断的，会随着理解的差异而产生差异

什么是差异：现状与目标完成值的差额

问题拆解

定义 : 复杂问题简单步骤化

方法

指标构成

按照常见维度对指标进行细分从指标构成进行剖析，主要是分析单指标的构成，比如单一指标为用户，而用户又可以拆分为新用户和老用户

业务流程

分析指标触达业务问题的具体路径是指分析过程中，从产品流程、页面跳转、用户行为角度出发进行拆解

提出假设

结构化呈现提出假设全流程，所有的假设都是基于业务逻辑

常见业务逻辑

视频类：激活-注册-访问-点击-播放

新闻资讯类：激活-访问-点击

电商类：激活-注册-访问-点击-交易

数据验证

常用的验证方法

漏斗分析

所有的数据可以按照步骤拆解，下一步的人数总少于上一步，整个过程就像漏斗一样快速验证，从整个流程上去追踪，看哪个环节出现问题

对比分析

永远需要兼顾两项:绝对值和比率

多维交叉分析

可以多个维度对问题进行交叉分析矩阵分析、RFM分析等

结论呈现

三大原则

切合主题

排序：并列和递进

数量：不过“3”原则

在分析原因的思维框架中，结论是分析结果（和建议）的呈现，并不等同于解决方法

结论呈现的几种方式

微信、邮件：简化

PPT：有目录和要点

PDF：清晰且详细

应用

原因型分析框架

案例

若某天(周三)京东的访问量下降15%，请分析具体原因是什么

流程

问题识别

通过同比和环比计算数值，对比波动是否正常

同比：自然波动-是否超过自然波动范围

环比：特殊时段影响-是否有波动

行业整体搜索是否下跌-与竞品进行比较

问题拆解

访问量=新客访问量+老客访问量+流失召回访问量

提出假设

按用户类别、区域、渠道、设备、品类.对用户进行划分

根据实际业务提出合理假设

数据验证

根据假设利用漏斗分析、对比分析、多维交叉分析等方法，对假设进行验证

结论呈现

利用数据验证得出的结果，呈现结论

End

亿图导图 | 全媒体运营老狮记

End