在產品運營過程中，數據分析具有極其重要的戰略意義，是產品優化和產品決策的核心大腦。因此做好數據分析，是產品運營中最重要的環節之一。

那么如何做好支付的數據分析呢?以下梳理出數據分析的8步流程，以及常見的7種分析思路。新手在啟動數據分析前，***跟主管或數據經驗較豐富的童鞋確認每一步的分析流程。

[[175476]]

一、數據分析八流程：

1、為什么分析?

首先，你得知道為什么分析?弄清楚此次數據分析的目的。比如，這次短信方式的數據分析，為什么要做這個分析。你所有的分析都的圍繞這個為什么來回答。避免不符合目標反復返工，這個過程會很痛苦。

2、分析目標是誰?

分析目標是誰?要牢記清楚的分析因子，統計維度是訂單，還是用戶，還是金額，還是用戶行為。避免把訂單當用戶算，把用戶當訂單算(上周運營同學真實案例)，算出的結果是差別非常大的。

3、想達到什么效果?

通過分析各個維度的用戶，訂單，找到真正的問題。例如這次的XX通道的分析，全盤下線，或維持現狀不動，都不符合利益***化原則。通過分析，找到真正的問題根源，發現用戶精細化運營已經非常必要了。

4、需要哪些數據?

支付的數據，茫茫大海，數據繁多，用“海”來形容一點都不為過。需要哪些源數據?付費總額，付費人數?新老用戶維度?付費次數?轉移人數?留存率?用戶特征?畫像?先整理好思路，列一個表。避免數據部門同學今天跑一個數據，明天又跑一個數據，數據部門同學也會比較煩。

5、如何采集?

直接數據庫調取?或者交給程序猿導出? 自己寫SQL?運營同學不妨都學一下SQL，自力更生。

6、如何整理?

整理數據是門技術活。不得不承認EXCEL是個強大工具，數據透視表的熟練使用和技巧，作為支付數據分析必不可少，各種函數和公式也需要略懂一二，避免低效率的數據整理。Spss也是一個非常優秀的數據處理工具，特別在數據量比較大，而且當字段由特殊字符的時候，比較好用。

7、如何分析?

整理完畢，如何對數據進行綜合分析，相關分析?這個是很考驗邏輯思維和推理能力的。同時分析推理過程中，需要對產品了如指掌，對用戶很了解，對渠道很熟悉?？此埔粋€簡單的數據分析，其實是各方面能力的體現。首先是技術層面，對數據來源的抽取-轉換-載入原理的理解和認識;其實是全局觀，對季節性、公司等層面的業務有清晰的了解;***是專業度，對業務的流程、設計等了如指掌。練就數據分析的洪荒之力并非一朝一夕之功，而是在實踐中不斷成長和升華。一個好的數據分析應該以價值為導向，放眼全局、立足業務，用數據來驅動增長。運營同學比較容易聚在某個點上轉圈走不出來。

8、如何展現和輸出?

數據可視化也是一個學問。如何用合適的圖表表現?每一種圖表的寓意是什么?下面列舉下常用的8個圖表：

1. 折線圖：合適用于隨時間而變化的連續數據，例如隨時間收入變化，及增長率變化。
2. (柱型圖：主要用來表示各組數據之間的差別。主要有二維柱形圖、三維柱形圖、圓柱圖、圓錐圖和棱錐圖。如支付寶與微信覆蓋率差別。
3. 堆積柱形圖：堆積柱形圖不僅可以顯示同類別中每種數據的大小，還可以顯示總量的大小。例如我們需要表示各個支付方式的人數及總人數時。
4. 線-柱圖：這種類型的圖不僅可以顯示出同類別的比較，還可以顯示出趨勢情況。
5. 條形圖：類似于橫向的柱狀圖，和柱狀圖的展示效果相同，主要用于各項類的比較。
6. 餅圖：主要顯示各項占比情況。餅圖一般慎用，除非占比區別非常明顯。因為肉眼對對餅圖的占比比例分辨并不直觀。而且餅圖的項，一般不要超過6項。6項后建議用柱形圖更為直觀。
7. 復合餅圖：一般是對某項比例的下一步分析。
8. 母子餅圖：可直觀地分析項目的組成結構與比重。例如上次短信支付能力用戶中，沒有第3方支付能力的用戶，中間有X%比例是沒銀行卡，X%比例是沒微信支付賬號等。

圖表不必太花哨，一個表說一個問題就好。用友好的可視化圖表，節省閱讀者的時間，也是對閱讀者的尊重。

有一些數據，辛辛苦苦做了整理和分析，***發現對結論輸出是沒有關系的，雖然做了很多工作，但不能為了體現工作量而堆砌數據。

在展現的過程中，請注明數據的來源，時間，指標的說明，公式的算法，不僅體現數據分析的專業度，更是對報告閱讀者的尊重。

二、數據分析七思路：

1、簡單趨勢

通過實時訪問趨勢了解產品使用情況。如總流水，總用戶，總成功率，總轉化率。

2、多維分解

根據分析需要，從多維度對指標進行分解。例如新老用戶、支付方式、游戲維度、產品版本維度、推廣渠道、來源、地區、設備品牌等等維度。

3、轉化漏斗

按照已知的轉化路徑，借助漏斗模型分析總體和每一步的轉化情況。常見的轉化情境有下單率，成功轉化率等。

4、用戶分群

在精細化分析中，常常需要對有某個特定行為的用戶群組進行分析和比對;數據分析需要將多維度和多指標作為分群條件，有針對性地優化產品，提升用戶體驗。例如我們這次對短信這類用戶，短信里又有第3方和無第3方支付能力的，需要再進行分群的運營。

5、細查路徑

數據分析可以觀察用戶的行為軌跡，探索用戶與產品的交互過程;進而從中發現問題、激發靈感亦或驗證假設。例如我們這次對新用戶的運營，也非常有意思。

6、留存分析

留存分析是探索用戶行為與回訪之間的關聯。一般我們講的留存率，是指“新增用戶”在一段時間內“回訪”的比例。通過分析不同用戶群組的留存差異、使用過不同功能用戶的留存差異來找到產品的增長點。

7、A/B 測試

A/B測試就是同時進行多個方案并行測試，但是每個方案僅有一個變量不同;然后以某種規則(例如用戶體驗、數據指標等)優勝略汰選擇***的方案。數據分析需要在這個過程中選擇合理的分組樣本、監測數據指標、事后數據分析和不同方案評估。

不單是支付的數據分析，其他的產品運營數據分析流程和思路也一樣適用，只是支付數據相對其他產品而言，維度很多，以及組合的維度也非常多，因此就需要更清晰的思路和大局觀，避免陷入到數據海洋中。