[[402488]]

本文轉(zhuǎn)載自微信公眾號「曉陽的數(shù)據(jù)小站」，作者曉陽的數(shù)據(jù)小站。轉(zhuǎn)載本文請聯(lián)系曉陽的數(shù)據(jù)小站公眾號。

 |0x00 數(shù)據(jù)分析做什么

數(shù)據(jù)分析的定義，在百度百科上是這樣介紹的：“用適當(dāng)?shù)慕y(tǒng)計(jì)分析方法對收集來的大量數(shù)據(jù)進(jìn)行分析，將它們加以匯總和理解并消化，以求最大化地開發(fā)數(shù)據(jù)的功能，發(fā)揮數(shù)據(jù)的作用。”這句話的理解比較費(fèi)勁，那么簡單一點(diǎn)講，數(shù)據(jù)分析就是發(fā)現(xiàn)有用的信息，提供結(jié)論并支持決策。

有道是“數(shù)據(jù)在手，天下我有”，但如何尋找出數(shù)據(jù)中潛在的價值，就是分析師的重要工作了。

數(shù)據(jù)分析大概有兩種不同的發(fā)展方向，一種是偏向業(yè)務(wù)分析，需要對業(yè)務(wù)有比較深的理解，在此基礎(chǔ)上，通過數(shù)據(jù)來尋找業(yè)務(wù)增長的套路，例如用戶增長、網(wǎng)站分析、經(jīng)營分析等;另一種是偏向數(shù)據(jù)挖掘，更加注重技術(shù)、尤其是算法能力的應(yīng)用，需要對常見算法的應(yīng)用熟練掌握。實(shí)際工作中，由于數(shù)據(jù)挖掘需要非常好的技術(shù)功底，因此絕大多數(shù)人都是偏向業(yè)務(wù)進(jìn)行分析。

|0x01 數(shù)據(jù)分析的工作內(nèi)容

那么數(shù)據(jù)分析的童鞋，日常主要在做什么呢?簡而言之，在做三件事：業(yè)務(wù)的現(xiàn)狀是什么、為什么會發(fā)生、未來將要如何(或如何改進(jìn))。

現(xiàn)狀分析，就是告訴業(yè)務(wù)決策者，過去發(fā)生了什么事情，并且通常以報(bào)表的形式呈現(xiàn)出來。所以分析師不光要能夠做日報(bào)、周報(bào)，還需要自己來搭建報(bào)表平臺，通過分析關(guān)鍵的指標(biāo)，來掌握業(yè)務(wù)的運(yùn)營情況。

原因分析，是在業(yè)務(wù)現(xiàn)狀的基礎(chǔ)上，分析為什么會發(fā)生這些事情。比如指標(biāo)上升或者下降了，是因?yàn)槭裁丛蛟斐傻?或者是分析不同渠道對于最終轉(zhuǎn)化的貢獻(xiàn)情況。分析的過程，通常會通過專題的形式展示出來。

預(yù)測分析，則是告訴業(yè)務(wù)，未來會發(fā)生什么。預(yù)測其實(shí)是一件很重要的工作，不論是企業(yè)經(jīng)營目標(biāo)的制定，或者是相關(guān)策略的落實(shí)，都需要預(yù)測未來可能的情況，來保證業(yè)務(wù)的健康可持續(xù)發(fā)展。例如電商大促的到來，銷量會得到很大的提升，那么對應(yīng)的預(yù)算、物流、商家要做怎樣的應(yīng)對，都依賴于數(shù)據(jù)來提供預(yù)測。

|0x02 相關(guān)概念的解釋

還是有人會產(chǎn)生疑問：“數(shù)據(jù)分析”、“數(shù)據(jù)科學(xué)”、“數(shù)據(jù)驅(qū)動”、“商業(yè)智能”，這些概念都有怎樣的不同呢?

首先說一下“商業(yè)智能”，英文是Business intelligence，這是我們常說的BI，其主要價值，在于通過一系列的數(shù)據(jù)技術(shù)，從數(shù)據(jù)中挖掘隱藏的客觀規(guī)律，總結(jié)這些規(guī)律背后的原因，并用于指導(dǎo)公司業(yè)務(wù)的發(fā)展。大多數(shù)情況下，BI分析師的工作，就是通過SQL、Python等語言，將已經(jīng)統(tǒng)計(jì)好的數(shù)據(jù)，結(jié)合數(shù)據(jù)模型或者是分析框架，來對業(yè)務(wù)進(jìn)行各種分析，并做成有價值的報(bào)表或者報(bào)告的形式，供業(yè)務(wù)方進(jìn)行分析。

再講講“數(shù)據(jù)科學(xué)”，這個概念就要寬泛的多，通常指在跨學(xué)科的領(lǐng)域中，通過數(shù)據(jù)來尋找到解決問題的方法。數(shù)據(jù)科學(xué)的概念其實(shí)比較模糊，屬于寬口徑的概念，在不同的行業(yè)里所做的事情，可能是截然不同的。在互聯(lián)網(wǎng)行業(yè)中，數(shù)據(jù)科學(xué)大約代表：先通過探索分析發(fā)現(xiàn)問題，然后再用數(shù)據(jù)建模去解決問題。

那么“數(shù)據(jù)驅(qū)動”又如何理解?數(shù)據(jù)驅(qū)動的字面意思是將數(shù)據(jù)來作為生產(chǎn)資料，通過科學(xué)的方法，來推動業(yè)務(wù)的優(yōu)化提高。在互聯(lián)網(wǎng)行業(yè)里，數(shù)據(jù)驅(qū)動又可以分為數(shù)據(jù)驅(qū)動產(chǎn)品、數(shù)據(jù)驅(qū)動業(yè)務(wù)兩個方向，比如通過A/B測試來尋找最優(yōu)的推薦算法，或者是設(shè)計(jì)實(shí)驗(yàn)來指導(dǎo)產(chǎn)品迭代更新的方向，等等。

因此，在一家公司中，不同數(shù)據(jù)崗位的分工大體如下：數(shù)據(jù)工程師負(fù)責(zé)數(shù)據(jù)平臺的搭建、數(shù)據(jù)倉庫的建設(shè)，以確保數(shù)據(jù)被正確的計(jì)算和方便的獲取;數(shù)據(jù)分析師根據(jù)數(shù)據(jù)來描述或者是分析相應(yīng)的問題，這其中包括了“商業(yè)智能”來做報(bào)表，或者是“數(shù)據(jù)科學(xué)”來尋找數(shù)據(jù)模型，最終都是“數(shù)據(jù)驅(qū)動”業(yè)務(wù)增長或產(chǎn)品迭代。

|0x03 如何來做數(shù)據(jù)分析

數(shù)據(jù)分析雖然需要的基礎(chǔ)知識非常多，屬于入門門檻比較高的那一種，但實(shí)際的工作卻大體遵循如下的步驟，細(xì)節(jié)可以有不同：

明確分析目的 - 確定思路框架 - 準(zhǔn)備數(shù)據(jù) - 分析數(shù)據(jù) - 展示數(shù)據(jù) - 報(bào)告撰寫。

一，明確分析目的，非常重要，目的不明確會導(dǎo)致分析的過程十分盲目。這里會有一個假設(shè)，即分析師需要懂業(yè)務(wù)，并且有自己對于業(yè)務(wù)的理解，如果沒有相應(yīng)的專業(yè)知識，通常分析的結(jié)果就沒有特別大的價值。那么什么是懂業(yè)務(wù)?大體上就是需要明白企業(yè)的商業(yè)模式是怎樣的，通過什么樣的關(guān)系能夠產(chǎn)生商業(yè)價值。如果是2B方向，還需要懂一些管理學(xué)的內(nèi)容，了解數(shù)據(jù)如何輔助公司的經(jīng)營管理。

二，確定思路框架，是通過怎樣的指標(biāo)、哪些角度來進(jìn)行分析。其實(shí)業(yè)界有一些非常通過的方法，可以讓我們快速開展業(yè)務(wù)的同時，能夠保證“MECE原則”，即對于一個重大的議題，能夠做到不重疊、不遺漏的分類，而且能夠借此有效把握問題的核心，并成為有效解決問題的方法。

常見的思路框架包括：決策樹管理分析法、PEST行業(yè)分析法、5W2H問題分析法、4P營銷理論、SWOT競爭力分析模型…… 這里的方法論非常多，一些細(xì)分方向也有自己的成套理論，比如“用戶增長”常用的AARRR漏斗模型、RFM理論等。這里就不一一展開了，網(wǎng)上能夠搜到大把的資源，但有一點(diǎn)需要注意，就是掌握模型切記只掌握個大概，因?yàn)槊總€模型是相應(yīng)知識體系的總結(jié)，只能交給你思路，而無法交給你哪些坑應(yīng)該避免、什么情況下不起作用，等等。

三，準(zhǔn)備數(shù)據(jù)，這個工作通常由數(shù)倉團(tuán)隊(duì)完成，一些流量場景，需要采集數(shù)據(jù)的，也可以通過數(shù)據(jù)埋點(diǎn)平臺來自動完成。當(dāng)然，成熟的團(tuán)隊(duì)會通過建立自己的指標(biāo)體系，來靈活的支持業(yè)務(wù)的發(fā)展。

四，分析數(shù)據(jù)，以上文提到的現(xiàn)狀、原因與預(yù)測分析為例，可以衍生出很多相應(yīng)的分析方法。我們?nèi)粘Ｂ牭奖容^多的假設(shè)檢驗(yàn)、回歸分析、聚類分析等，都是在分析數(shù)據(jù)階段需要用到的專業(yè)知識。

常見的分析方法有：A/B測試、描述分析、假設(shè)檢驗(yàn)、信度分析、推斷分析、相關(guān)分析、回歸分析、聚類分析、時間序列分析…… 在使用分析方法時，需要注意的一點(diǎn)是口徑要一致，例如指標(biāo)的口徑范圍、計(jì)算方法、計(jì)量單位等進(jìn)行檢查。

五，展示數(shù)據(jù)，一般情況下是通過圖表和表格來展示數(shù)據(jù)，通常是能用圖說明的，就不要用表格，除非表格能夠提供更多的信息。

詳情見下圖。

所以有句話說道：數(shù)據(jù)分析無非四種方法：“比較”、“分布”、“構(gòu)成”、“聯(lián)系”。

六，報(bào)告撰寫，根據(jù)分析框架，圖文并茂的寫一個好故事吧，記得要有清晰的結(jié)論。

|0x04 A/B測試

俗話說，“增長團(tuán)隊(duì)有三寶：埋點(diǎn)、漏斗、AB測”，埋點(diǎn)是數(shù)據(jù)平臺的功能，漏斗是分析問題的思路，但為什么要單獨(dú)提一下A/B測試?是因?yàn)橛辛藬?shù)據(jù)分析的方法之后，我們還需要數(shù)據(jù)分析的平臺，來對分析的成果快速的進(jìn)行實(shí)驗(yàn)。可以說，A/B測試是支持?jǐn)?shù)據(jù)決策最有力的工具。

A/B測試針對2種以上的方案，不論是一整套產(chǎn)品方案，還是一個小元素的改動，只要變量是唯一的，那么我們就可以對同一組人群，進(jìn)行隨機(jī)的分組，在同等的時間維度內(nèi)，將實(shí)驗(yàn)組和對照組的結(jié)果進(jìn)行對比，來衡量那種方案更好。

其實(shí)很多開發(fā)與測試的同學(xué)不太理解A/B測試的重要性，因?yàn)閺拈_發(fā)的視角出發(fā)，這些內(nèi)容確實(shí)會增加很多的動作量。但如果從業(yè)務(wù)的角度出發(fā)，那作用可就大了，不論是爭議方案的對比、還是產(chǎn)品轉(zhuǎn)化率的提升、亦或是多個數(shù)據(jù)策略的貢獻(xiàn)分配、再或者是產(chǎn)品功能保持簡潔的方法，都需要大量的實(shí)驗(yàn)來驗(yàn)證我們的想法。在互聯(lián)網(wǎng)公司中，我們并不缺少想法，但我們需要驗(yàn)證想法的工具，讓數(shù)據(jù)來消除我們的收益淹沒、認(rèn)知偏差、僥幸心理和收益分配矛盾。

在實(shí)際的工作中，A/B測試并不簡單的代表分成兩個實(shí)驗(yàn)組，就完事了，因?yàn)槲覀冃枰紤]“辛普森悖論”的存在。辛普森悖論是指在某個條件下的兩組數(shù)據(jù)，分別討論時都會滿足某種性質(zhì)，可是一旦合并考慮，卻可能導(dǎo)致相反的結(jié)論。如果不了解辛普森悖論，盲目的解讀試驗(yàn)結(jié)論，很容易得出錯誤的結(jié)論。因此，我們通常會設(shè)計(jì)更多的參照，以驗(yàn)證我們想法的正確性，比如AA測試，或者AAB測試，這都需要一些經(jīng)驗(yàn)的累積。

36Kr曾在一篇報(bào)道中寫道，“頭條發(fā)布一個新APP，其名字都必須打N個包放到各大應(yīng)用市場進(jìn)行多次A/B測試而決定，張一鳴告訴同事：哪怕你有99.9%的把握那是最好的一個名字，測一下又有神馬關(guān)系呢?”

|0x05 數(shù)據(jù)化運(yùn)營

數(shù)據(jù)分析如果持續(xù)的做下去，那么它的目標(biāo)就不僅僅是運(yùn)營看板或者是分析報(bào)告了，而是走向“數(shù)據(jù)化運(yùn)營”的發(fā)展路線中。

“數(shù)據(jù)化運(yùn)營”的概念很火，但其實(shí)很多人對它有誤解，認(rèn)為這就是將“運(yùn)營”的工作線上化了而已，但其實(shí)不然。在百度百科中，對“數(shù)據(jù)化運(yùn)營”的定義是：“數(shù)據(jù)化運(yùn)營是指通過數(shù)據(jù)化的工具、技術(shù)和方法，對運(yùn)營過程中的各個環(huán)節(jié)進(jìn)行科學(xué)的分析，為數(shù)據(jù)使用者提供專業(yè)、準(zhǔn)確的行業(yè)數(shù)據(jù)解決方案，從而達(dá)到優(yōu)化運(yùn)營效果和效率、降低運(yùn)營成本、提高效益的目的。”

但在互聯(lián)網(wǎng)行業(yè)中，“數(shù)據(jù)化運(yùn)營”的核心思路在于，基于“用戶”的行為和屬性，對“用戶”進(jìn)行運(yùn)營。因?yàn)榛ヂ?lián)網(wǎng)產(chǎn)品的生命周期，就是一個閉環(huán)的模型：用戶獲取、用戶活躍、用戶留存、口碑傳播、付費(fèi)轉(zhuǎn)化。這其中的每一個環(huán)節(jié)，都是一個漏斗，通過對數(shù)據(jù)進(jìn)行分析，來運(yùn)營指標(biāo)的增長，或者是指導(dǎo)產(chǎn)品成長。例如最經(jīng)典的啤酒與尿布的故事，就是一個典型的場景，通過發(fā)現(xiàn)用戶行為的關(guān)聯(lián)，來設(shè)置合理的運(yùn)營策略，提升最終的產(chǎn)品銷量。

就像精益創(chuàng)業(yè)中提到的“MVP”理論一樣，不論是數(shù)據(jù)分析制定的各種策略，或者是企業(yè)的不同戰(zhàn)術(shù)打法，其實(shí)都不一定是奏效的，而在執(zhí)行策略的同時，通過數(shù)據(jù)的沉淀，來不斷驗(yàn)證策略打法的有效性，最終發(fā)現(xiàn)那個最合適的“MVP”功能，是數(shù)據(jù)化運(yùn)營的核心導(dǎo)向。

現(xiàn)在的數(shù)據(jù)化運(yùn)營體系已經(jīng)變得更加復(fù)雜，不僅是因?yàn)闃I(yè)務(wù)場景的設(shè)計(jì)越來越復(fù)雜，也因?yàn)闄C(jī)器學(xué)習(xí)、因果推斷等新技術(shù)的應(yīng)用，使得一些感性的數(shù)據(jù)能夠被利用起來，讓我們的運(yùn)營能夠更加清楚的看到業(yè)務(wù)與目標(biāo)的差距在哪里、應(yīng)該通過哪些手段來彌補(bǔ)GAP，調(diào)整方法會產(chǎn)生怎樣的影響，最終形成我們口中的“數(shù)據(jù)智能”。

|0xFF 尾記

KPMG(畢馬威)的Swami Chandrasekaran分享過一個數(shù)據(jù)科學(xué)家的學(xué)習(xí)路線圖，包括了數(shù)據(jù)的基本原理、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、數(shù)據(jù)可視化、大數(shù)據(jù)處理等方面的推薦知識，感興趣的可以學(xué)習(xí)一下。原本是2013年寫的，部分內(nèi)容可能需要更新，但個人覺得這種類似地鐵線路圖的方式，很適合作為自己學(xué)習(xí)的思維導(dǎo)圖。

圖片