“你做數據分析的方法論是什么？”這個問題讓很多新手同學兩股戰戰。啥是數據分析方法論？每天select from有啥方法論？難倒很多同學。

其實所謂方法論就是處理具體問題的套路。只要大家把數據分析運用到實際業務中，肯定都多多少少有一些，只是缺乏整理匯總而已。今天我們就講一個最最最簡單的方法論：OSM模型，幫大家找點信心。

1、OSM模型是什么

OSM模型是三個詞縮寫：

目標Objective

策略Strategy

度量Measurement

它是一套業務分析框架，非算法模型。適用于：目標已經清晰，行動方向已經明確的情況。當清晰目標以后，需要制定執行計劃。OSM模型，就是把宏大的目標拆解，對應到部門內各個小組具體的、可落地、可度量的行為上。從保證執行計劃沒有偏離大方向。

舉個簡單例子：某生鮮電商APP，給運營部門目標：提升沉睡用戶付費激活率，至少提高一倍吧。

第一步：把語文變成數學，定義O（如下圖）。

圖片

第二步：梳理流程，找到可改善的S（如下圖）。

圖片

第三步：為每個S梳理子指標，便于后期執行（如下圖）。

圖片

三步，就搞掂了一個數字化執行計劃。下邊可以推動創意設計，或者直接交付執行監控了。這個方法非常簡單，其實和平時拆解監控指標的做法差不多，就是多加了一步：對應業務策略而已。所以很容易上手。

2、OSM模型的用法

OSM模型有正向和反向使用兩種用法：

1、正向使用：在項目開始前，分解大目標，明確行動和每個行動考核指標。這是上邊的例子所演示的工作流程。如果企業數據驅動氛圍很好，理應這么工作。

2、反向使用：項目前期沒有做啥籌備，事后復盤發現一堆問題。這時候想要檢討為啥做爛了，也能按這個思路，把項目中做的事一一梳理出來，看這些事能影響什么子指標，實際影響到了沒有，這些子指標和大目標之間有啥聯系。

在數據驅動氛圍不好的企業里，反向使用的用處更大！因為很多企業就是干事拍腦袋，出事拍大腿。在策劃階段壓根沒有動腦子：

1. 過去這么干，所以現在這么干
2. 別人這么干，所以我們這么干
3. 領導說咋干，所以咱就這么干
4. 朋友圈干了，所以俺們跟著干

至于這么干：

• 有沒有影響？
• 能有啥影響？
• 影響到了誰？
• 與大目標有沒關系？
• 與大目標有多大關系？

這時候重新復盤是很有必要的。通過OSM梳理，能發現一些明顯然并卵的行為，從而積累分析經驗，避免下一次犯錯。

比如還是上邊的例子。

聽著牛逼但沒用的S：比如建立精準的用戶流失預測模型。聽起來很牛逼，可實際上預測完了對指標有改善嗎？屁用沒有，最后還是得發信息、派券、選商品。沒有模型這些照樣做，有了模型這些也得做。所以建立精準預測，就應該只是一個二級小行動，不能放在一級行動。

有用，但只有局部用處的S：比如在APP內派券。注意，我們是針對已注冊但至少30天未購貨用戶。所以單純的站內派券，只能影響仍有登錄的部分用戶。這時候可以看：到底這些用戶有多大比例會登錄，未登錄的部分是明顯沒影響的。

全局有用，但用處有限的S：比如做個花里胡哨的簽到，澆水種樹送果實，養金豬什么的。你看人家并夕夕都在用呢！聽起來能影響全局，但是很有可能落地完了響應率、打卡完成率低的一塌糊涂。這時候可以就能判斷，這玩意看著香，吃起來臭。

總之，即使公司數據驅動程度很低，也不影響數據分析師利用OSM方法積累經驗。只要我們自己能梳理清楚流程，熟悉流程上常見的業務玩法，是能基于OSM，診斷業務問題的。

3、還有哪些數據分析方法

數據分析本身是個名詞，就和“打”“吃”“說話”一樣，如果脫離“打什么”“吃什么”“說什么”，空談方法論，是很奇怪的。

請問：怎么吃？——臥槽哥哥你在問什么呀

請問：買了一只河豚怎么吃？——誒呀，這個就專業了！

所以脫離業務流程和業務場景，企圖純粹的談數據分析方法論，就容易陷入形而上學的窘境，講了一堆聽起來牛逼但是很虛的東西。所以想講清楚方法論，一定要具體一些。

站在業務流程角度，有5個大環節可以產生分析方法（如下圖）。

圖片