一文读懂数据分析的流程和方法论

关于数据分析,这里想站在更宏观更为实际的角度讲一下。

这里要讲的数据分析可能并不是某一个细小的事件,更多的是站在一项业务上去考虑,流程和工作量都要更为庞杂些

数据分析的方法论

讲方法论之前,先思考什么情况需要数据分析?

通常情况下是当领导或者自己发现某个问题,比如这一阵销售额低迷,存货量居高不下,客户流失率只增不减……这样的一个一个问题,可以称之为“”。

于是,第一时间对比自己的目标,这个月的销售额是要达到多少多少万,但是目前的问题是完全不符合自己的KPI的,所以会促使你去分析原因,找到解决的措施。问题与目标对接,两点成为一“线”。

撇开流程,在业务外,是否有外部因素影响到了数据,这也是需要考虑的,一条直线和直线外一点,构成“”,这里就强调分析问题要全面。

多面成,如果说能够考虑到影响目标结果的各个因素点,那么体则是从多面角度出发,能够从“旁观者”的角度看待整个分析“体”,更多的是强调全局观。

以上就是针对实际业务的一个分析方法论,要形成体,一方面要梳理组织架构,让数据在各个环节流程上流通起来,另一方面则需要一套行之有效的方法体系,指导日常的运营分析,而这个方法论就是我要提出的“点、线、面、体,四位一体方法论”。

点,这里是指业务上的痛点或high点,进一步可理解为业务发展异常点或进阶发展点,未来业务拓展关键点和BOSS关注点等。在数据上则体现为业务发展趋势中的波峰、波谷和数据离散点。

点是我们在数据运营中首先要关注的地方,是整个数据运营分析中的起点和基础点,也是“点、线、面、体”四位一体方法论中最基础的元素,是整个数据运营进程的扩展点。例如我们平时在网站或APP分析过程中,发现某一天的访客数明显低于正常水平,那么是什么原因导致这个异常点出现呢?又比如当月的销售量,某日的销售量明显低于其他什么原因引起的?此时的这个点就是我们数据运营的切入点。

点的发现关键在于数据的统计整理,形成规范,找出规律和切入点。比如我关注流量这一指标,通过可视化分析工具将各时段的流量数据抽取出来,前端做成一个dashboard界面,利用时间和查询控件供自助查询。

线

两点成一线,推己及人,将业务中的异常点和我们日常运营目标有效的结合起来,就能形成一条清晰的数据运营分析线。除此之外,在数据运营数据积累过程中,随着时间的推进,也能形成一条它自己的“时间序列曲线”,进而在分析过程中实现数据的时间价值。线的分析是实现数据与数据关联的过程,是看趋势的过程,是实现数据的时间价值与串联识别价值的过程。

另一方面,线的分析是维度分析的基础,思考问题的开始,这个过程有如数据在数据库中实现上下钻取、OLAP分析的过程。理解线的分析,一方面通过对运营目标的分析,来反思影响这一目标的各指标权重影响,简单点说,哪个因素发生变化会对销售量产生巨大影响,那这个指标的权重就越大,需要控制好。另一方面,比如分析流量在某一天下滑对月度销售额的影响,从流量下滑这一点出发,到对目标结果影响这一点关联分析的过程。一个是从结果出发分析影响因素,一个是从过程出发预测对关注目标的影响。“线”的分析在数据分析操作上体现在分析模型的建立,各指标的关联。

面在“直线”分析的基础上将外部影响因素“点”考虑进来,形成对目标分析更周详的考虑。面的分析一线与多点的考虑,面比较点和线多的是辐射的影响与考量,是点、线分析整合的基础上引入了运营场景的考量,并将不同数据运营过程场景化,简单的讲,一个场景就代表一个面。

理解面的分析方法,应从应用场景方面考量,考量各方影响因素。因为“面”,所以有了数据的角色化、场景化。

同样是销售的分析,对内受一些列因素影响,比如营销力度、人员分布。但放到市场环境中也会受到来自同行或者同产业链的辐射影响。有些企业会将市场环境因素纳入到分析监控中。

多面成体。如果说面是考虑到了影响店与目标结果的各个因素,那么体则是从多面角度出发,能够从“旁观者”的角度看待整个分析“体”,更多的是强调全局观,是对整个分析体系的认知,是对点、线、面的全面整合,是完成的数据运营体系。

点、线、面、提“四位一体”方法论是一个层层递进的过程,是对运营业务场景分析从简单到复杂的过程,从局部到全局的过程,是利用数据运营的思维方法。

业务分析的流程

明确分析目的→梳理业务形成分析思路→搭建分析指标体系→收集数据→处理数据→制作分析模板→可视化管理。

《一文读懂数据分析的流程和方法论》

明确分析目的&梳理业务

分析要有目的有方向。是对现在面对的某个问题分析,还是梳理整体的业务现状,抑或是对未来某个指标的预测监控。简单来讲,就是解惑、监控、预测,目的是提效、增益

明确目的后,需要梳理思路,怎么梳理?如果是分析近一个月销售额普遍下降的原因点,就要从下至上,还原整个事情进展的过程。购买环节涉及成交量、客单价和折扣率,然后还要分各类产品;浏览环节涉及浏览量、PV/UV;用户维度还有流失率、活跃度、复购率等等,把分析目的分解成若干个不同的分析要点,然后针对每个分析要点确定分析方法和具体分析指标。

搭建分析指标体系

搭建分析指标体系就是分析整个“体”,将分析框架的体系化,明确每个点都是什么指标,任何一个分析路径都能对应到指标(当然现实是不会有这么完美的体系的)。

以电商为例,遵循“人货场”的思维逻辑。常用的业务分析场景有销售、商品、渠道、竞品、会员等等,而商品可进一步细分为商品的库存、商品的利润以及关联销售分析。在整个业务分析体系中,确保体系化,即先分析什么,后分析什么,使得各个分析点之间具有逻辑联系,使分析结果具有说服力。

《一文读懂数据分析的流程和方法论》

如何取数?

SQL是最基本的数据库语言,无论从什么数据库、数据仓库、大数据平台取数,都需要掌握。

Hive和Spark都是基于大数据的,Hive可以将结构化的数据文件映射为一张数据库表,通过类SQL语句快速实现简单的MapReduce统计。

清洗和处理数据

原始数据来自于各个业务系统,指标口径对不上,总会出现不一致、重复、不完整(感兴趣的属性没有值)、存在错误或异常(偏离期望值)的数据。这些都可以通过

数据清洗:去掉噪声和无关数据

数据集成:将多个数据源中的数据结合起来存放在一个一致的数据存储中

数据变换:把原始数据转换成为适合数据挖掘的形式

数据归约:数据立方体聚集,维归约,数据压缩,数值归约,离散化和概念分层等

制作模板&可视化展示

分析模板多用excel或者报表工具。如果业务部分有设立数据分析岗或者集团有特定的数据中心团队,会通过搭建BI平台来完成针对性的业务分析。

《一文读懂数据分析的流程和方法论》

使用常规Excel或者传统报表工具,可以将做成的图表贴至PPT中,涉及Excel的高级功能,就需要学习VBA和数据透视表,但Excel适合已经处理好的成品数据。一旦涉及大数据量或频繁链接数据库,一些带有接口的数据可视化工具或报表工具就比较适合。

BI软件推荐FineBI(直接点击进入),好用到忘不了!没有英文烦恼,而且对个人免费哟!

    原文作者:帆软
    原文地址: https://www.jianshu.com/p/7d8af5e5781b
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞

发表评论

电子邮件地址不会被公开。 必填项已用*标注