這篇文章講解一些數(shù)據(jù)分析的知識，因為不論是開發(fā)、分析師、產(chǎn)品、運營，在數(shù)字化時代，掌握數(shù)據(jù)分析的基本概念，是一項必備的工作技能。我們經(jīng)常提到的“數(shù)據(jù)Sense”，也可以概括為“數(shù)據(jù)分析思維”。

本文包括如下四個部分： 

1.為什么數(shù)據(jù)分析很重要 ；

2.常見的分析方法有哪些 ；

3.數(shù)據(jù)驅(qū)動的一些方法論 ；

4.數(shù)據(jù)分析師的技能進階。

|0x00 為什么數(shù)據(jù)分析很重要

第一個層面，統(tǒng)計學(xué)依舊是數(shù)據(jù)分析的核心方法。

我們先來看一下數(shù)據(jù)分析的定義：“為了提取有用信息和形成結(jié)論而對數(shù)據(jù)加以詳細研究和概括總結(jié)的過程”，數(shù)據(jù)分析是基于統(tǒng)計學(xué)的方法，來對社會科學(xué)的問題提供嚴(yán)謹(jǐn)?shù)姆治龇椒ê凸ぞ?。盡管大數(shù)據(jù)技術(shù)的出現(xiàn)，大大擴展了統(tǒng)計學(xué)研究的領(lǐng)域邊界，但大數(shù)據(jù)技術(shù)并沒有改變統(tǒng)計學(xué)通過隨機抽樣推斷總體分布特征的基本思想，大多數(shù)統(tǒng)計學(xué)的基本方法，如因果推斷、充分性原則、數(shù)據(jù)歸納等，甚至因為大數(shù)據(jù)技術(shù)的普及而得到了增強。通過大數(shù)據(jù)技術(shù)的加持，很多重要的社會經(jīng)濟心理變量變得可以構(gòu)建，如居民幸福感、投資人情緒等，而實時技術(shù)的發(fā)展甚至使得實時預(yù)測變成了可能。

第二個層面，數(shù)據(jù)分析對業(yè)務(wù)的發(fā)展有指導(dǎo)意義。

還是引用管理學(xué)大師“彼得·格魯克”的名言：“You cannot impove it if you cannot measure it”，只有我們找到業(yè)務(wù)發(fā)展的關(guān)鍵衡量標(biāo)準(zhǔn)，也就是“北極星指標(biāo)”之后，我們才能夠針對性的優(yōu)化業(yè)務(wù)?；ヂ?lián)網(wǎng)上有一句廣而流傳的話，谷歌分析推廣人之一Avinash Kaushik的名句：“All data in aggregate is crap. Segment or die. ”，意思是“所有的總和數(shù)據(jù)都是垃圾，要么分組，要么去死”。匯總數(shù)據(jù)會掩蓋很多問題，對數(shù)據(jù)的下鉆分析才能獲得趨勢發(fā)生的真正原因，才能夠了解如何優(yōu)化“北極星指標(biāo)”。當(dāng)今互聯(lián)網(wǎng)人口紅利逐步消失的前提下，對業(yè)務(wù)數(shù)據(jù)的深入理解和分析，才能夠讓業(yè)務(wù)維持高質(zhì)量的增長。

綜上，數(shù)據(jù)分析至今仍然很重要，如果想了解自己的工作能產(chǎn)生怎么樣的價值，數(shù)據(jù)分析知識，就是數(shù)據(jù)從業(yè)者必備的“數(shù)據(jù)Sense”。

|0x01 常見的分析方法有哪些

數(shù)據(jù)分析師的崗位技能，要求能夠有條理有體系的來分析問題、解決問題，我們需要借鑒一些常見的分析方法，以快速定位問題的根本原因。

分析方法包括兩個部分，一種是宏觀的戰(zhàn)略分析，另一種是微觀的數(shù)據(jù)分析。

宏觀的戰(zhàn)略分析，主要包括：

PEST分析，通過研究政治(Politics)、經(jīng)濟(Economy)、社會(Society)、技術(shù)(Technology)四個方面，來分析企業(yè)經(jīng)營所面臨的的宏觀經(jīng)濟狀況；

SWOT分析，通過研究優(yōu)勢（Strengths）、劣勢（Weaknesses）、機會（Opportunities）和威脅（Threats），來動態(tài)的分析企業(yè)內(nèi)外部的競爭現(xiàn)狀；

波特五力模型，通過分析同行業(yè)內(nèi)現(xiàn)有競爭者的競爭能力、潛在競爭者進入的能力、替代品的替代能力、供應(yīng)商的討價還價能力與購買者的議價能力，來分析企業(yè)的競爭戰(zhàn)略策略。

宏觀分析雖然對于我們的日常工作而言，主題太大，但其實對于一些特定的行業(yè)，如保險、醫(yī)療、在線教育、互金、物流等，分析政策、法規(guī)、風(fēng)險等考量因素，還是很有幫助的。

接下來我們講更加常見的微觀數(shù)據(jù)分析方法，這里列幾個常見的方法，并附帶一個小Case。

第一個要講的是假設(shè)檢驗。

假設(shè)檢驗分析，又稱統(tǒng)計假設(shè)檢驗，是用來判斷樣本與樣本、樣本與總體的差異是由抽樣誤差引起還是本質(zhì)差別造成的統(tǒng)計推斷方法。主要分成三個步驟：1、提出假設(shè)；2、收集證據(jù)；3、得出結(jié)論。

假設(shè)檢驗主要依據(jù)邏輯推理，來分析問題發(fā)生的原因，因此在歸因分析中也常常被用到。

例如我們的北極星指標(biāo)下降了，我們需要找出對應(yīng)的原因，初步設(shè)想有三種可能性，即用戶問題、產(chǎn)品問題或者是競品問題。

從這三個方面，我們能夠提出三種假設(shè)：

假如用戶有問題，那么我們可以從業(yè)務(wù)鏈路圖來分析問題，或者是多維度分析來進行拆解；

假如產(chǎn)品有問題，那么可以研究最近上線的產(chǎn)品功能，是否符合用戶需求；

假如競品有問題，那么可以通過外部市場信息，來調(diào)研競品是不是在大規(guī)模的補貼推廣。

在初步得到結(jié)論之后，分析的過程通常還要繼續(xù)，多問幾個為什么，然后繼續(xù)用數(shù)據(jù)的方法來驗證原因，直到找到問題的根源。

第二個要講的是邏輯樹分析法。

邏輯樹分析法理解起來比較容易，是把復(fù)雜的問題拆分成幾個簡單的問題，然后像樹木的樹干那樣，把問題逐步展開，通過解決單個的子問題，進而得到匯總的問題答案。

例如，同樣分析利潤增長緩慢的原因，我們可以通過邏輯樹的方式，把問題拆分成：收入、成本、毛利三個維度，然后依次分析各個維度的問題。

收入需要考量客戶量、客戶質(zhì)量、付費率、付費意愿等問題；成本需要考量廣告成本、人工成本、促銷策略等問題；毛利需要考量倉配客、渠道質(zhì)量等問題。最后通過各個子問題的匯總，得出真正的原因。

邏輯樹有三個基本原則，即

要素化：把相同問題總結(jié)歸納成要素；

框架化：將各個要素組織成框架，遵守不重不漏的原則；

關(guān)聯(lián)化：框架內(nèi)的各要素保持必要的相互關(guān)系，簡單而不孤立。

第三個講一下群組分析。

群組分析是按照某個特征，將數(shù)據(jù)劃分成不同的組，如時間、興趣等，通過對比組與組之間的數(shù)據(jù)差異，來對問題進行對比。

群組分析對于產(chǎn)品生命周期不同階段的分析很有幫助，如新發(fā)布的版本效果如何，通過時間將用戶劃分成不同的群組，然后比較不同組之間的留存率，來分析用戶留下或者離開的原因。

舉個例子，視頻平臺的用戶，需要充值為VIP才能看到平臺獨占的電視劇，但用戶可以在任意月份取消訂購，這類取消訂購的用戶就是流失用戶。為了分析用戶為什么流失，我們可以使用群組分析方法。

通過把每個組的數(shù)據(jù)繪制成一條折線，橫軸是時間，縱軸是留存率，然后比較各個組的折線，我們通常能很容易的看出，不同時間留存率是有較大差異的，原因大體如下：

產(chǎn)品最近上線了某些新功能，但是這些新功能并不適合新用戶；

市場最近在進行推廣活動，帶來了新用戶，但是公司的產(chǎn)品對這些新用戶沒有價值，導(dǎo)致用戶流失。

再配合前文提到的假設(shè)檢驗，進一步分析問題的根本原因，這樣我們就形成了一些比較固定的分析方法：1. 群組分析，找到留存率比較低的組；2. 假設(shè)檢驗，提出問題，驗證為什么留存率這么低。

不同策略的相互組合，就形成了我們自己的分析方法論。

當(dāng)然，數(shù)據(jù)分析的方法還有很多，這些都需要通過日常的學(xué)習(xí)和實踐，來一點點的總結(jié)完善。

|0x02 數(shù)據(jù)驅(qū)動的一些方法論

數(shù)據(jù)驅(qū)動的意思，簡單來講，就是針對已經(jīng)數(shù)字化的業(yè)務(wù)，如電商、視頻等，通過數(shù)據(jù)來分析問題的原因，并提出優(yōu)化解決的方法，來驅(qū)動業(yè)務(wù)增長、或者是產(chǎn)品迭代。這是互聯(lián)網(wǎng)行業(yè)保持增長的訣竅，也是數(shù)據(jù)從業(yè)者需要掌握的業(yè)務(wù)方法，更是評價一個人工作能力的重要衡量標(biāo)準(zhǔn)。

數(shù)據(jù)驅(qū)動通常由如下的流程構(gòu)成：

定性分析數(shù)據(jù)，以發(fā)現(xiàn)問題；

定量分析數(shù)據(jù)，以確定影響面；

調(diào)研公司、競對和業(yè)界的通行做法；

預(yù)估解決問題后的效果；

設(shè)計相應(yīng)的實驗機制；

AB測試得出實驗結(jié)論；

上線并跟蹤策略后續(xù)的變化情況。

這里有一些知識是數(shù)據(jù)分析需要涉及的，即定性、定量分析，AB測試。其他的部分通常由工程組來實現(xiàn)相應(yīng)的功能。

定性分析，是對研究對象進行“質(zhì)”的研究，分析內(nèi)在規(guī)律；定量分析，是對研究對象進行數(shù)量的研究，描述相互作用與發(fā)展趨勢。

舉個例子，通過數(shù)據(jù)，我們發(fā)現(xiàn)了電商場景中的“下單到支付轉(zhuǎn)化率低”的問題，需要分析問題。我們通過分組+漏斗的方法，發(fā)現(xiàn)部分商品存在這個問題，然后通過抽樣看數(shù)據(jù)，分析發(fā)生問題的原因，大概是因為虛假價格，這個就是定性分析。定位到原因后，我們選取抽象商品，通過人工評估虛假價格的比例，來推斷總體的影響范圍，就是定量分析。

接著，我們定了一些策略，需要驗證這些策略對于“下單到支付轉(zhuǎn)化率低”問題的影響，就需要進行實驗對比。

AB實驗是指，針對同一個存在2種及以上解決方法的問題，對同一組人群進行隨機分組，在同一時間維度內(nèi)，進行實驗組和對照組的實驗，通過少量且相同的衡量指標(biāo)，衡量哪套解決方案的結(jié)果表現(xiàn)更好。當(dāng)然，這么做的前提，是需要樣本量足夠，但對于已經(jīng)數(shù)字化的互聯(lián)網(wǎng)業(yè)務(wù)而言，通常都不是困難的事情。

通過分析AB實驗后，不同策略的效果對比數(shù)據(jù)，看我們的策略是否能帶來預(yù)期的正向效果，如果是則可以上線。上線之后，再進行定量的數(shù)據(jù)分析，看問題解決的程度。

以上就是數(shù)據(jù)驅(qū)動的一些常規(guī)方法。

|0xFF 數(shù)據(jù)分析師的技能進階

數(shù)據(jù)分析師也需要懂算法。

很多時候，分析師也跟開發(fā)一樣，分成“向前”和“向后”兩種角色?！跋蚯啊钡慕巧N著業(yè)務(wù)走，能夠發(fā)現(xiàn)業(yè)務(wù)中存在的問題，尋找相應(yīng)的優(yōu)化點；“向后”的角色更多是落地實現(xiàn)一個功能，能夠優(yōu)化算法或者試驗方法，更像后端，但更智能化。

盡管統(tǒng)計學(xué)能夠為我們提供非常不錯的分析方法，但世間的問題也不都是統(tǒng)計學(xué)能夠概括的，很多方向的分析師，依然需要掌握算法來應(yīng)對工作的需要。

例如最典型的“供需匹配”問題，因為量變引起質(zhì)變。

過去互聯(lián)網(wǎng)的發(fā)展歷史中，不論在B2C、C2C、B2B、B2B2C哪個地方，我們都建立了準(zhǔn)確的畫像體系，不僅是用戶畫像，還有供應(yīng)商畫像，實現(xiàn)了千人前面的用戶管理，更好的做供需管理匹配。后來，這套機制衍生到了其他方面，視頻的個性化推薦、網(wǎng)約車管理，都屬于供需匹配的一部分。

但如何在千萬級甚至億級的商品里面去做匹配召回，如何在海量數(shù)據(jù)中匹配線索，如何明確哪些人群是我們的目標(biāo)人群，如何把信息流推薦給最合適的人，又如何衡量這些效果…… 很多方案，需要綜合考慮，到底是通過基于統(tǒng)計學(xué)的數(shù)據(jù)分析去形成規(guī)則，還是需要通過算法去挖掘特征，都是達成目標(biāo)的途徑。

大公司由于資源豐富，通常兩者會并行，從某種程度也就嚴(yán)格的區(qū)分了數(shù)據(jù)分析和數(shù)據(jù)算法間的職責(zé)邊界；而中小企業(yè)資源有限，可能造成分析即算法的現(xiàn)象。

與之類似的，還有風(fēng)控、知識圖譜等領(lǐng)域，除了人力的覆蓋，需要機器的介入，才能效果的最優(yōu)化。

其實，數(shù)據(jù)分析師的成長，更像是一場馬拉松長跑，因為需要接觸的知識很多，能夠合理分配自己的時間和精力，經(jīng)常提醒自己核心目標(biāo)是什么，才能把事情做好，在漫長的長跑過程中不掉隊。分析只是一個技能，把它作為人生的職業(yè)，更需要貼切實際場景，貼近公司發(fā)展，做出相應(yīng)合理的策略。