其实数据分析自古有之，古代很多名人从事的其实就是数据分析的工作，他们的名称可能不是数据分析师，更多的是丞相、军师、谋士，如：张良、管仲、萧何、孙斌、鬼谷子、诸葛亮。他们通过“历史统计--经验总结--预测未来”为自己的组织创造了极大的价值。
而在计算机和互联网领域，推崇的是精益创业--MVP(最简化可行产品)的理念，通过小步快跑的方式来不断优化产品、增长用户。大胆尝试，将想法转化成产品和运营方法，然后分析其中的数据，衡量产品或者运营的效果。如果好的话保持并大力推广，如果不好的话总结问题及时改进。
做大事情总要先讲究方法论，例如《XX论》揭露了资本主义的血腥成长，《XX思想》指导了红星两万五。
方法论是从宏观角度出发，从管理和业务的角度提出的分析框架，指导具体分析的方向。企业常用的数据分析方法论很多，例如：SWOT分析法(优势、劣势、机遇、威胁)；5W2H分析法(Why、When、Where、Wht、Wh、H、H_h)；**理论(产品、价格、渠道和促销……
方法论千千万万，但有一种方法论非常契合互联网企业--AARRR海盗法则(获取、激活、留存、变现和推荐)。对于互联网产品而言，用户具有明显的生命周期特征，灵活运用AARRR的五个环节，通过数据指标来衡量与分析，从而实现精益化运营的目的，每个环节的提升都可以有效增长业务。
方法论有了，那么接下来就是具体的数据分析方法。
首先是趋势分析，趋势分析是最简单、最基础，也是最常见的数据监测与数据分析方法。通常我们在数据分析产品中建立一张数据指标的线图或者柱状图，然后持续观察，重点关注异常值。
如果我们将OKM下载量作为第一关键指标，可能就会走偏，因为用户下载软件并不代表他一定会使用它。在这种情况下，建议将DA(日活跃用户)作为第一关键指标，而且是启动并且执行了某个操作的用户才能算上去，这样的指标才有实际意义。
然后是多维分解，多维分解是指从业务需求出发，将指标从多个维度进行拆分。为什么需要进行多维拆解？有时候一个非常笼统或者最终的指标你是看不出什么问题来的，但是进行拆分之后，很多细节问题就会浮现出来。
接着从多维度对用户进行分群，在用户分群的基础上，一般抽取3-5个用户进行细查(邮件调查)，即可覆盖分群用户大部分行为规律。用户行为数据也是数据的一种，观察用户在你产品内的行为路径是一种非常直观的分析方法。
漏斗分析，漏斗是用于衡量转化效率的工具，要尽可能将OKM用户转化为注册用户。
留存分析，顾名思义就是新用户留下来持续使用产品的含义。我们可以从两个方面去分析留存，一个是新用户的留存率，另一个是产品功能的留存。
A/B测试与A/A测试，A/B测试是为了达到一个目标，采取了两套方案，一组用户采用A方案，一组用户采用B方案。通过实验观察两组方案的数据效果，判断两组方案的好坏。
在A/B测试方面，谷歌是不遗余力地尝试；对于搜索结果的显示，谷歌会制定多种不同的方案(包括文案标题，字体大小，颜色等等)，不断来优化搜索结果中广告的点击率。A/A测试是评估两个实验组是否是处于相同的水平，这样A/B测试才有意义。其实这和学校里面的控制变量法、实验组与对照组、双盲试验本质一样的。
把事情搞得那么复杂，金韶贤一个人忙得过来吗。
只靠个人力量当然不行，但人类的智慧是无限且传承的，所以有了计算机，所以有了专业数据分析软件。
Crystl_Reprt，全球最流行的报表工具，还有可视化的Tble报表。如果觉得专业软件难以下手，那还可以尝试
Eel加插件XLSTAT的常见组合。
SAS统计分析系统，被誉为数据统计分析的标准软件，共有三十多个功能模块，具有完备的数据存取、数据管理、数据分析和数据展现的系列功能。
SPSS，社会科学统计软件包，操作方便、方法齐全、直观输出，堪称最强预测分析软件。
金韶贤就是使用这些软件进行数据分析，虽然它们难用且贵，但在未来十年内还是得依靠它们，直到大数据的出现。
数据分析按部就班，金韶贤真正上心的是推荐算法。用过带歌单的播放器的用户都清楚，每天都会有一堆歌单推荐给你，觉得不好换一换，随着推荐歌曲越来越中心意，也就懒得搜索歌曲来听了。
↑返回顶部↑