運(yùn)營必備的數(shù)據(jù)分析入門知識(shí)：5種分析類型+2類分析方法

↑點(diǎn)擊關(guān)注↑開啟精益成長

上一篇文章《如何設(shè)計(jì)一套“看得明、埋得準(zhǔn)、實(shí)施快”的埋點(diǎn)方案》中，我們詳細(xì)介紹了埋點(diǎn)方案的設(shè)計(jì)流程、三大組成等，帶領(lǐng)大家落地如何拉通各個(gè)部門，形成一套讓非技術(shù)人員看得懂、且達(dá)成認(rèn)知一致的；讓技術(shù)人員看得明、埋得準(zhǔn)、實(shí)施快的埋點(diǎn)方案。

埋點(diǎn)方案實(shí)施完畢后，數(shù)據(jù)便可以通過易觀方舟自定義可視化呈現(xiàn)。接下來，我們就可以進(jìn)入到“理數(shù)——收數(shù)——看數(shù)——用數(shù)”數(shù)據(jù)運(yùn)營閉環(huán)的“看數(shù)”環(huán)節(jié)。

這個(gè)環(huán)節(jié)最重要的就是數(shù)據(jù)分析，其實(shí)質(zhì)就是通過數(shù)理思維來推導(dǎo)、指導(dǎo)我們的運(yùn)營工作。數(shù)字化時(shí)代，數(shù)據(jù)分析思維和數(shù)據(jù)洞察能力將成為運(yùn)營的核心競爭力之一。

作為運(yùn)營，數(shù)據(jù)分析有時(shí)候是為了探究發(fā)生了什么、有時(shí)候是為了找到某件事情發(fā)生的原因，還有時(shí)候是為了預(yù)測分析可能會(huì)發(fā)生某件事情......

在正式進(jìn)行數(shù)據(jù)分析之前，我們需要弄清楚數(shù)據(jù)分析的5種類型。這里總結(jié)了5種數(shù)據(jù)分析的類型，從描述性分析到規(guī)范性分析，數(shù)據(jù)分析的復(fù)雜性和工作量隨之增加，且越往后越依賴機(jī)器。

描述性分析是任何數(shù)據(jù)分析過程的起點(diǎn)，旨在回答發(fā)生了什么的問題，是我們通過對(duì)各種來源的原始數(shù)據(jù)進(jìn)行整理，再將其轉(zhuǎn)化為對(duì)業(yè)務(wù)有價(jià)值的洞察。

通過易觀方舟可視化看板，我們可以將采集的數(shù)據(jù)自定義可視化成線圖、柱狀圖、氣泡圖等，很直觀地看到發(fā)生了什么。

易觀方舟數(shù)據(jù)看板示例

顧名思義，探索性分析的主要目的是探索，其最典型的應(yīng)用領(lǐng)域就是數(shù)據(jù)挖掘。通過探索性分析，能夠幫助我們發(fā)現(xiàn)原本不相關(guān)事物之間的數(shù)據(jù)變量聯(lián)系。

數(shù)據(jù)挖掘領(lǐng)域有一個(gè)典型的案例：沃爾瑪通過數(shù)據(jù)挖掘，發(fā)現(xiàn)紙尿褲與啤酒的銷量數(shù)據(jù)呈相關(guān)關(guān)系。于是，調(diào)整了超市貨架的擺放位置，將紙尿褲與啤酒放在相近的位置，沒想到雙雙增加了這兩種完全不同品類的銷量。

診斷性分析是最常見的數(shù)據(jù)分析類型。運(yùn)營人員通過診斷性分析能探究某件事情發(fā)生的原因，引發(fā)這件事情的前置事件是什么，這件事情發(fā)生后又會(huì)引發(fā)什么后置事件。

例如，某天客戶電話投訴突然減少：為什么會(huì)發(fā)生這種情況？通過數(shù)據(jù)分析發(fā)現(xiàn)，可能是因?yàn)楣蛡蛄诵驴头⒒蛘弋a(chǎn)品的某個(gè)界面添加了投訴功能等。

如果能知道某件事情發(fā)生的原因以及是如何發(fā)生的，我們將能很快確定解決問題以及面臨挑戰(zhàn)的具體可落地方法。

預(yù)測性分析通過分析已知的數(shù)據(jù)假設(shè)未來，回答將來會(huì)發(fā)生什么的問題。預(yù)測性分析不僅會(huì)用到前文所提到的3種數(shù)據(jù)分析類型，還需要用到機(jī)器學(xué)習(xí)（ML）和人工智能（AI）等前沿的數(shù)據(jù)科學(xué)技術(shù)。

例如，根據(jù)某零售店過去5年的銷售數(shù)據(jù)，我們能預(yù)測該零售店下個(gè)月、下個(gè)季度的總銷售額，以及某個(gè)單品的銷量。

通過預(yù)測性分析，不僅可以了解事情的發(fā)展趨勢、模式以及某件事情發(fā)生的原因；還可以根據(jù)某件事情在特定領(lǐng)域的發(fā)展現(xiàn)狀，做出明智的預(yù)測。易觀方舟內(nèi)置用戶流失預(yù)警、商品銷量預(yù)測等預(yù)測模型，大幅提升運(yùn)營競爭力。

規(guī)范性分析是最高級(jí)的數(shù)據(jù)分析類型，通過以上所有數(shù)據(jù)分析，并結(jié)合數(shù)據(jù)模型，回答要采取什么行動(dòng)的問題。規(guī)范性分析會(huì)分析多個(gè)場景，預(yù)測每個(gè)場景的結(jié)果，并根據(jù)結(jié)果決定哪個(gè)是最佳行動(dòng)方案。

人工智能（AI）是處于數(shù)據(jù)分析前沿的規(guī)范性分析的例子。人工智能（AI）建立在大數(shù)據(jù)的基礎(chǔ)之上，通過攝取和分解大量的數(shù)據(jù)，自學(xué)如何使用數(shù)據(jù)信息并做出明智的決策。

我們在進(jìn)行數(shù)據(jù)分析時(shí)，大多是進(jìn)行描述型分析、探索型分析和診斷型分析，預(yù)測性分析和規(guī)范性分析大多交由機(jī)器去學(xué)習(xí)和解決。

回到數(shù)據(jù)分析的實(shí)際應(yīng)用中，不管是產(chǎn)品迭代優(yōu)化分析，還是運(yùn)營活動(dòng)分析等，似乎總會(huì)涉及到很多數(shù)據(jù)分析的方法。

但萬變不離其宗，最終總結(jié)下來其實(shí)都是這5種方法或者他們的交叉組合。如下圖所示，易觀數(shù)科將其總結(jié)為數(shù)據(jù)分析的三板斧和雙股劍。

趨勢分析可以說是最基礎(chǔ)且最常用的數(shù)據(jù)分析方法。通過對(duì)有關(guān)指標(biāo)的各期對(duì)基期的變化趨勢的分析，分析該指標(biāo)的趨勢變化，從中直觀地發(fā)現(xiàn)問題，讓運(yùn)營決策更準(zhǔn)確和更實(shí)時(shí)。

例如，對(duì)于品牌零售行業(yè)，GMV是最核心的指標(biāo)，我們就可以根據(jù)日、周、月等時(shí)間維度描繪GMV的趨勢圖，這樣便可以很直觀的看到按照不同時(shí)間維度GMV的變化。

當(dāng)趨勢分析過于宏觀，細(xì)分分析則是精細(xì)化運(yùn)營的必備，通過按照不同的維度一步步地對(duì)數(shù)據(jù)進(jìn)行拆分，不斷接近問題發(fā)生的起源，讓運(yùn)營獲取更加精細(xì)的數(shù)據(jù)洞察。

例如，某品牌零售企業(yè)的GMV某天有明顯的下降，那么我們就可以根據(jù)全國各省級(jí)行政區(qū)的維度，細(xì)分湖南省、廣東省、北京市、云南省等34個(gè)省級(jí)行政區(qū)，查看具體是哪個(gè)省級(jí)行政區(qū)的GMV有所下降。定位到具體的省級(jí)行政區(qū)后，還可以繼續(xù)往市級(jí)、區(qū)級(jí)層層細(xì)分。

對(duì)比分析是將兩個(gè)或兩個(gè)以上的數(shù)據(jù)進(jìn)行比較，分析差異并揭示數(shù)據(jù)所代表事情的發(fā)展變化情況以及規(guī)律。其特點(diǎn)是可以非常直觀地看出事情某方面的變化或差距，并且可以準(zhǔn)確、量化地表示出這種變化或差距是多少，主要是為了給孤立的數(shù)據(jù)參考系。

例如，同樣以品牌零售企業(yè)的GMV為例，通過對(duì)比不同年份的GMV變化趨勢，我們可以很直觀地看到這家企業(yè)的年度增長情況，判斷是否值得投資。

追溯到事情的源頭去分析，是避免運(yùn)營做過多無用分析的方法。

舉個(gè)例子，當(dāng)一批用戶到來我們的產(chǎn)品內(nèi)，購買轉(zhuǎn)化率比較低。通常情況下我們?nèi)シ治觯赡軙?huì)圍繞產(chǎn)品流暢度的問題、運(yùn)營活動(dòng)力度的問題，或者商品吸引力的問題。但很有可能從源頭分析，這批用戶就并非我們的目標(biāo)用戶，而是虛假流量。

通過一種或者一組規(guī)則，將銷售功勞或者轉(zhuǎn)化功勞等分配給轉(zhuǎn)化路徑中的各接觸點(diǎn)，即為歸因分析。

本質(zhì)上歸因分析都是為了衡量和評(píng)估用戶觸點(diǎn)對(duì)總體轉(zhuǎn)化目標(biāo)達(dá)成所作出的貢獻(xiàn)，評(píng)價(jià)的核心指標(biāo)為轉(zhuǎn)化貢獻(xiàn)度。但具體如何衡量和評(píng)估，就需要我們用到歸因分析模型。

常見的歸因模型主要有5種，分別為首次觸點(diǎn)歸因模型、末次觸點(diǎn)歸因模型、線性歸因模型、位置歸因模型和時(shí)間衰減歸因模型。關(guān)于歸因分析的詳細(xì)文章可跳轉(zhuǎn)《都說歸因是門“玄學(xué)”，從頭到尾了解一下？》

• 找對(duì)北極星指標(biāo)！才是一切運(yùn)營的起點(diǎn)

• 運(yùn)營過程中，我們都應(yīng)該關(guān)注哪些數(shù)據(jù)指標(biāo)？

• 如何搭建一套完整的指標(biāo)體系？2個(gè)模型+1個(gè)原則

• 一文讀懂代碼埋點(diǎn)、全埋點(diǎn)、可視化埋點(diǎn) | 5000字淺顯易懂解析

• 數(shù)據(jù)埋點(diǎn)如何“下手”？手把手帶你從需求梳理到落地

• 如何設(shè)計(jì)一套“看得明、埋得準(zhǔn)、實(shí)施快”的埋點(diǎn)方案