下载掌阅APP，畅读海量书库
立即打开
数据分析是指用适当的工具和方法对收集来的大量数据进行分析，将它们加以汇总、理解和消化，以求最大化地开发数据的功能，发挥数据的价值，它是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。本节将介绍为什么要进行数据分析，以及数据分析的基本流程与主要思维。
目前，多数企业的运营以特定的业务平台为基础，通过平台为目标用户群提供产品或服务，用户在使用产品或服务的过程中产生大量的交易数据，根据对这些数据的洞察，反推用户的需求，创造更多符合用户需求的增值产品和服务，再重新投入运营过程中，从而形成一个完整的业务闭环，实现企业数据驱动业务增长的目标，如图1-1所示。
企业为什么要进行数据分析，数据分析给企业带来了什么呢？我们不能简单地认为数据分析为企业带来了利润，其实数据分析还可以优化企业的运营管理、提升效率等。
图1-1 数据驱动业务
· 优化运营管理：通过对数据进行分析可以合理分配运营资源。例如，通过对销售额的波动分析，可以找出其影响因素是商品单价还是促销活动等。
· 产生更大价值：例如通过商品利润贡献的分析，确定哪些是营收与利润贡献的主体，哪些是畅销品，哪些是需要淘汰的商品，等等。
· 发现业务机会：例如通过对已经流失用户的分析和综合评估，可以挖掘出部分挽留价值高、挽留难度低的用户群体。
· 提升工作效率：通过对客户数据的深入分析，可以为业务部门提供更广泛的数据支撑，从而提升工作效率和决策效率。
数据分析应该以业务场景为起始点，以业务决策为终点。那么应该先做什么、后做什么呢？基于数据分析师的工作职责，数据分析的流程如图1-2所示。
图1-2 数据分析的流程
数据分析的基本流程及工作重点如下：
· 挖掘业务含义：理解数据分析的业务场景是什么。
· 制定分析计划：制定对业务场景进行分析的计划。
· 拆分查询数据：从分析计划中拆分出需要的数据。
· 提炼业务洞察：从数据结果判断提炼出商务洞察。
· 产出商业决策：根据数据结果洞察制定商业决策。
在分析实际问题的过程中，思维可能会出现缺失的现象，如图1-3中所表达的一样，往往不知道项目中遇到的问题从哪里下手解决，这就需要提高数据分析的思维。
图1-3 分析过程的思维困境
1．结构化思维：多维度分类
结构化思维可以看作是金字塔思维，把需要分析的问题按不同方向去分类，然后不断拆分细化，从而才能全方位地思考问题。一般先把所有能想到的想法写出来，再整理归纳成金字塔模型，可以通过思维导图来阐述我们的分析过程。
例如，现在有一个线上销售的产品，发现2020年12月份的销售额出现大幅度下降，与去年同期相比下降了10%。首先可以观察时间趋势下的波动，是突然暴跌还是逐渐下降，再按照不同区域分析地域性差异。此外，还可以从外部的角度分析现在的市场环境怎么样。具体分析过程如图1-4所示。
图1-4 结构化思维
2．公式化思维：数据的量化
在结构化的基础上，分析的变量往往会存在一些数量关系，使其能够进行计算，将分析过程进行量化，从而验证我们的观点是否正确。例如企业的销售数据，公式化思维如图1-5所示。
图1-5 公式化思维
3．业务化思维：业务是基础
业务化思维就是深入了解业务情况，结合项目的具体业务进行分析，并且能让分析结果落地。用结构化和公式化思维得出的最终分析结果在很多时候表现的是一种现象，不能体现原因。所以需要继续用业务的思维去思考，站在业务人员的角度思考问题，深究出现这种现象的原因，从而实现通过数据推动业务的目标。
提升业务思维的主要途径：
· 贴近业务：常与一线的销售人员进行交流与沟通。
· 换位思考：站在业务人员和用户的角度进行思考。
· 积累经验：从成功和失败的经历中总结业务特点。