要学会真正用数据驱动运营，不去依赖分析师

在这个数据驱动运营的时代，数据不仅是数据工程师和分析师的事情，在工作中也要求运营从业者有一定的数据分析能力，更有人说“数据分析能力是未来运营的分水岭”。从我自身角度出发，真心觉得数据能更好推动运营策略和工作的开展。

但运营童鞋多是数据小白，没有编程和技术基础，那我们该怎么分析并用好数据呢？今天从运营常见的数据问题出发，希望让大家能快速地入门数据分析，让数据更好地为工作服务，别白白浪费数据的价值。

2、适用的分析角度、方法

数据分析有各种高大上的分析原则，比如AARRR模型、5W2H等，但是运营毕竟不是专业的数据分析师，主要能用好这些原则就够了~

• 对比：分成横向和纵向对比，比如纵向的同环比分析，横向的不同产品、不同渠道的对比等；

• 走势（变化）：指标随时间的变动，表现为增幅（同比、环比等）；
• 分布：这个好理解，比如说用户不同年龄段的分类、不同职业的分布、不同地域分布等；
• 细分：从多层级去了解数据，比如分析全国不同省份不同城市的具体订单数据，从全国—省份—城市一一下钻深入分析；

• 转化：主要体现在结果的最终转化、各个路径的转化，比如通过整个注册流程的转化分析来优化细节；
• 预测：根据现有情况，估计下个分析时段的指标值。

举个实际例子吧~

（绿色：日常数据走势；黄色：未来10天数据预测）

分析师身负多个部门的数据分析工作，有时从提需求到最终拿到数据，2、3天都过去了，且不说分析结果是否是你想要的，就时效性而言，这份数据结果的意义也减弱了，如何变身自己的“专属分析师”呢~

数据分析的整个过程：确定指标——数据收集——数据整合、数据处理/建模、数据分析、数据呈现、报表汇报。

• 确定指标：不多说了，可参考一下第1个问题。
• 数据收集：可通过公司数据库埋点获得，可通过第三方平台获得，也通过一些记录的本地数据获得。
• 数据整合：运营人要看的数据太多了，有数据库，有各种第三平台的数据（友盟、统计、推广、公众号等），每次都需要从不同平台取数据，太分散了，最好能在一个数据平台集中管理数据。
• 数据分析：可参考分析方法，比如“求和、计数、同环比、多粒度下钻”等分析，一般在excel中需通过写公式搞定。
• 数据呈现（可视化）：简单地说，就是如何制图呗，请直接学习第3个问题。
• 报表汇报：将数据通过表格、图表或其他形式向领导汇报。

如何不依赖分析师，自己搞定数据分析呢？

1、学习一些数据分析理论。（数据思维）

2、了解、熟悉业务，这点很重要。（业务思路）

3、学习一些数据分析工具。（工具辅助）

以我的个人经验来看，真正把握这些真真是够了~毕竟我们不是专业的数据分析师，能做好业务分析足以！

没有哪个老板喜欢杂乱的表格数据，颜值才是王道啊。简单地说，就是数据如何可视化，让数据直观、明了。

• 分析数据占比：分析单维度的数据占比可用饼/环图、分析多维度的数据占比，可用旭日图和矩形树图。

比如，用户性别的占比分析只有“性别”一个维度，用饼/环图展示，男女比例非常直观，比如下图明显是男性用户偏多，若用户群体符合初衷和产品特征，那运营方式不妨可以尝试一些“可爱风”，也许这样更能吸引男性用户。营销活动也可以考虑选择一些科技类产品作为奖品，也许更能促进男性用户的购买力，达到活动目的。

（单维度：用户性别分析）

（多维度：不同地区不同渠道的订单分析）

• 分析数据同环比趋势：分析单维度的同环比可用指标卡、分析多维度的同环比可用双轴图。

同环比太常见了，几乎什么数据都要跟之前有个对比，这样才能更体现目前数据的“运营价值”。

最常见就是PV、UV的同环比了，比如UV环比下降了，是正常还是不正常。正常是因为UV可能存在一定规律，可能周五的UV就比周四低，那数据属于正常。若没有固定规律，那有异常波动一定要寻找背后的原因，尽快处理问题，以防再犯。

（单维度：PV环比和UV环比分开）

（双维度：PV环比和UV环比放一起）

• 分析数据走势：最常用的是折线图，柱状图也可以表达，直观度略低于折线图。

（折线图）

（柱状图）

• 分析地区分布：全国、省份分布可用行政地图，更详细的地域分布可用经纬度地图。

用户地域分析也是非常重要的，这可能决定了公司业务会在哪些区域重点投入、重点销售。这也是公司广告需重点投放哪些区域的数据指导，对于每年竞价投入几百万、几千万的公司，正确的用户地域分析可节省很多不必要的投入，给公司省钱老板可乐意了。

（行政地图）

（沈阳地区轨迹动态地图）

（各省份注册用户数完成情况）

• 分析任务完成进度：单指标进度可用计量图，多指标进度可用子弹图，完成情况一目了然~

（KPI完成进度）

（各项指标完成进度）

• 分析用户活跃频次变动：可用桑基图。

（用户活跃情况变化）

• 分析词频：比如用户的职位分布，可用词云，有3D效果哦~

（用户职位分布）

• 分析转化效果：那肯定用漏斗图最最合适。

（用户咨询转化率）

关于转化，分享一个自己身边的真实故事。

每个图表都有适合的使用场景，用好各种图表很重要，直接影响到数据的直观和美观程度。

注：以上数据图表均来自在线数据可视化分析工具BDP个人版，拖拽即可制图~

做了那么多的数据工作，最终无非是为了从数据中去发现问题，不断优化运营策略。不论数据是上升了还是下降了，肯定有其变化的原因，这里以用户数据变化为例了解一下快速找到问题的思路~

Ps：这只是个人结合工作得到一些经验，不一定非常准备，大家可结合自己的网站和产品去分析~

• 节假日波动：大部分产品都会受到节假日、周末的影响，办公软件节假日/周末数据一般都会下降，电商产品节假日/周末数据一般都会上升。
• 上线、改版：上线不一定单指功能上线，比如营销活动上线、广告渠道新上都算是上线，网站任何变动都可以理解成“上线”。
• 异常、故障：服务器故障、渠道被迫下线、网站访问不了、链接异常等，链接访问不了是比较常见的情况。
• 以上3种都不是，那就下钻从渠道入手，看哪个渠道数据有异常，再结合具体问题进行分析。（Ps：有时候从渠道发现异常的，所以这个流程的顺序不是绝对的）
• 以上几种都不是，实在找不到原因，只能跟老板说：“原因未明，将持续观察趋势，以确认其偶然性”。

有些问题显而易见，有些问题排查需要一些时间，看数据最终的意义还是要结合实践。看数据—发现问题—解决问题—再看数据—问题解决，或者看数据—发现增长—找到原因—继续应用，总之：取其精华去其糟粕，你懂得~

注：以上数据图表来自BDP个人版~

Growth Hacker
介于技术和市场之间的新型团队角色；
懂数据，懂人性，懂方法，懂执行…