【观点】数据分析之如何用数据?

光知道怎么看数据,还是不成,你得熟悉这些数据拿到手上之后怎么去用它,怎么让数据显示出来它本身的威力来。最后总结下来有这么几个部分。

第一个部分,是看历史数据,发现规律。

以社区中的活动和电商中的促销为例,这些都是常见的活动,活动做得好的话有意想不到的效果。在做这样的活动,最好是拿到前一个月或者两个月的历史数据。对电商来说,从这里面要去分析各个品类的销售情况,那个品类销量最大,那个品类销量最小,每月或者每周的平均增长率和符合增长率是多少。通过原始数据把上面的这些指标分析出来之后,就可以看到哪些品类是优势品类,不用促销就可有很大的量,哪些是弱势的品类等等,这样可以确定出来拿那个品类出来做促销。对于内容社区也是一样,我们要从内容分类,和内容类型两个维度上去看,找到数量少类型单一的分类,对于这些分类下的内容数量及质量都需要提高。

第二部分,是从历史数据和现有数据中,发现端倪,找出问题所在。

我们在工作中,每天都会接触到大量的数据,但是大部分看数据就流于表面了。例如对于社区来说,很关注总注册用户数,每日登录用户数,每日新用户注册数。这些数据不能说不可以看,但是更要看到最重要的数据点:每天有多少老用户登录、每天发布的内容中有多少能够称得上是优质的精品内容,这两个数据决定着说这个社区的质量怎么样,对于内容社区来说,初期如果不重视质量建设,那么等用户到50W、100W之后再去看质量,已经有点晚了。还有一个是市场部门用的会很多,在市场宣传过程中,我们会有很多广告和链接放出去,每天要监测这些链接数据量,当出现数据波动非常大的时候我们应该怎么去做,是要看到链接放置的媒体出现了问题,是不是对方做活动突然吸引了大量的人来,还要去看到我们的着陆页面,是不是吸引用户点击等等。数据就是我们的助手,帮助我们发现问题,同时顺藤摸瓜找到问题的根源所在。这个能力是非常重要的,不管是不是做数据相关工作的人,都要能够掌握。

第三部分,数据预测。通过分析数据,发现其中的规律,那么则可实现数据驱动运营,驱动产品,驱动市场。

例如,对电商来说,知道一年内每个月的各个品类的增长率,也清楚各月之间的影响情况,那么按照这个量就可预测未来月度里面交易量的增长情况,我们能够达到什么样的水平。同时,在某个大型活动完结之后,不是立即看数据,要看活动结束后一个月后的数据,这样才能看到多少用户是因为活动的奖品过来,活动结束之后就走了,为什么选一个月,因为在一个月内流失率什么的就一目了然了。

第四部分,学会拆解数据。

这个拆解数据在我看来有两方面的维度一个是每年的数据指标怎么去分拆到每个季度,或者每个月,这个有点绩效驱动的意思了。另外一个就是说每天产品的运营数据,推广数据或者销售数据有很多,要会对这些数据进行拆分,知道每个数据都是来自哪些方面,增高或者降低的趋势是什么。

近几年数据分析在互联网领域非常受到重视,无论是社区型产品,工具类产品,还是电子商务,都越来越把数据作为核心资产。确实数据分析的越深,越能够是在精细化的运营,在很多时候工作的重点才有据可依。但是要注意两方面的问题:

1,不能唯数据论,数据有时候能够反馈一些问题,但是也要注意到在有些时候数据并不能说明所有问题,也需要综合各方面的情况整体来看。同时要有数据分析的思维,不仅仅是互联网行业几乎所有的行业每天都会产生大量的数据。所以最重要的是有这种数据粉丝的思维,知道怎么通过数据分析找出规律,发现问题,对将来做出预测及拆解。

2、找到适合自己产品的数据指标来。不同的产品特性,用户使用习惯也都不一样的,需要找到适合自己产品的指标参数而不是随大流,不是简单的PV、UV就可以了。例如对于内容型产品来说,每天的PV,UV是一个非常重要的指标。对于社区型网站来说,每天的登陆数据和进行有效操作的用户则是需要关注的。而对于电子商务网站来说,订单数及客单价是核心,但是于此同事转化率和重复购买率则是需要同样关注的。在移动互联网上这种的数据参数更是多样,最重要的是我们要学会通过自己用户行为特征来找出界定产品健康程度的标准,这样能让我们更好地观察自己产品的好坏。

原文发布于微信公众号 - 大数据挖掘DT数据分析(datadw)

原文发表时间:2014-07-25

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏PPV课数据科学社区

2017年,为何过半的大数据项目不成功?

此前,援引外媒消息称,Gartner预测,2017年将有60%的大数据项目在试验阶段就会失败,并最终会被放弃。 在大数据正热的当下,这一结论无疑给众多的热心者泼...

2775
来自专栏Rainbond开源「容器云平台」

2017年塑造云计算的6大趋势(附云计算福利小视频)

1334
来自专栏企鹅号快讯

大咖分享:企业营销过程中的大数据5大途径!

大数据今天可不只是个时髦词。它拥有大量数据,很可能改变生活的各个方面,从提高医疗保健成果到帮助管理地铁地区的交通水平,当然,这也使得营销活动更加强大。这是因为营...

1757
来自专栏数据的力量

滴滴出行——数据驱动精准化运营

1095
来自专栏杨建荣的学习笔记

运维开发的痛点和思考

2115
来自专栏EAWorld

以自动化为核心的自服务大数据治理

作为企业数字化转型的基础,数据成为企业建设的重点。如何能够管理好数据,成为各行业的热点问题。 目录: 一、传统数据治理难以满足数字化要求,企业需要新一代大数据治...

3104
来自专栏灯塔大数据

荐读|找不到完美数据科学家?你还可以组建一支数据科学梦之队

导读 提供洞察和分析的公司都在尽力为自己组建完美的数据科学团队,这通常有两条路可以走。 大部分公司都在挣扎中选择了第一条路:寻找这些工资非常贵又很少见的独角兽...

2708
来自专栏数据科学与人工智能

【数据科学】互联网公司如何组建数据科学团队?

今天近乎所有的互联网公司都希望组建(大)数据分析团队,但由于大数据技术应用是一个高速发展的全新领域,与建设常规的软件开发团队相比,企业在数据科学团队的招聘、建设...

2317
来自专栏产品开发

老生常谈:如何快速提升项目管理和团队效率?

越来越多的管理者认可:企业持续发展就意味着团队需要更高效的合作,而提升工作效率是唯一「可持续优化」,并降低发展成本,减少浪费的有效方式。

25510
来自专栏DevOps时代的专栏

荷兰 ING 银行从敏捷到 DevOps 的进阶之路

一、ING 介绍 ? ING 是一个总部位于欧洲荷兰的银行。我们有450多个运维开发的团队,全面服务于银行业。 ? 在 ING,IT 的角色从服务转向到战略上,...

25210

扫码关注云+社区