实用的数据分析方法论，给你一个交流圈子和一些资料

在我写了70篇分享文章后，我在简书、数英、梅花网、公众号等平台上拥有了数千名对数据和营销感兴趣的粉丝朋友，成为了数英网优秀作者和热门作者以及简书科技类优秀作者，我的微信朋友圈也因此在扩大。

最近有不少做运营和推广的朋友在问我说，运营和数据到底有什么关系呢？是不是只是根据数据做成excel表格图表就可以了呢？

嗯，如果只是简单地根据数据做成图表，我觉得只是在比肉眼更深一点在看数据，就是在看数据，很多大程度上是表层的，而且是会得到错误的表层信息，那远远不是数据分析。可惜的是，大部分公司都是这样在看数据。

其实，数据和营销的关系联系非常紧密。要知道，数据分析的核心是为解决问题而存在的。基于这个出发点，我们需要根据对业务的深入认识，依据现实的问题并且基于事实提出一定的假设，根据这个假设设法获得有效有用的数据，在对这些数据做深入的分析之后证实或者证伪这个假设，如此不断挖掘探索，得到真正解决问题的方法。

虽然上面的字数看起来不多，但是涉及的点非常多。

数据分析一般步骤

首先，在要数据分析，需要的是对本身所处的业务有深刻的认识，因为只有具备了业务知识，才能知道问题在哪里、可以把问题拆解成哪些可衡量的维度，并且能够在后续的分析中起到监督和修正的作用；

其次，需要具备科学地获取和清洗数据的方法，这点是数据分析中非常重要的部分，因为数据分析的对象就是数据，一旦数据出现了问题，那后续基本上都是在做无用功的，可以说这部分工作占据了整个数据分析的80%的时间。

再次，需要具备一定的分析模型和分析框架思维储备，例如会用到的回归分析、聚类分析、描述统计、方差分析、相关分析、时间序列、决策树等统计方法，以及swot、pest、SMART、5W2H、User behavior等营销框架。

5W2H模型应用 

PEST模型应用

4P理论运用

用户行为理论运用

另外，就我自己而言，除了会运用到上面的营销管理分析模型之外，更多的是把营销管理分析模型和统计学的算法结合起来，例如：

通过聚类分析，对用户或者渠道做分类处理，例如非常常见的客户价值RFM模型；

通过逻辑回归对渠道是否作弊做深入的判断；

通过方差分析，来监测不同渠道推广的效果和有效性；

通过回归分析，制定精准的广告位和广告渠道的推广价格；

通过关联分析，探究商品捆绑销售的利润和成本之间的关系。

最后，需要把得到的结果形成可视化，并且运用到实际的问题解决当中去，在解决问题的过程中不断修复和矫正可能存在的一切问题。

那对应的，做好数据分析应该具备什么样的能力呢？

1、对产品和业务的理解，这点之前就讲过了，而这也是运营来做数据分析的优势；

2、对技术的掌握，主要包括是可以根据行业情况，根据数据量选择excel、python、R、数据库等能力，这样可以提升工作效率；

3、深入分析的能力，这就需要掌握一定的营销管理思维、统计算法等知识；

4、数据和产品业务之间的转化能力，这点比较明显的是对分析指标拆解成细分的、可以衡量的维度：

5、还有就是大家老生常谈的沟通能力了。

希望做数据分析的朋友可以记住，数据分析的核心和前提是对业务的理解，数据分析的目的就是解决或者预示现实中存在的问题，同时数据分析是需要掌握一定的分析方法的。