「09」数据分析究竟在做什么

上篇文章，我们大致讲解了数据分析技能点

里面有提到数据分析需要的 理论知识，工具能力，业务认知

这些就像是数据分析师的装备和buff

但就像游戏，再好的装备和buff

玩家打boss仍旧需要 走位

这些游戏中一遍遍打怪沉淀下来的“走位”

就是今天要讲述的重点内容

描述拆分预测

记得18年，笔者和身边的分析师朋友们讨论过一个问题

数据分析究竟在做什么？

当然，这是个仁者见仁，智者见智的问题

相信每个数据分析师，或者每个分析师，都有自己的见解和答案

那么，我们再具体一点

一个数据分析师，在日常工作中，对数据的行为都包含什么？

笔者理解，主要包含以下三个方向：

对于历史的解读：描述历史发生了什么，为什么发生

对于当下的理解：拆分当前业务状况，以及业务如何优化

对于未来的预估：预测未来会怎样，业务如何更好

这就是标题中所说的 描述拆分预测

这也是我们平常工作中最常做的内容

我们来说说例子

关于描述 & 拆分

最简单的，来一个临时需求，我们需要提供一批数据

这批数据用来描述“需求”的情况，这个就是描述

这个需求里，可能不止一个指标，可能有pv，uv，时长，ctr等等

这些，就是对于需求的拆分

通过拆分需求，描述了当前需求的状况

再往上走，建立指标体系

在了解业务形态的基础上，业务映射数据，数据组合成指标

指标对业务有了一个定量的描述及对比之后定性的描述

某个时刻，某个指标波动了

我们又将指标拆分成对应的业务action，寻找具体的原因

这个又是一个拆分的过程

常见的RFM，5W2H，4P等经典分析模型

本质上，是对数据拆分归类的一种方法

这些方法，让我们更好的描述了数据，解读了数据

这也就是经常说的：汇总值无意义，拆分才有意义

关于预测

预测，不免的会涉及到模型，算法等内容

当然，这些都是比较进阶的一些知识点

我们回归到初衷，我们为什么要将数据

处理之后，套用到相关的模型，算法里

基于2个假设和1个目标：

1个目标：更好的业务发展

2个假设：

1、模型，算法，能更好的描述，拆分当前业务的变量之间的关系

2、对于业务的认知，和模型算法的理解，串联起了业务目标和当前业务状况

这个其实就是预测

无论用任何模型，任何算法，我们都在度量数据之间的关系

根据数学的理论知识，结合当前的业务场景，通过算法，模型，模拟未来会发生什么，从而引导业务往更好的方向发展

回归到最开始的问题：数据分析究竟在做什么？

我想，大家可能都会有这样一个答案：告知业务，历史发生了什么，现在怎么样，未来如何变得更好

当然，这里面的描述，拆分，预测，都有非常多的方法论

毕竟，描述也好，拆分也好，预测也好，都是对工作的一个概述

这些概述，都是在度量业务中变量的联系

实际落地，我们还需要非常多的方法论支撑

下面，我们就来讲一个比较通用的方法论

人 + 货 + 场

关于人货场，相信大家都非常了解

电商中最常用的一个分析拆分方法论，网络上有非常多的资料

大家可以百度一下，这里就不再赘述

本文说的人货场，其实也差不多，只不过我们把定义更泛化了一些

人：用户 & 用户带来的需求

货：业务所提供的服务内容

场：承载内容的一个壳

对于电商，用户X来了，在页面A浏览后下，下单购买了B产品

这里面，“人”是用户X，“货”是产品B，“场”是页面A，三者有相互关联的关系

同样，把这个定义泛化之后，对于任何app场景，我们都可以理解成：

(人)用户由于某需求，来到某APP(场)，APP中提供的某种内容(货)，满足了用户的需求，从而用户不断的使用该APP

这个就是我们泛化之后的人货场

为什么要这么泛化呢？

我们上文说过，拆分和描述，以及之后的预测，都有很多的方法论

而这些方法论，本质上是在更好的 度量业务中变量的联系

人 货 场的拆分，我们可以把业务拆分成较明确的三个独立的模块

而这些独立的模块，我们都能用一些较成熟的维度去拆分和度量

关于人

用户如何来，用户如何使用APP，用户如何流失。简单来说就是用户整体生命周期的管理

从新用户的引入的渠道调控，到老用户的成长体系设计，再到用户的衰退阶段的不断延迟及拉活等周期的管理，都是“人”的范畴

关于货

用户来一个APP，是由于APP中的内容，能够满足/间接满足他的需求

那么对于所提供内容的分析，就属于“货”的范畴

通俗来讲，就是APP提供的内容是什么

比如电商类APP，提供的是实际的商品，及商品的售前售中售后服务，如某淘

比如视频类APP，提供的是分门别类，迎合用户兴趣的长短不一的视频，如某音

比如服务类APP，提供的是不同场景下，符合用户需求的功能等，如招聘

这些其实都是针对用户需求，APP所提供的特定内容/服务，我们重点需要关注的是，内容的好坏及多少。在内容足够多的同时，尽可能好的满足用户

关于场

上文中，多次提到的APP，其实就是“场”

毕竟，内容也好，用户也罢，总需要有一个链接的地方。而这个地方，我们就可以认为是“场”

这个场，其实是用户可以通过哪些操作，触达到APP所提供的内容

让用户体会到产品核心价值的APP功能，就是“场”

对于APP的功能的分析，我们更需要聚焦于效率

因为场本身是一个壳，用户只是借助了这个壳，触达内容，满足需求

所以，APP的分析，更多的是漏斗的分析，及路径的分析

因为我们需要在尽可能短的路径中，满足用户的需求，然后让用户留下来

总结 & 未来

描述拆分预测 ，总结了数据分析的日常工作内容；人货场，介绍了基础的拆分方法

以上两点，我们呼应到之前的文章中提到的内容：数据分析，是用逻辑串联业务，讲一个情景优化的故事

描述拆分预测，是串联的过程

分析方法论，是逻辑的支撑

而情景优化，是分析的目的

下篇开始，公众号会开始一个新的系列

笔者计划结合具体的业务和案例，介绍相关的分析方法论和串联过程，并给出相关的分析结论，敬请期待

以上，就是本期内容，有任何问题欢迎后台留言～