01
什么是数据分析?
通过合适的工具对数据进行一定程度的预处理,结合具体业务分析数据,帮助公司业务部门监控、定位、分析、解决问题。从而提高业务部门决策能力和经营效率,发现业务机会,取得持续竞争优势。现代管理学之父彼得·德鲁克提出用管理促进企业增长说过:“如果你不能衡量,那么你就不能有效增长”。
02
为什么要进行数据分析?
数据可以可以把隐藏在大量数据背后的信息提炼出来,总结出数据的内在规律,找出那些特别、可衡量、可操作的指标,代替了以前那种拍脑袋,靠经验的做法。数据分析的三个作用,现状分析、原因分析、预测分析。
现状分析:
可以告诉业务人员企业的业务在过去发生了什么;
原因分析:
可以告诉分析人员某一现状为什么会存在;
预测分析:
可以分析人员未来可能发生什么;
03
数据分析怎么做?
什么是指标和维度?
- 每一个报告都是由指标和维度组成
- “维度”是数据属性,举例说明:“城市”维度表示IP所在城市,例如“北京”和“上海”。“网页”维度表示用户浏览过的网页地址。
- “指标”是量化衡量指标。举例说明:“登录次数”指总聊天的消息数,“每次登录浏览的网页数”指每次登录的平均网页浏览量。
- 并不是每个指标都能与每一个维度组合使用,每个维度和指标都有各自的数据范围。在大多数情况下,只有将具有相同范围的维度和指标组合在一起才有意义。
数据分析可以从以下几个方面分析进行维度和指标的衡量:
总体数据概览:
反映某一数据指标的整体规模大小、总量多少的指标。
对比性指标:
同比(同期相比)是相邻时间段内某一时间点内指标的对比;同期相比,如今年与去年之间的比较。2009年中国第一季度GDP为G9-1亿元,则2010年第一季度的GDP同比增长为(G10-1-G9-1)/G9-1;
环比是相邻时间段内指标的对比;(相连时间段);如环比表示本次统计段与相连的上次统计段之间的比较。比如2010年中国第一季度GDP为G10-1亿元,第二季度GDP为G10-2亿元,则第二季度GDP环比增长(G10-2-G10-1)/G10-1;
差是两个时间段内的指标直接做差;
差的绝对值是两个时间段内指标的变化量;
集中趋势指标:
用来反映某一现象在一定时间段内所达到的一般水平,用平均指标来表示。
常用关键指标:
用户数据指标:
- 新增用户:日新增用户数( 新增用户数:在某个时间段(一般为第一整天)新登录应用的用户数;)
- 新增用户来自产品推广的渠道,如果按照渠道维度来拆解新增用户,可以看出不同渠道分别新增了多少用户,从而判断出渠道推广的效果。
- 活跃用户:活跃度、日活跃用户数(DAU)、月活跃用户数(MAU)
- 留存用户:留存率
- 新用户经过一点时间用户逐渐流失,所留下来的用户。
- 为什么要关注留存:留存可以评估产品功能对用户的粘性。
- 留存率=新增用户中登录用户数/新增用户数*100%(一般统计周期为天)
- 第N日留存:指的是新增用户日之后的第N日依然登录的用户占新增用户的比例
- 第1日留存率(即“次留”):(当天新增的用户中,新增日之后的第1天还登录的用户数)/第一天新增总用户数;
- 第7日留存率:(当天新增的用户中,新增日之后的第7天还登录的用户数)/第一天新增总用户数;
- 第30日留存率:(当天新增的用户中,新增日之后的第30天还登录的用户数)/第一天新增总用户数;
行为数据指标:
PV(访问次数,Page view):一个时间段内某一个页面的浏览次数;
UV(访问人数,Unique Visitor):一个时间段内每一个页面的浏览人数;
04
数据分析的常规分析流程
- 熟悉工具。
- 明确目的:明确数据分析的目的,希望通过分析得出什么结果。如希望通过数据分析找出流失用户都有哪些特征,广告CTR下降的原因等等。
- 获取数据:获取数据明确以下几个点
- 需要获取什么指标;
- 需要获取什么时间段数据;
- 这些数据都放在哪个数据库、哪张表中;
- 如何获取数据,通过自己写SQL还是提需求到数据开发;
- 熟悉数据:看一下数据有多少,什么类型,每一个指标有哪些值,这些数据能否满足我们的需求等等。如果不能,还需要获取什么数据。
- 处理数据:处理数据中的异常数据、重复数据、缺失数据等。
- 分析数据:围绕关键指标进行分析,分析过程中采用下钻法,如分析某一天CTR下降、哪个时间段、哪些app等等。
- 得出结论:对数据分析得出相应的结论。
- 验证结论:与实际业务相结合,验证得出的结论是否正确。
- 展现结论:结论给相关人去看,需要考虑以什么样的形式展示,即数据可视化。