数据分析基础流程

----要么你驾驭生命，要么生命驾驭你----

什么是数据分析？

数据分析是指用适当的统计分析对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。

数据分析的目的是什么?

数据分析的目的是把隐没在一大批看来杂乱无章的数据中的信息集中、萃取和提炼出来，以找出所研究对象的内在规律。

在实用中，数据分析可帮助人们作出判断，以便采取适当行动。数据分析是组织有目的地收集数据、分析数据，使之成为信息的过程。在产品的整个寿命周期，包括从市场调研到售后服务和最终处置的各个过程都需要适当运用数据分析过程，以提升有效性。

在企业里面，数据分析可以帮助我们掌握企业的运营状况，商品的出售情况，用户的特征、产品的粘性等等。

数据分析的步骤？

1.首先明确分析的思路和目的

数据分析一定的带着某种业务目的的。它可能是要追踪一个新产品上线之后的用户使用情况；也可能是观察用户在某段时间的留存情况，还有可能是运营措施是否有效。带着一定的目的，确定要从哪几个角度进行分析。然后找到能够说明目的的指标。

比如想要验证活动中一批优惠券是否有效。我们可以从优惠券的领取情况和优惠券的使用情况两个方面分析，而优惠券的领取情况的指标可以细化为领取率；使用情况可细化为：使用率、客单价等。

2.数据采集

在确定了数据分析的核心指标后，就要针对数据指标做数据收集。

有些企业的数据准备非常充分，数据仓库、数据集市等早早就建设好。有一些企业在数据分析上比较落后，那就需要我们自己做前期大量的数据收集工作。比如使用一些自己公司的或者第三方的数据分析工具进行埋点，拿到日志。或者使用数据库中的现有数据，比如订单数据、基础的用户信息等等。

3.数据处理

数据提取出来之后，要剔除脏数据（清洗），然后数据转化。在进行最基本的数据汇总、聚合之后，我们就可以拿到比较简单的字段相对丰富的数据宽表。

4.统计分析

数据分析是用适当的分析方法及工具，对处理过的数据进行分析，提取有价值的信息，形成有效结论的过程。

一般公司所需要观察的数据大致分为如下几类：

商业数据：付费金额，付费用户数，付费率客单价

运营数据：新增用户数，日活、周活、月活（AARRR模型）

产品数据：关键页面的pv、uv（漏斗模型）

用户数据：用户生命周期、用户留存、用户客单价、用户类型（RFM模型...)

商品数据：商品售卖情况，毛利分析....

随着数据的重要性的凸显，越来越多的公司已经认识到数据对于公司的经营是十分重要的。

两个简单的数据分析模型：

AARRR模型：Acquisition(获取)、Activation(活跃)、Retention(留存)、Revenue(收益)、Refer(传播)

漏斗模型：漏斗模型广泛应用于流量监控、产品目标转化等日常数据运营工作中。之所以称为漏斗，就是因为用户（或者流量）集中从某个功能点进入（这是可以根据业务需求来自行设定的），可能会通过产品本身设定的流程完成操作。

按照流程操作的用户进行各个转化层级上的监控，寻找每个层级的可优化点；对没有按照流程操作的用户绘制他们的转化路径，找到可提升用户体验，缩短路径的空间。

运用漏斗模型比较典型的案例就是电商网站的转化，用户在选购商品的时候必然会按照预先设计好的购买流程进行下单，最终完成支付。

需要注意的是：单一的漏斗模型对于分析来说没有任何意义，我们不能单从一个漏斗模型中评价网站某个关键流程中各步骤的转化率的好坏，所以必须通过趋势、比较和细分的方法对流程中各步骤的转化率进行分析：

5.数据展现

数据可视化-基本的图表

数据可视化是关于数据视觉表现形式的科学技术研究。其中，这种数据的视觉表现形式被定义为，一种以某种概要形式抽提出来的信息，包括相应信息单位的各种属性和变量。图表是"数据可视化"的常用手段，其中又以基本图表----柱状图、折线图、饼图等等----最为常用。

6数据挖掘

与统计分析不同的是，数据挖掘主要是在数据上面进行基于各种算法的计算，从而起到预测的效果，从而实现相对高级的分析决策需求。比较典型的用于聚类的Kmeans、用于统计学习的SVM核用于分类的Naïve-Bayes……

上面所说的这些仅仅是工具和常规步骤罢了，真正的核心在于思维的变化，用数据来思考，用数据来说话，用数据做决策。