三大数据分析框架，结合数据分析技巧，玩转数据分析

这是数据分析系列课程（业务篇）的第二篇文章，之前的文章，大家可以关注之后自行查看。

数据有时候会带有很多的假象，一不小心就会落入到这些陷阱当中，所以，在数据分析过程中要格外注意以下几点：

去除数据噪声

异常数据分析

注意时间周期

结合基数谈增长

数据融合

1、去除数据噪声

我们做数据分析，第一步应该做的就是数据清洗，在实际工作过程中，数据当中没有噪声几乎是不可能，所以在进行下一步之前，一定要先检查数据是够有效；

2、异常数据分析

我之前帮一家奶粉品牌做过消费者研究，发现大促期经常会有人一次性买几十罐奶粉，我们都知道，小孩子在不同的年龄段需要喝不同的奶粉，并且奶粉也是有保质期的，所以这类人肯定不是正常的消费者，我们就有必要对异常数据进行分析挖掘。

3、注意时间周期

各个行业的数据几乎都会有周期性分布，所以，数据样本当中我们一般会加入时间特征，比如说一个月当中的第几周，一周当中的星期几，等等。

4、结合基数谈增长

当我们刚刚起步的时候，一批很少的用户都可能会导致用户量的成倍增长，所以，在计算增长率等指标的时候一定要结合基数，不然很容易说不清楚；

5、数据融合

作为一个数据分析师，一定会接触到公司当中各个层面的业务数据，这些业务数据都是潜在的价值，所以，不能只盯着你所负责的业务线去研究，数据融合可以为我们提供更多维度的结论。

数据分析框架

数据分析行业有很多前辈当我们搭建好的框架，刚开始我们只需要根据自己的业务来选择合适的框架，并制定值得关注的数据指标，深入理解业务之后可以把这些分析框架融会贯通，我们主要介绍以下几个：

海盗指标说

增长引擎说

漏斗模型

1、海盗指标说

海盗指标说建立于创业公司，主要包括五大类：

获取用户（Acquisition） 流量、CPC、用户获取成本、搜索贡献

提高活跃度 (Activation) 注册人数、订阅量、试用人数

提高留存率 (Retention) 活动参与度、日活、月活、流失率

获取营收 (Revenue) 客户终生价值、产品转移

自传播 (Referral) 邀请发送量、传播周期

简称AARRR

这5大类数据指标基本反映了客户生命周期的五个环节，但在具体做数据分析的时候并不一定要遵循这些顺序。

2、增长引擎说

增长引擎包括三种；

第一种：黏着式增长引擎

顾名思义，就是增加用户粘性，让用户称为回头客，这部分我们一般结合CRM来做，首先要看，用户从第一次购买到产生第二次购买所需的时间、比例、货品等数据，比较适合快销品、美妆、零食等行业，这里对应着海盗指标说当中的提高留存率，除此之外，还应该考虑流失率和使用频率等等。

第二种：病毒式增长引擎

这个也很好理解，本质上是一个老带新的套路，大家可以看一下这两年异军突起的拼多多，用的就是病毒式增长手段，其中最关键的指标是传播系数，那个用户所带来的新用户，除此之外，还要考虑用户传播的周期，即一个用户需要多久才能产生传播行为。

第三种：付费式增长引擎

衡量这一方式的两个指标主要是客户终生价值（CLV）和客户获取成本（CAC），总之，从客户身上所赚到的钱一定要比为了获取客户所支付的成本要高，并且要高很多，要不然，这个生意就没有可持续的价值。

3、漏斗模型

本质上就是从一个客户初次接触，一直到流失或者成为忠诚客户，这期间将客户生命周期层层拆分，研究到底是那个环节最容易流失客户，找到关键环节才能找到解决问题的方法。