深入数据分析的若干方法与技巧

1、为什么要做数据分析，不做会怎样？

其实并不会怎样，数据分析只是辅助业务发展的工具，企业发展的不同阶段，对数据分析的需求也不一样。成熟期的企业往往更需要数据分析，增长期的企业往往更需要能操盘业务的人。

比如，我现在所在的公司，处于快速增长的阶段，之前的操盘手们对数据做深入分析的情况不算很多，数据更多停留在报表阶段，但这并不妨碍他们吃下线上电商的大量份额，占领绝对头部地位。

为什么呢？因为这个阶段就是快速扩张的阶段，一块10亩土地，还没有人在上面开耕。所以核心在于怎么抢占土地，要的是快。但是当各自把土地抢完之后，要想赚更多的钱，只有4种方式：

• 1）去找其他没有被开耕的土地；
• 2）通过科技等方式扩大这一块土地，继续抢占；
• 3）抢占别人已经占领的土地；
• 4）深耕自己的土地，提升效率降低成本，以更好地精细化运营。

1）去找其他没有被开耕的土地

这其实是用户与行业研究，在该领域深耕的人可以通过自己的直觉做判断。比如说，很多老板，基于自己在该领域的持续深耕，可以对未来的走势有一个基本的判断。

对于我们这种行业经验尚浅的人，只能依据相关的行业数据做出判断，比如各个类目的销售额及增长数据，比如用户针对各种产品的吐槽和反馈，比如用户在淘宝、微信、百度等各类搜索词趋势变化。

基于这些数据进行深入地处理与挖掘，否则的话，别人又怎么能相信我们做出的分析是靠谱的、是可靠的。这其实就是用户与行业研究。2）通过技术革新等方式扩大这一块土地，继续抢占

比如说，因为技术变更而导致智能手机的出现，直接提高了整个市场的天花板，基于此可以继续抢占未被争夺的市场，这种数据分析能做的事情相对有限。

3）抢占别人已经占领的土地

大概率是个零和博弈，抢了别人的别人就没有了。此时需要对竞争对手有一个透彻的分析，知道对方的优势、劣势。

比如说，对于品牌公司，从产品、定价、渠道、促销四个维度进行敌我分析，这里面也许会涉及到部分数据分析（竞品能拿到的数据一般比较有限）。

4）深耕自己的土地，提升效率降低成本，以更好地精细化运营

这一版块数据分析就可以大大发挥它的作用了，具体有四块：异常监控、问题诊断、效率提升、策略制定。

最后，明确一个本质问题：数据分析一定是基于业务的，先有业务，后有数据分析，不可为了数据分析而分析。

2、理解「数据」的三大要点

2.1 如何看懂数据背后的业务含义？

常见的数据类型有2种，一维数据和二维数据。

一维数据，简单来说，就是只有一个维度，从各个平台下载下来的报表一般是一维数据，每一列都会有指标（维度 or 度量）。每一行没有指标，是每一列的具体数值（此处需要图片演示），这种类型通常是未经处理过的原始数据。

二维数据，就是说有两个维度，每一列、每一行，都会有一个对应的指标，这种一般是处理过的数据，用来做展示用的。

至于多维数据，在此不展开，感兴趣的可以自己去研究研究。

所以说，当我们拿到一份数据时，首先要明确这份数据的使用背景和使用目标，即在什么场景下，用来做什么用。其次是带着这些背景信息看数据。

看数据一般有几步：

1. 判断是几维数据，行和列是否都有指标。
2. 如果是一维数据，接下来要确定它的数据在行还是在列上，然后确定每一个指标所对应的含义。注意：每一个指标一定要弄清楚它的含义，尤其是刚入职一家新公司或刚接手一块新业务，指标含义理解错误，后面对数据的分析大概率也都是错的；
3. 如果是二维数据，弄清楚它是通过什么样的方式对行和列进行分割的，然后判断其含义。二维数据一般是结果数据，直接看就可以了。但对于分析师而言，拿到的数据大多数情况是一维数据，且列数非常多（即各种指标非常多），直接拿到这样一份数据，大概率会一脸懵，不清楚从何下手。

此时我们就需要理解数据的分类。

2.2 业务视角下都有哪几类数据？

一般情况下，站在用户的角度，可以把数据分为三类：用户数据（用户的基本属性）、行为数据（用户做了什么）、销售数据（用户买了什么东西）。

注释：「销售数据」是最容易拿到的数据，也是操盘手们最经常用到的数据，如果需要更加深入地分析，就需要「用户数据」和「行为数据」，但这两类数据需要长期地清洗、积累和挖掘。