數據分析原理：6步解決業務分析難題

怎麼樣才能完備地解決業務的問題#小曾曾讀書筆記#《數據分析原理：6步解決業務分析難題》在如今大數據和信息化的時代，數據越發呈現出其4V特徵，即：大量、速度、多樣和價值。 如何利用數據，爲企業的數智化決策提供依據、爲決策者提供參考、釋放人力以去從事更富創造力的工作，擺在了數據分析師的面前。 並且，在全面數據分析的時代，數據分析，也不再侷限於數據分析師，也想企業的全員提出了更高的能力要求。 數據分析，始於業務，用於業務，終於業務，如何做好數據分析，我也一直在探索和學習。 有些人說，牢記六字箴言即可：細分、對比、溯源；有些人說，要掌握統計學、SQO、Python、可視化；有些人說，要懂業務、懂分析，更重要的是要懂落地。 照我說，數據分析這名字看起來很新穎，實際上可以追溯出上千年的歷史：只要能夠依據經驗、歷史數據，爲現實做出優化、改進或革新，都可以歸納到數據分析的領域。 從來沒有這樣宏觀地看待數據分析！這樣一看，瞬間海納百川了起來。 本書，也給出了它自己的答案，包含六個方面： 1、創建基於業務的數據指標體系；2、對目標進行合理拆解細化問題；3、嚴格控制數據的來源保證可信；4、分析方法選擇取決於業務模塊；5、推演組織驗證輸出正確的結論；6、結論的可視化分析報告的產出。簡單來說，本書回答的是這樣一個問題： 怎麼樣才能完備地解決業務的問題（而不僅僅侷限在數據分析的領域）？ 本書對我印象深刻的點有三： 1、如何成爲業務的專家：多想一步+主動思考，提供了指引。2、如何獲取行業的數據：多種宏觀微觀的渠道，拓寬了方向。3、如何選擇合適的方法：提供了多種分析方法，增加了備選。整本書可讀性：優；實用性：優。 以下是自己劃線、總結的書中內容，供隨時回溯。 1、懂業務絕不是簡單地和業務方溝通，需要數據分析師投入巨大的精力去琢磨業務本身： 能夠講清楚業務的含義、流程和價值。熟悉業務頂層目標及子目標拆解，並通過數據來判斷業務的健康度。結合前面兩點做橫向及縱向發散性思考。2、三個方法挖掘核心、最真實的需求： 瞭解背景；不斷地問爲什麼；向單點問題的四周延伸。3、產品綜合體驗包括愉悅度、參與度、接受度、留存率和任務完成度。其中： 愉悅度Happiness：用戶的滿意度和投訴率；參與度Engagement：用戶在整體使用中的次數和時長；接受度Adoption：通過自然新增用戶來查看產品市場的接受情況；留存率Retention：用戶後續的使用黏性；任務完成度Task Success：具體功能/服務辦完所用的時長，同時通過錯誤率和跳出率幫助分析。4、商業畫布模型的9大模塊： 用戶細分：產品的用戶，即核心用戶羣體，是大衆市場，還是細分領域。·價值主張：產品能提供給核心用戶的價值，即能滿足用戶的哪些核心需求，產品和服務有哪些差異。渠道通路：產品推廣的渠道，即如何將產品觸達用戶，是自建渠道、銷售團隊，還是代理渠道。關鍵業務：滿足用戶價值主張的直接產品和關鍵業務，包括平臺、網絡、解決方案、硬件、軟件和互聯網產品。收入來源：產品的直接收益方式，如廣告流量變現、遊戲增值收入、電商和零售收入等。核心資源：產品所擁有的核心資源，包括資金、人脈、人才儲備、技術能力、拓展渠道、知識產權等。成本結構：產品生產過程中需要投入的資源，包括資金、人力成本等。重要夥伴：產品商業鏈路上的合作伙伴，包括投資方、資源渠道方等。用戶關係：產品與用戶之間一次或長期的關係維護，如用戶服務、社區服務等。5、文中分析方法包括：行業分析、市場規模預測分析、渠道質量評估、產品分析、運營活動分析、用戶增長分析6大業務模塊。 6、良好的目標拆解能夠讓數據分析事半功倍。拆解目標的核心原則是MECE，即保證拆解的子因素之間，相互獨立，完全窮盡。拆解的方法有三：公式法、路徑法、模塊法。 公式法：即挖掘分析指標之間的數學關係，羅列出計算公式；路徑法：按照事情發展的路徑，包括時間、流程、程序，對信息進行逐一的拆解模塊法：將整體按照空間、時間、架構等模塊，進行關鍵要素的拆分。7、宏觀指行業現狀和市場規模。這裏建議讀者多去找一些行業分析的宏觀報告，以便有一個宏觀的瞭解。艾瑞諮詢、易觀、埃森哲、DCCI互聯網數據中心官網都可以查找。 8、產品版本數據可以從鳥哥ASO、App Store、App Annie和百度指數中查找。 產品下載數據可以從各個廠商應用平臺、酷傳中查找。App活躍用戶數可以從QuestMobile中查找。Google對外披露的一些官方數據也可以使用。9、行業分析的四個步驟爲： 1、行業分析的目的確認：首先明確要分析什麼，才能針對性地去查找數據；2、系統性資料的蒐集和整理：從行業宏觀到產品微觀的數據收集；建立認知框架，如PEST、波特五個力模型；3、找到行業的痛點：行業的痛點有哪些？哪些最爲關鍵？如何應用自身技術去解決；4、形成自己的策略和觀點：根據痛點，提出自己改進的方式，給到建議。10、無論是寫報告還是去面試，都要發揮自己的優勢，這樣才能讓價值最大化，也最有效。 11、微觀層面產品分析主要包含3大模塊： 產品的功能及設計是否合理；產品的健康度如何；產品如何做精細化分羣運營。12、TOP-N推薦分析法是針對每個用戶，根據其過往的充值行爲，選擇最適合的充值金額進行營銷推送。具體的分析步驟如下。 (1)若是一個新用戶，可以根據所有充值用戶的首次充值金額分佈，挑選分佈最高的一個充值金額進行推薦。(2)若是一個老用戶，先看他過往一段時間的充值金額是否穩定，也就是標準差是否爲零。若標準差爲零，則說明充值金額一直很穩定，可以直接選擇該充值金額進行推送；若標準差不爲零，則說明充值金額有波動，此時更加偏向最近一次行爲，即將最近一次充值金額作爲推薦金額進行推送。13、用戶增長分析，一般分爲；留存率增長分析和流失率降低分析。1、留存率增長分析 A、關注投放本身的留存，優化渠道組合；B、產品優化：分爲端前、端中、端後分析。 b1、端前分析：閃屏漏斗轉化；冷啓動推薦策略； b2、端中分析：核心功能使用率、功能操作分析（功能留存率，功能組合留存率等）； b3、端後分析：推送漏斗、推送精細化運營。2、流失率降低分析A、流失原因分析：內部數據分析，用戶反饋，調查問卷；B、流失用戶預警：基於流失原因，建立流失預警評分系統；C、流失用戶召回策略：對不同流失風險用戶進行鍼對性召回策略。14、結論的三個層次： 描述性結論：對現狀進行定量或者定性的總結，將觀點和結論闡述清楚即可；產品優化建議：產品應該進行什麼方向的優化，給出方向性的建議；產品優化策略：我們應該做什麼去對產品進行優化，給出能夠執行的建議。15、人往往需要一次把思考“書面化”的機會，幫助自己更好地總結思想的過程、沉澱思考的結果。 16、在彙報報告時，着重注意三點： 1、瞭解彙報對象：對象是誰？關注什麼？痛點是什麼？報告的價值在哪裏？2、用數據講故事：有預熱，有高低起伏，有情緒波動；3、基於邏輯闡述：SCQA背景-衝突-疑問-回答；ZUORA模型：趨勢-危機-圖景-障礙-證據。

這本書非常大的特點就是 1. 概念很多都告訴你了, 但是你讓我再往下講 , 那是不可能的, 比如提到那個rfm直接一句話帶過 ， 各種專業名詞給你走一遍 就是不告訴你那是啥意思， 2. 標題名字起的很好， “五大行業的業務目標和指標體系” 拿教育行業騰訊課堂爲例 ， 短短也就300字， 就把騰訊課堂的指標體系搭建完成， 馬化騰知道的話， 是不是都得哭暈在廁所？ 3. 小白別看了 ， 看的話讓你懷疑人生 ， 會讓你勸退數據分析師這個職業 4. 一定要挑着看， 別認真的研讀不值當 5. 實體書我買過 ， 很薄， 非常一般

不要點開這本書，裏面啥也沒有，標題就是全部內容了

跟很多純講理論的書不一樣，這本書顯然是結合了實際工作。通篇幾乎沒有多餘的文字，個人覺得非常有助於新老從事數據相關的同學開展日常工作。 每個章節開頭的理論加上後半部分的實踐舉例，非常有利於讀者邊學邊用。先收藏了，以後工作中用得上，可以回來反查。

走馬觀花看了一些，我認爲作者提供的乾貨不在於方法，而在於思路。但要把這樣的思路貫穿於工作，還是得打好工作基礎，做好全面準備。

分析的關鍵在於思維邏輯的梳理，包括指標體系如何搭建（object目標，strategy策略，index指標；金字塔原理的mece原則）；分析方法的研究（用戶分析，產品功能分析，營銷效果分析等）；故事線的搭建（situation情景現狀，complication衝突，question問題，answer回答）。 本書還是比較客觀的描述了分析師職場中碰見的問題並給出作者經驗的解決方案（如分析報告的萬事開頭難的問題，應該先弄髒手，基於分析框架把準備好的數據圖表一股腦的丟到PPT或報告中）。

本科階段學習過一些基礎的數據分析知識，但是對於整個分析框架還是沒有建立起來，看完這本書之後，對於初學者可以建立一個基礎的框架，把數據埋點，描述性分析，假設檢驗法，顯著性檢驗，AB實驗，數據可視化，結論提出都融會貫通起來

成功的體現了很多分析師不着地的特徵。 似乎頭頭是道，講了很多，但是

一般，感覺湊了一些金字塔原理的內容