数据分析原理：6步解决业务分析难题

怎么样才能完备地解决业务的问题#小曾曾读书笔记#《数据分析原理：6步解决业务分析难题》在如今大数据和信息化的时代，数据越发呈现出其4V特征，即：大量、速度、多样和价值。 如何利用数据，为企业的数智化决策提供依据、为决策者提供参考、释放人力以去从事更富创造力的工作，摆在了数据分析师的面前。 并且，在全面数据分析的时代，数据分析，也不再局限于数据分析师，也想企业的全员提出了更高的能力要求。 数据分析，始于业务，用于业务，终于业务，如何做好数据分析，我也一直在探索和学习。 有些人说，牢记六字箴言即可：细分、对比、溯源；有些人说，要掌握统计学、SQO、Python、可视化；有些人说，要懂业务、懂分析，更重要的是要懂落地。 照我说，数据分析这名字看起来很新颖，实际上可以追溯出上千年的历史：只要能够依据经验、历史数据，为现实做出优化、改进或革新，都可以归纳到数据分析的领域。 从来没有这样宏观地看待数据分析！这样一看，瞬间海纳百川了起来。 本书，也给出了它自己的答案，包含六个方面： 1、创建基于业务的数据指标体系；2、对目标进行合理拆解细化问题；3、严格控制数据的来源保证可信；4、分析方法选择取决于业务模块；5、推演组织验证输出正确的结论；6、结论的可视化分析报告的产出。简单来说，本书回答的是这样一个问题： 怎么样才能完备地解决业务的问题（而不仅仅局限在数据分析的领域）？ 本书对我印象深刻的点有三： 1、如何成为业务的专家：多想一步+主动思考，提供了指引。2、如何获取行业的数据：多种宏观微观的渠道，拓宽了方向。3、如何选择合适的方法：提供了多种分析方法，增加了备选。整本书可读性：优；实用性：优。 以下是自己划线、总结的书中内容，供随时回溯。 1、懂业务绝不是简单地和业务方沟通，需要数据分析师投入巨大的精力去琢磨业务本身： 能够讲清楚业务的含义、流程和价值。熟悉业务顶层目标及子目标拆解，并通过数据来判断业务的健康度。结合前面两点做横向及纵向发散性思考。2、三个方法挖掘核心、最真实的需求： 了解背景；不断地问为什么；向单点问题的四周延伸。3、产品综合体验包括愉悦度、参与度、接受度、留存率和任务完成度。其中： 愉悦度Happiness：用户的满意度和投诉率；参与度Engagement：用户在整体使用中的次数和时长；接受度Adoption：通过自然新增用户来查看产品市场的接受情况；留存率Retention：用户后续的使用黏性；任务完成度Task Success：具体功能/服务办完所用的时长，同时通过错误率和跳出率帮助分析。4、商业画布模型的9大模块： 用户细分：产品的用户，即核心用户群体，是大众市场，还是细分领域。·价值主张：产品能提供给核心用户的价值，即能满足用户的哪些核心需求，产品和服务有哪些差异。渠道通路：产品推广的渠道，即如何将产品触达用户，是自建渠道、销售团队，还是代理渠道。关键业务：满足用户价值主张的直接产品和关键业务，包括平台、网络、解决方案、硬件、软件和互联网产品。收入来源：产品的直接收益方式，如广告流量变现、游戏增值收入、电商和零售收入等。核心资源：产品所拥有的核心资源，包括资金、人脉、人才储备、技术能力、拓展渠道、知识产权等。成本结构：产品生产过程中需要投入的资源，包括资金、人力成本等。重要伙伴：产品商业链路上的合作伙伴，包括投资方、资源渠道方等。用户关系：产品与用户之间一次或长期的关系维护，如用户服务、社区服务等。5、文中分析方法包括：行业分析、市场规模预测分析、渠道质量评估、产品分析、运营活动分析、用户增长分析6大业务模块。 6、良好的目标拆解能够让数据分析事半功倍。拆解目标的核心原则是MECE，即保证拆解的子因素之间，相互独立，完全穷尽。拆解的方法有三：公式法、路径法、模块法。 公式法：即挖掘分析指标之间的数学关系，罗列出计算公式；路径法：按照事情发展的路径，包括时间、流程、程序，对信息进行逐一的拆解模块法：将整体按照空间、时间、架构等模块，进行关键要素的拆分。7、宏观指行业现状和市场规模。这里建议读者多去找一些行业分析的宏观报告，以便有一个宏观的了解。艾瑞咨询、易观、埃森哲、DCCI互联网数据中心官网都可以查找。 8、产品版本数据可以从鸟哥ASO、App Store、App Annie和百度指数中查找。 产品下载数据可以从各个厂商应用平台、酷传中查找。App活跃用户数可以从QuestMobile中查找。Google对外披露的一些官方数据也可以使用。9、行业分析的四个步骤为： 1、行业分析的目的确认：首先明确要分析什么，才能针对性地去查找数据；2、系统性资料的搜集和整理：从行业宏观到产品微观的数据收集；建立认知框架，如PEST、波特五个力模型；3、找到行业的痛点：行业的痛点有哪些？哪些最为关键？如何应用自身技术去解决；4、形成自己的策略和观点：根据痛点，提出自己改进的方式，给到建议。10、无论是写报告还是去面试，都要发挥自己的优势，这样才能让价值最大化，也最有效。 11、微观层面产品分析主要包含3大模块： 产品的功能及设计是否合理；产品的健康度如何；产品如何做精细化分群运营。12、TOP-N推荐分析法是针对每个用户，根据其过往的充值行为，选择最适合的充值金额进行营销推送。具体的分析步骤如下。 (1)若是一个新用户，可以根据所有充值用户的首次充值金额分布，挑选分布最高的一个充值金额进行推荐。(2)若是一个老用户，先看他过往一段时间的充值金额是否稳定，也就是标准差是否为零。若标准差为零，则说明充值金额一直很稳定，可以直接选择该充值金额进行推送；若标准差不为零，则说明充值金额有波动，此时更加偏向最近一次行为，即将最近一次充值金额作为推荐金额进行推送。13、用户增长分析，一般分为；留存率增长分析和流失率降低分析。1、留存率增长分析 A、关注投放本身的留存，优化渠道组合；B、产品优化：分为端前、端中、端后分析。 b1、端前分析：闪屏漏斗转化；冷启动推荐策略； b2、端中分析：核心功能使用率、功能操作分析（功能留存率，功能组合留存率等）； b3、端后分析：推送漏斗、推送精细化运营。2、流失率降低分析A、流失原因分析：内部数据分析，用户反馈，调查问卷；B、流失用户预警：基于流失原因，建立流失预警评分系统；C、流失用户召回策略：对不同流失风险用户进行针对性召回策略。14、结论的三个层次： 描述性结论：对现状进行定量或者定性的总结，将观点和结论阐述清楚即可；产品优化建议：产品应该进行什么方向的优化，给出方向性的建议；产品优化策略：我们应该做什么去对产品进行优化，给出能够执行的建议。15、人往往需要一次把思考“书面化”的机会，帮助自己更好地总结思想的过程、沉淀思考的结果。 16、在汇报报告时，着重注意三点： 1、了解汇报对象：对象是谁？关注什么？痛点是什么？报告的价值在哪里？2、用数据讲故事：有预热，有高低起伏，有情绪波动；3、基于逻辑阐述：SCQA背景-冲突-疑问-回答；ZUORA模型：趋势-危机-图景-障碍-证据。

这本书非常大的特点就是 1. 概念很多都告诉你了, 但是你让我再往下讲 , 那是不可能的, 比如提到那个rfm直接一句话带过 ， 各种专业名词给你走一遍 就是不告诉你那是啥意思， 2. 标题名字起的很好， “五大行业的业务目标和指标体系” 拿教育行业腾讯课堂为例 ， 短短也就300字， 就把腾讯课堂的指标体系搭建完成， 马化腾知道的话， 是不是都得哭晕在厕所？ 3. 小白别看了 ， 看的话让你怀疑人生 ， 会让你劝退数据分析师这个职业 4. 一定要挑着看， 别认真的研读不值当 5. 实体书我买过 ， 很薄， 非常一般

不要点开这本书，里面啥也没有，标题就是全部内容了

跟很多纯讲理论的书不一样，这本书显然是结合了实际工作。通篇几乎没有多余的文字，个人觉得非常有助于新老从事数据相关的同学开展日常工作。 每个章节开头的理论加上后半部分的实践举例，非常有利于读者边学边用。先收藏了，以后工作中用得上，可以回来反查。

走马观花看了一些，我认为作者提供的干货不在于方法，而在于思路。但要把这样的思路贯穿于工作，还是得打好工作基础，做好全面准备。

分析的关键在于思维逻辑的梳理，包括指标体系如何搭建（object目标，strategy策略，index指标；金字塔原理的mece原则）；分析方法的研究（用户分析，产品功能分析，营销效果分析等）；故事线的搭建（situation情景现状，complication冲突，question问题，answer回答）。 本书还是比较客观的描述了分析师职场中碰见的问题并给出作者经验的解决方案（如分析报告的万事开头难的问题，应该先弄脏手，基于分析框架把准备好的数据图表一股脑的丢到PPT或报告中）。

本科阶段学习过一些基础的数据分析知识，但是对于整个分析框架还是没有建立起来，看完这本书之后，对于初学者可以建立一个基础的框架，把数据埋点，描述性分析，假设检验法，显著性检验，AB实验，数据可视化，结论提出都融会贯通起来

成功的体现了很多分析师不着地的特征。 似乎头头是道，讲了很多，但是

一般，感觉凑了一些金字塔原理的内容