這篇文章從整體框架出發(fā)，介紹了數(shù)據(jù)分析的三大層次。包括對數(shù)據(jù)分析的整體理解和認識，做數(shù)據(jù)分析的科學方法，以及數(shù)據(jù)分析相關的工具介紹。

數(shù)據(jù)分析目前在國內(nèi)互聯(lián)網(wǎng)圈的受重視程度在逐步提升，但是問題也很突出：

1. 大家對于數(shù)據(jù)分析的認知和理解支離破碎，缺乏一個整體的、系統(tǒng)的思維框架；
2. 大家的視野更多局限在數(shù)據(jù)報表、BI 系統(tǒng)、廣告監(jiān)測等領域，對于數(shù)據(jù)以及數(shù)據(jù)分析其實是缺乏深層次洞察的。

這篇文章就從整體框架出發(fā)，介紹一下數(shù)據(jù)分析的三大層次。包括對數(shù)據(jù)分析的整體理解和認識，做數(shù)據(jù)分析的科學方法，以及數(shù)據(jù)分析相關的工具介紹。

一、數(shù)據(jù)分析價值觀

如何讓數(shù)據(jù)分析真正發(fā)揮價值？我認為必須在價值認同、工作定位和商業(yè)模式三點上取得突破。

（一）數(shù)據(jù)分析的價值認同

做好數(shù)據(jù)分析，首先要認同數(shù)據(jù)的意義和價值。一個不認同數(shù)據(jù)、對數(shù)據(jù)分析的意義缺乏理解的人是很難做好這個工作的。放到一個企業(yè)里面，企業(yè)的 CEO 及管理層必須高度重視和理解數(shù)據(jù)分析的價值。你想一下，如果老板都不認可數(shù)據(jù)分析的價值，那么數(shù)據(jù)相關的項目在企業(yè)里面還能推得動嗎？然后，企業(yè)內(nèi)部還需要有數(shù)據(jù)驅(qū)動的公司文化。

如果大家寧可拍腦袋做決定也不相信數(shù)據(jù)分析師的建議，那么數(shù)據(jù)分析往往是事倍功半、走一下形式而已，反之則是事半功倍。

（二）數(shù)據(jù)分析的工作定位

做好數(shù)據(jù)分析，要對數(shù)據(jù)分析的價值有清楚的定位。既不要神化數(shù)據(jù)分析，把它當做萬能鑰匙；也不要輕易否定數(shù)據(jù)分析的意義，棄之不用。數(shù)據(jù)分析應該對業(yè)務有實際的指導意義，而不應該流于形式，淪為單純的 “取數(shù)”、“做表”、“寫報告”。在 LinkedIn 那么多年的工作時間里面，我們對數(shù)據(jù)分析的工作早已有了清晰的定位：利用（大）數(shù)據(jù)分析為所有職場人員作出迅捷、高質(zhì)、高效的決策，提供具有指導意義的洞察和可規(guī)?；慕鉀Q方案。

當時我們還采用了一套 EOI 的分析框架，對不同業(yè)務的數(shù)據(jù)分析價值有明確的定位。針對核心任務、戰(zhàn)略任務和風險任務，我們認為數(shù)據(jù)分析應該分別起到助力（Empower）、優(yōu)化（Optimize）、創(chuàng)新（Innovate）的三大作用。

（三）數(shù)據(jù)分析的商業(yè)模式

做好數(shù)據(jù)分析，要對企業(yè)的商業(yè)模式非常了解。數(shù)據(jù)分析的最終目的還是服務于企業(yè)的增長目標，所以務必要對行業(yè)背景、業(yè)務含義、產(chǎn)品和用戶有著深刻的認知。

還是以 LinkedIn 為例，作為企業(yè)增長的重要環(huán)節(jié)，LinkedIn 在產(chǎn)品設計之初就優(yōu)先考慮到了數(shù)據(jù)的價值模式。首先是用戶的增長、使用和活躍，然后產(chǎn)生大量的數(shù)據(jù)，最后根據(jù)數(shù)據(jù)進行業(yè)務變現(xiàn)（企業(yè)廣告、企業(yè)招聘、高級賬號等）和用戶增長，從而不斷良性循環(huán)。

只有認可分析價值、明確工作定位、深諳商業(yè)模式，數(shù)據(jù)分析才能走在正確的軌道上。

二、數(shù)據(jù)分析方法論

（一）數(shù)據(jù)分析的框架

在整個數(shù)據(jù)分析框架中，用戶是數(shù)據(jù)的來源，也是數(shù)據(jù)分析最終要服務的對象。整個分析框架可以分為四大層次，依次是：數(shù)據(jù)規(guī)劃、數(shù)據(jù)采集、數(shù)據(jù)分析和數(shù)據(jù)決策。

從用戶、業(yè)務系統(tǒng)，到數(shù)據(jù)采集平臺、ETL、數(shù)據(jù)倉庫， 再到分析、BI、DM、AI、洞察，再到?jīng)Q策、行為、價值，最終回到用戶。

上面整個分析框架中，越底層的占用的時間和精力越多，而頂層的耗時較少。從產(chǎn)生的價值來看，越底層的產(chǎn)生的價值越低，越頂層的產(chǎn)生的價值越高。大家想一下就會理解，做數(shù)據(jù)分析的過程大多時間是耗費在數(shù)據(jù)采集、清理、轉(zhuǎn)換等臟活累活上面，最有價值的分析和決策部分往往耗時很少。

因此，大家做數(shù)據(jù)分析應該把重心放在最有價值的分析和決策兩個層面上，并且盡可能使用工具實現(xiàn)底層的自動化操作。

（二）數(shù)據(jù)分析的方法論

數(shù)據(jù)分析應該幫助我們不斷優(yōu)化營銷、運營、產(chǎn)品、工程，驅(qū)動企業(yè)和用戶的增長，而不是為了分析而分析。在這里我給大家介紹兩個方法論，一個是業(yè)務上的 AARRR 模型，另一個是分析上的學習引擎。

AARRR 是著名的 Growth Hacker （增長黑客）海盜法則，依序分別是 Acquisition（獲取用戶）、Activation（激發(fā)活躍）、Retention（提高留存）、Revenue（增加收入）和 Referral（推薦傳播）的首字母簡稱，覆蓋用戶整個生命周期。我們在進行數(shù)據(jù)分析的時候，應該考慮用戶正處于 AARRR 模型的哪個部分、關鍵數(shù)據(jù)指標是什么、對應的分析方法又是什么？

“ 學習引擎 ” 是《精益創(chuàng)業(yè)》一書中提倡的精益化運營方式，在硅谷被大小企業(yè)廣泛采納。當我們有一個想法的時候，可以采用最簡可行化產(chǎn)品（MVP）的方式將其構(gòu)建（Build）出來。產(chǎn)品上線后，我們需要衡量（Measure）用戶和市場的反應。通過分析收集到的數(shù)據(jù)，我們可以驗證或者推翻我們之前的想法，從而不斷學習（Learn）和優(yōu)化。

（三）數(shù)據(jù)分析的具體方法

這篇文章的目的不是介紹具體的分析方法，而是為了讓大家對整個數(shù)據(jù)分析能力體系有一個系統(tǒng)的認知，所以我就不對每一個方法進行具體的闡述。

懂得每一種方法的原理是一回事，在業(yè)務中靈活應用又是另外一回事。以產(chǎn)品經(jīng)理為例，可以把“用戶行為 – 數(shù)據(jù)分析 -產(chǎn)品設計 & 優(yōu)化 ”三位歸于一體，在不斷的實踐應用中掌握各種分析方法的精髓和要義。數(shù)據(jù)來源于用戶，數(shù)據(jù)分析的最終目的也是服務于企業(yè)和用戶。做數(shù)據(jù)分析之前，一定要清晰業(yè)務目的和數(shù)據(jù)指標，選擇科學的分析方法，用數(shù)據(jù)來指導產(chǎn)品和用戶增長。

三、數(shù)據(jù)分析工具篇

（一）為什么工具那么重要？

“ 工欲善其事，必先利其器 ” ！

整個數(shù)據(jù)框架下面的部分可能花費了 80% 的時間和精力，但是產(chǎn)生了不到 20% 的價值。大家都在搭建數(shù)據(jù)采集平臺、都在寫代碼埋點、都在做 ETL、都在建 BI 系統(tǒng)，哪里還有更多的時間和人力來做 Analytics 和 Insight 。

以前市面上沒有好的數(shù)據(jù)分析工具，大家都只能自己去部署很多的系統(tǒng)、建立很多的機制，甚至雇傭三四個團隊去做一件事。

今天市面上有很多好的工具來幫助我們進行數(shù)據(jù)分析，為了節(jié)省時間、資源（特別是成長型企業(yè)），大家完全沒有必要內(nèi)部建造一套分析系統(tǒng)，應該擅用好的工具來幫助自己做數(shù)據(jù)分析。

（二）選擇合適的分析工具

選擇什么樣的分析工具，跟你的工作崗位、分析場景息息相關。每種場景都有若干種工具可以選擇，有些工具也可以用于多種分析場景，關鍵在于你對工具的熟悉和理解。

Excel 絕對是最基本、最常見的數(shù)據(jù)分析工具了，對于數(shù)據(jù)量較小的情況，無論是數(shù)據(jù)處理、數(shù)據(jù)可視化還是一些統(tǒng)計分析都能支持。一旦數(shù)據(jù)量大了，這個時候就需要大型的數(shù)據(jù)庫來支持。

市場營銷人員需要對廣告投放進行數(shù)據(jù)分析，網(wǎng)站流量監(jiān)測是他們關注的重點。產(chǎn)品和運營重點關注用戶行為和產(chǎn)品使用，用戶行為數(shù)據(jù)分析工具是他們的首選。

以前大家只關注業(yè)務數(shù)據(jù)，然而這些結(jié)果型的數(shù)據(jù)并不能告訴他們中間發(fā)生了什么、為什么發(fā)生；現(xiàn)在大家越來越關注精細化運營、對用戶行為數(shù)據(jù)的需求也越來越高，這也是我回國創(chuàng)立 GrowingIO 的原因。

如果你能懂一些 R 和 Python，在數(shù)據(jù)建模、統(tǒng)計分析、數(shù)據(jù)科學的方向上有所發(fā)展，那么你的數(shù)據(jù)分析水平就更上一層樓了。

上面說的這三點構(gòu)成了數(shù)據(jù)分析的能力體系。只有認同數(shù)據(jù)分析的價值、掌握數(shù)據(jù)分析的方法并且靈活應用數(shù)據(jù)分析工具，才能真正做好數(shù)據(jù)分析。

本文根據(jù)張溪夢演講內(nèi)容整理編輯。

作者：張溪夢，GrowingIO 創(chuàng)始人 & CEO

本文節(jié)選自 GrowingIO 2017 年第 3 期電子書《產(chǎn)品經(jīng)理數(shù)據(jù)分析手冊》

本文由 @GrowingIO 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。