對于業(yè)務(wù)人，比如產(chǎn)品或運(yùn)營，數(shù)據(jù)分析能力的核心不在方法和工具，而在于思維。

• 大多數(shù)人錯誤地理解了數(shù)據(jù)分析，把數(shù)據(jù)分析能力提升的關(guān)鍵放在了方法和工具；
• 對于業(yè)務(wù)人而言，數(shù)據(jù)分析的核心思路是，得到兩個變量之間的「量化關(guān)系」，用以解釋現(xiàn)象；
• 數(shù)據(jù)分析的步驟，感知問題、提出假說、選擇表征、收集數(shù)據(jù)、分析驗(yàn)證；
• 提出假說和選擇表征是很多業(yè)務(wù)人數(shù)據(jù)分析做不下去的原因。

數(shù)據(jù)分析的方法崇拜

在和團(tuán)隊(duì)小伙伴分享的的時候，發(fā)現(xiàn)一個問題：

我問，你怎么看數(shù)據(jù)分析能力？如何評價自己的數(shù)據(jù)分析能力？

大家的回答主要是這樣的：

運(yùn)營是基于數(shù)據(jù)驅(qū)動的，但是拿著很多數(shù)據(jù)，不能分析下去，主要是對于excel的一些陌生的公式、函數(shù)都不太會，我要專門去學(xué)一下excel

我感覺導(dǎo)致現(xiàn)在轉(zhuǎn)化率低低原因是xxx，最近接觸到很多用戶都是這么反饋的，但還沒有找到好的分析方法

產(chǎn)品的數(shù)據(jù)分析能力還是很重要，我想去學(xué)個R，能夠去構(gòu)建量化模型

……

以上，我覺得太在意數(shù)據(jù)分析方法和工具，我覺得都還沒有把握住一個業(yè)務(wù)人數(shù)據(jù)分析能力的核心。

業(yè)務(wù)人考慮的最重要的問題是，業(yè)務(wù)結(jié)果到底怎么樣，出現(xiàn)了什么問題，原因是什么，可能的解決方案是什么。

數(shù)據(jù)分析只是手段，它的誤區(qū)就是，太在意方法和工具。

而最缺少的，恰恰是最重要的思維。

數(shù)據(jù)分析的本質(zhì)

數(shù)據(jù)分析最重要的思維就是，不斷確定業(yè)務(wù)中兩組變量之間的關(guān)系，用以解釋業(yè)務(wù)。

收入、轉(zhuǎn)化、用戶規(guī)模、用戶活躍等，我們稱為現(xiàn)象。而只有通過數(shù)據(jù)量化的現(xiàn)象，我們才能精準(zhǔn)感知。所以，數(shù)據(jù)是用來描述現(xiàn)象的，是被量化的現(xiàn)象。這就是數(shù)據(jù)統(tǒng)計在干的事情，比如建立數(shù)據(jù)漏斗，嚴(yán)格意義上這就是數(shù)據(jù)統(tǒng)計。

而數(shù)據(jù)分析，就是尋找這些被量化的現(xiàn)象之間的「關(guān)系」。這個關(guān)系就是y=f（x）。找到兩個變量之間的關(guān)系，多找到一種這樣關(guān)系，在實(shí)踐中，就多一種有效手段。

所以，在數(shù)據(jù)處理層面，有這樣兩個方式：

1. 數(shù)據(jù)統(tǒng)計——利用數(shù)據(jù)體現(xiàn)現(xiàn)象，比如建立數(shù)據(jù)漏斗
2. 數(shù)據(jù)分析——利用數(shù)據(jù)尋找現(xiàn)象關(guān)系，比如城市特征和活躍之間的關(guān)系

本文核心是圍繞數(shù)據(jù)分析進(jìn)行展開。

比如，做社群運(yùn)營的同學(xué)，常常會想，到底什么因素在影響用戶的活躍度。在實(shí)踐的過程中，我們感覺到，不同的進(jìn)入社群的時間點(diǎn)可能是活躍度比較關(guān)鍵的影響因素。于是，嘗試通過數(shù)據(jù)定義，確定x=進(jìn)群時間點(diǎn)與開群的時間差，y=第一月活躍率。我們將x變量按天為單位氛圍不同類別，得到了以下的關(guān)系：

*x變量每類樣本N>50，且基本是同一時間的社群，排除了其他因素影響

當(dāng)我們得到以上圖示的關(guān)系其實(shí)足以指導(dǎo)我們的工作了——做社群運(yùn)營，盡量做到及時開群，不要讓用戶等待，消耗熱情。

所以，數(shù)據(jù)分析最重要的思維就是，不斷去尋找可能與業(yè)務(wù)結(jié)果有關(guān)的變量，確定這兩個變量之間的關(guān)系。多確定了一種關(guān)系，就多了一種手段，少了一些瞎干。

要做到這些，excel的基礎(chǔ)功能，妥妥解決。通過統(tǒng)計學(xué)方法回歸分析出一個量化模型或論證其信效度。

因?yàn)椋瑢τ诖蟛糠謽I(yè)務(wù)而言，動作的精度有限，所以不需要分析的精度太高，同時，統(tǒng)計方法的量化模型無法用業(yè)務(wù)邏輯進(jìn)行解釋，只能預(yù)測，對于實(shí)操類業(yè)務(wù)意義不大。

業(yè)務(wù)中數(shù)據(jù)分析的一般方法

前面簡單說了數(shù)據(jù)分析的方法工具誤區(qū)和數(shù)據(jù)分析核心是要去尋找兩組變量之間的關(guān)系。

那在業(yè)務(wù)中，如何進(jìn)行有效的數(shù)據(jù)分析。我將數(shù)據(jù)分析歸納為以下五個步驟：

• 第一步，感知問題
• 第二步，提出假說
• 第三步，選擇表征
• 第四步，收集數(shù)據(jù)
• 第五步，分析驗(yàn)證

第一步，感知問題

如果沒有問題，是不需要數(shù)據(jù)分析的。

但是，那是不可能的。KPI總是差點(diǎn)才達(dá)到，即使達(dá)到了，領(lǐng)導(dǎo)還會問你，就不能做到更好嗎？

在業(yè)務(wù)中的問題有這樣兩種，一種是直接找最終結(jié)果的問題，比如收入比不上競品，DAU下降了10%等；一種是環(huán)節(jié)上的問題，拆解漏斗和業(yè)務(wù)環(huán)節(jié)，比如通過分析app數(shù)據(jù)漏斗，發(fā)現(xiàn)每日使用一次人數(shù)相對于每日打開人數(shù)相對于流失了30%等。

記住這樣一句話，但凡有差異，必有問題，但凡有問題，必要尋找原因。

這一步困難的不是有沒有問題，差距、不足總是在那里。困難的是，能不能找到最重要，也就是最和業(yè)務(wù)結(jié)果相關(guān)的問題，優(yōu)先級排序是關(guān)鍵。

而排序的關(guān)鍵就是，基于最重要的結(jié)果或KPI的標(biāo)準(zhǔn)進(jìn)行排序。不斷思考一件事，解決了這個問題能夠?qū)Y(jié)果有多大的改善？

第二步，提出假說

找到問題，下一步就是找方法解決。

在管理咨詢界有個說法，叫作不要煮沸海洋。說的是，把所有的，可能導(dǎo)致問題的因素全部找出來分析一遍，那是低效也是不可能的。

所以，這里就需要使用到「假說」的方法。

哪些因素可能影響到收入？哪些因素會導(dǎo)致打開app的人不使用任何功能直接離開？

找到以上問題可能的答案的過程，就是提出假說的過程。

這里有兩個路徑用來提出假說，一個是歸納的方式，一個是演繹的方式：

什么是歸納式的，就是根據(jù)個案進(jìn)行總結(jié)。比如在收入可能的影響因素的時候，我會找所有相關(guān)工作人員進(jìn)行頭腦風(fēng)暴，提出可能的因素；也會對分層的用戶進(jìn)行抽樣深讀訪談，了解他們購買或不購買的原因及其他看法。

什么是演繹式的，就是根據(jù)模型進(jìn)行推演。比如在app打開不使用直接離開，我們可以根據(jù)對用戶行為模型的理解進(jìn)行拆解，而拆解的有效與否，其實(shí)就是關(guān)于你模型多少、深度。

結(jié)合歸納式和演繹式的方法，我們會得到非常多的可能與結(jié)果相關(guān)因素。進(jìn)行整理，并進(jìn)行重要性排序。

到這里，我們就找出很多可能、未經(jīng)確定、未經(jīng)量化的y=f（x），也就是一對對可能有關(guān)系的變量。

第三步，選擇表征

不可被數(shù)據(jù)量化，就不能被改變。如前文所說，數(shù)據(jù)分析，需要將現(xiàn)象量化，得到可以分析的數(shù)據(jù)。

所以，需要將提出的假說中所選擇的變量，用數(shù)據(jù)來進(jìn)行表征。

在入群時間點(diǎn)對用戶活躍度影響的例子中，我們將入群時間點(diǎn)（x）定義為：入群時間與開群時間差；將活躍度（y）定義為用戶從進(jìn)入起一周的活躍率，即一月內(nèi)活躍天數(shù)的占比。

在選擇數(shù)據(jù)表征元素的時候，需要把握的原則就是：

• 選擇的數(shù)據(jù)能夠充分代表假說中變量的內(nèi)涵；
• 選擇的數(shù)據(jù)盡量是用戶客觀行為數(shù)據(jù)而非主觀態(tài)度數(shù)據(jù)；
• 選擇的數(shù)據(jù)是有被記錄或容易獲取。

第四步，收集數(shù)據(jù)

互聯(lián)網(wǎng)的很大優(yōu)勢就是數(shù)據(jù)驅(qū)動的，數(shù)據(jù)往往是被有效收集的。

但是，也存在數(shù)據(jù)沒有被記錄情況。支持產(chǎn)品功能的數(shù)據(jù)，會被記錄，但是很多行為數(shù)據(jù)只能通過調(diào)取接口數(shù)據(jù)或埋點(diǎn)的方式進(jìn)行記錄。這就需要業(yè)務(wù)人能夠提前規(guī)劃所需數(shù)據(jù)，讓工程師將數(shù)據(jù)記錄在庫。

在收集數(shù)據(jù)的過程中，需要注意到就是有效數(shù)據(jù)量不能太小。

第五步，分析驗(yàn)證

反倒是，分析驗(yàn)證這個步驟變得不是那么核心的步驟。

確定好了x與y的含義和數(shù)據(jù)，剩下的分析就很簡單了。通過數(shù)據(jù)可視化的方式，表現(xiàn)出x與y的關(guān)系，就能發(fā)現(xiàn)其中是否存在有價值的規(guī)律。

發(fā)現(xiàn)x與y存在某種關(guān)系的時候，最好通過數(shù)據(jù)進(jìn)行再次驗(yàn)證。選擇另外一組數(shù)據(jù)，再次進(jìn)行分析，看確定的關(guān)系是否再次被復(fù)現(xiàn)。

當(dāng)然，最重要的驗(yàn)證是在業(yè)務(wù)實(shí)現(xiàn)中體現(xiàn)。

數(shù)據(jù)分析，一種必備能力

數(shù)據(jù)分析，是認(rèn)識事物的重要方式之一，它的特點(diǎn)是定量的非定性的、過去的非未來的、相關(guān)的非因果的，有其適用范圍，但一定是所有業(yè)務(wù)人必須掌握的能力。

對于業(yè)務(wù)人，不用太崇拜于方法和工具，首先需要錘煉分析思維，尋找兩個變量的關(guān)系，真正指導(dǎo)業(yè)務(wù)才是關(guān)鍵。

而在分析的過程中，「提出假說」和「選擇表征」是關(guān)鍵所在，也是很多業(yè)務(wù)人沒有能夠作出有效分析的關(guān)鍵所在。

本文由 @個家 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。

題圖來自 Pixabay，基于 CC0 協(xié)議