數(shù)據(jù)分析是產(chǎn)品和運營都必須掌握的技能之一，但不少同學接觸較少還是不怎么會。本文分享了產(chǎn)品經(jīng)理如何做數(shù)據(jù)分析的流程和方法，供大家參考。

小A：

“這張曲線圖真好看，怎么做的”

“這些數(shù)據(jù)可以做什么樣的分析”

“高級的分析方法在這里能用嗎”

“要做多少張圖表”

小B：

“數(shù)據(jù)變化的背后真相是什么”

“從哪些角度分析數(shù)據(jù)才系統(tǒng)”

“用什么分析方法最有效”

“數(shù)據(jù)分析的目的達到了嗎”

小A和小B在做數(shù)據(jù)分析的時候分別思考了相關(guān)問題，不難看出，小B的問題對于數(shù)據(jù)分析來說價值更高，也更專業(yè)；而小A就是以前的我，在收到數(shù)據(jù)分析任務的時候，總是找不到重點、隨意發(fā)散、無法聚焦，結(jié)果也總是不盡人意；通過多次的經(jīng)歷與不斷復盤，摸索并驗證了一條真實可落地的思路，和大家探討一下。

常見的數(shù)據(jù)分析全流程一般是：明確分析目的→確定分析方法與思路→數(shù)據(jù)加工→得出結(jié)論

一、明確主題

主題可以是封閉的，如“廣州機場1期項目的隱患整改率指標能否符合預期”，也可以是發(fā)散的，如“當前公司供需匹配的矛盾是什么”，需要根據(jù)公司具體情況確定分析目標。

整個分析過程就是對業(yè)務的診斷過程，從淺到深、從大到小，下面我們通過一個案例，來貫穿整個流程。

案例：

需對小Y公司零售業(yè)務銷售額下降進行數(shù)據(jù)分析。

小Y公司在2024年前4個月銷售額持續(xù)增長，但在5月份的銷售額卻出現(xiàn)了一定程度的下降，具體數(shù)據(jù)表現(xiàn)如下：

全國5月份比4月份整體下降362千元。

二、分析思路

1. 首先是數(shù)據(jù)校驗

1）校驗數(shù)據(jù)準確性

是否因系統(tǒng)上報錯誤等異常原因?qū)е?，如檢查數(shù)據(jù)獲取渠道、sql是否有誤、數(shù)據(jù)看板是否及時更新；

2）異常還是波動

拉長時間軸對比查看觀測日數(shù)據(jù)是否異常；

最終確定數(shù)據(jù)準確且是異常變化，再進行后續(xù)分析。

2. 其次是確定方法

我常用的分析方法一般是：假設(shè)驗證、邏輯樹、5W2H

1）假設(shè)驗證

提出假設(shè)→驗證假設(shè)

我們用上面提到的小Y公司案例進行分析：

假設(shè)可能是某個區(qū)域的銷售額下降，導致整體銷售額下降，獲取到更細力度的數(shù)據(jù)后，用excel對基礎(chǔ)數(shù)據(jù)進行透視，觀察分區(qū)的銷售額變化情況：

通過觀察發(fā)現(xiàn)，北京、河北5月份的銷售額明顯下降，其中北京下降幅度最大，因此猜測北京銷售額下降是導致全國銷售額下降的首要因素。為什么北京的銷售額會下降呢？是整體下降？還是某個品類下降？為進一步分析，需對各區(qū)域的數(shù)據(jù)進一步按品類分組觀察如下：

通過觀察，北京蔬菜品類5月份下降明顯，從423千元下降到40千元，降幅達90%，而海鮮和水果基本穩(wěn)定。因此基本可以確定銷售額下降主要是因為北京地區(qū)蔬菜品類銷售額下降導致的。

若此刻下定結(jié)論，也許不夠嚴謹，因為河北的銷售額也有所下降，大膽推測一下：全國的蔬菜品類是否因為某些原因出現(xiàn)了整體下降呢？

我們這次從分品類分區(qū)域的銷售額維度進行觀察，數(shù)據(jù)表現(xiàn)如下：

觀察發(fā)現(xiàn)，全國海鮮品類銷售較穩(wěn)定，水果品類持續(xù)增長，蔬菜品類在5月份的銷售額明顯下降。廣州和深圳的蔬菜品類銷售額是增長的，只有北京與河北兩地的蔬菜品類銷售額明顯下降。

考慮到北京與河北兩地相連，猜測可能是同一原因?qū)е碌氖卟似奉愊陆怠Ｒ虼宋覀冊儐柫巳A北地區(qū)采購員，得知5月份蔬菜品類的華北地區(qū)供應商貨品質(zhì)量大面積出現(xiàn)問題，導致嚴重退貨。華北地區(qū)供應商是北京與河北客戶采購商品的同一供應商。

至此，得到了明確的分析結(jié)論：華北地區(qū)蔬菜品類出現(xiàn)嚴重質(zhì)量問題，導致北京與河北的銷售額驟減，進而導致全國銷售額下降。

這里的分析工具只用到了excel的數(shù)據(jù)透視，還有其他如BI軟件，也可以從各個維度探查數(shù)據(jù)，大家可根據(jù)自己的實際情況選擇合適的分析工具，只要能達到最終分析的目的即可。

2）邏輯樹：

通常會將公式拆解、用戶/產(chǎn)品/競品三維度拆解，用邏輯樹來體現(xiàn)。

如：GMV下降

i.公式拆解：為訪客數(shù)、訂單轉(zhuǎn)化率、訂單均價進行進一步分析。

ii.三維度拆解：用邏輯樹體現(xiàn)如下

3個維度不斷細分，進行分析。

3）5W2H：同樣用邏輯樹體現(xiàn)如下

這個方法作為產(chǎn)品經(jīng)理應該再熟悉不過了，我做需求調(diào)研的時候也經(jīng)常用到這個方法，簡單清晰，覆蓋的范圍也比較全面。

3.最終得出結(jié)論

數(shù)據(jù)分析的結(jié)果一般會以分析報告類的文檔呈現(xiàn)，分析報告結(jié)構(gòu)可以按照總分總的形式編寫，如提出論點、進行論證、陳述總結(jié)。

報告中要注意：標題、數(shù)據(jù)來源、格式與排版等。

三、數(shù)據(jù)加工

數(shù)據(jù)分析過程離不開數(shù)據(jù)加工，一般收集來的數(shù)據(jù)，都要做一些清洗、處理等操作，以保數(shù)據(jù)的準確性與可信度。

專業(yè)的數(shù)據(jù)加工工作一般是由數(shù)據(jù)分析師等職位的同學執(zhí)行，產(chǎn)品崗的我們，能執(zhí)行一些必要的處理工作即可，如對excel相關(guān)公式的使用、BI軟件、埋點平臺的使用等，當然如果對數(shù)據(jù)加工過程也能掌握肯定是更好的。

數(shù)據(jù)加工的過程一般包括：

數(shù)據(jù)采集、數(shù)據(jù)預處理、數(shù)據(jù)存儲、數(shù)據(jù)處理與分析、數(shù)據(jù)可視化、數(shù)據(jù)服務產(chǎn)品化。

1.數(shù)據(jù)采集：從各種來源（業(yè)務系統(tǒng)、日志文件等）收集原始數(shù)據(jù)，需要保證數(shù)據(jù)的完整性和準確性；

2.數(shù)據(jù)預處理：收集到的原始數(shù)據(jù)進行清洗、去重、轉(zhuǎn)換等操作，消除數(shù)據(jù)中的噪聲和異常值，提高數(shù)據(jù)質(zhì)量；

3.數(shù)據(jù)存儲：將預處理后的數(shù)據(jù)存儲到合適數(shù)據(jù)存儲系統(tǒng)中，如分布式文件系統(tǒng)（HadoopHDFS）或數(shù)據(jù)庫（NoSQL）

4.數(shù)據(jù)處理與分析：使用各種技術(shù)和工具對數(shù)據(jù)進行分析，如統(tǒng)計分析、機器學習等，以發(fā)現(xiàn)數(shù)據(jù)中的模式、關(guān)聯(lián)，應用于決策支撐

5.數(shù)據(jù)可視化：分析后的數(shù)據(jù)通過圖形化的形式展示出來，幫助用戶更好理解和使用數(shù)據(jù)，常用的可視化工具如tableau、power BI等

6.數(shù)據(jù)服務產(chǎn)品化：經(jīng)過處理和分析的數(shù)據(jù)應用到實際業(yè)務中，如推薦系統(tǒng)、風險管理等，需考慮數(shù)據(jù)的真實性、實時性與可靠性，以滿足業(yè)務需求。

這里僅做一些簡單介紹，感興趣的同學可自行查閱~

四、總結(jié)

在整個數(shù)據(jù)分析過程中我認為方法工具、業(yè)務知識、細心耐心三者都很重要。事情的執(zhí)行總是由簡到繁、由陌生到熟悉的。我一開始做數(shù)據(jù)分析的時候很難聚焦，總是找不到出發(fā)點或分析點，像個無頭蒼蠅一樣，什么數(shù)據(jù)都想要，最后結(jié)果分析不到位、缺少重點。在很多次的摸爬滾打中，逐漸找到了適合自己的方法，拓展了思路。

小Tips：如果實在不知道怎么做/迷茫的時候，就先開始，動起來再說。

今天的分享就到這里了，希望可以幫到你，歡迎大家一起交流學習。