本文来自微信公众号 “林川笔记”，作者：林川笔记，纷传经授权发布。

数据分析能力，是运营人成长的关键，不管你是负责产品运营、社群运营还是内容运营，都需要通过数据来衡量结果挖掘可能性。

关于数据分析价值的文章已经很多了，我今天就不再赘述了，今天想跟大家聊一聊数据分析如何落地到实际工作中。

01

数据分析需要做哪些工作

过去，我们做一个营销活动的时候，由于技术的限制，能够采集到的用户数据十分有限，所以在做判断的时候主要依靠经验和用户感知，随着技术的发展与第三方数据平台功能的完善，今天我们在做运营动作的时候会通过对数据的分析来验证猜想。

一个完整的数据分析流程包含了“定义数据—采集数据—处理数据—分析数据—分析结果输出”这五步

定义数据：数据是信息的载体，因此在数据采集之前，我们先要明确为什么要采集数据，以及采集哪些数据，比如，我们需要判断一款产品是否能够成为拳头产品，那么就需要去采集”产品在推广周期内的转化数据、订单量、收入、收入占比、退费订单量、退费率“等数据。

这其中，有一些数据是相对客观的，比如”订单量、退费订单量“另一部分数据是相对主观的，比如”转化率“，我们需要明确这些数据的含义，才能进行接下来的采集以及分析工作。

采集数据：运营同学的数据可以通过公司内的数据分析师或者第三方工具进行采集，因此在采集之前，运营小伙伴需要跟分析师、产研伙伴做好沟通。

数据处理：通常我们通过数据库拿到的数据都是单个用户行为的原始表格。

通过处理，我们把复杂难以阅读的数据变成了清晰可阅读的表格，接下来我们就要对数据进行分析了。

数据分析：以业务流程为基础，结合数据分析方法，通过横向、纵向对比数据寻找相关性和因果性来建立数据之间的联系，寻找问题原因以及可能性。

分析结果输出：数据分析的最后一步是形成数据分析报告，为了让分析结果更直观，我们需要通过饼图、折线图、柱状图的形式对数据结果进行可视化处理。

数据分析报告通常包含以下几个部分。

项目基本介绍：简单明了地说明项目背景、现状以及现阶段各业务线的基本数据情况。

发现问题并描述：通过跟自家产品往期数据以及同期不同产品之间的数据对比，找到并发现问题，比如，A产品用户退费率较往期增加了10个百分点，同期竞品同类型产品退费率只有5%。

原因分析：明确分析过程与结果，可通过图片+文字的形式展示分析结果。

改进意见：结合业务情况，根据分析结果提出可落地的改进意见，并明确建议改进的周期，如果改进意见需要各部门进行合作，需要明确各部门的工作内容以及时间结点。

02

数据分析常用方法

做运营的小伙伴一定学习过很多分析方法，比如PEST分析法、SWOT分析法等，但这些都是基于基于业务对社会大环境和竞争态势进行的分析，对于一个APP，一次活动，一段周期内社群的转化情况我们还是需要直接对数据来进行分析，我列举了几个在实际工作中常用且比较容易落地的分析方法。

1、漏斗分析法

漏斗分析法是通过梳理用户转化路径，对转化环节中每一步进行单独的监控，这种分析方法最开始在电商网站分析中被广泛应用，后来在对app、私域、活动等分析时的作用也越来越重要，漏斗分析法能够分析每一个环节的可优化点，从而提升整体的转化效率。

图片来源于网页

2、对比分析法

孤立的数据是没有意义的，只有通过对比才能发现趋势和差异。比如在同一时间维度下，横向对比A、B、C、D四款产品的销售额，可以发现，在该时间段，A+C产品一起贡献了80%的销售额，其中A产品贡献的销售额最高，可以把A产品作为主要的营收产品。；在不同维度下对通过一产品的销售情况进行分析，可以发现A产品的销售量波动情况，从而可以进一步分析数据波动的原因。

3、公式拆解法

接上面，当我们发现了A产品的4月的销售额出现了比较大的下降，可以把与销售额相关的因素组成一个公式。销售额=浏览量*转化率*单品价格。确定公式之后，我们可以进一步纵向对比这三个数据，在不同时间内的变动情况，从而分析出数据提升的原因。

当我们发现在其他数据基本稳定的情况下，A产品的转化率在4月份有比较大幅度的下降，那就可以再向下拆分用户在下单的过程中各环节转化率的变化情况，进一步找到需要优化的点。

4、矩阵分析法

矩阵分析法是将两个因素作为分析依据，进行关联分析，来确认资源配置优先级。在渠道筛选的时候，我们通常会使用矩阵分析法来直观地反馈每个渠道优劣。

图片来源于网页

03

运营人如何提升数据思维

一个人是否具有数据思维，反馈到生活中的表现就是，在工作中能否通过数据准确的对事情结果进行形容。

比如，在月度评比的时候，我们说小张在上个月的进步很大，授予进步之星。这就有一个问题，什么叫进步大？是前一个月的业绩比以往有提升还是思想品德有进步呢？这就是一个模棱两可的形容。

所以，我们准确的形容应该是，“小张上个月的销售额100万，较前一个月30万的销售额增长率超200%，所以我们将本月的进步之星授予小张”。这样，我们就能够把事情形容的清晰明了。

那么运营小伙伴，如何在工作中培养自己的数据思维呢？

1、培养数据敏感性

在平时工作中，大家会经常接触到一些数据的变动，比如销售的签单率、APP页面的跳转率，加微率等等，当我们接触到这些数据之后，可以有意的让自己分析变化原因以及变化之后的影响，坚持一段时间，以后再听到的数据变化，你所想到的就不仅仅是一个数字了。

2、把工作内容数据化

在工作中要养成记录数据和运营动作的习惯，可以通过建立表格的形式，把动作和数据变化记录下来，记录的越细致越好，这样把我们每天的动作和数据进行对比，有助于在复盘环节明确运营调整和数据之间的因果关系，为接下来的工作做参考。

04

实际工作中的小问题

1、数据越记越多，不知道该从哪下手？

在前期统计数据的时候，我们经常会出现记录了很多数据，感觉每一个数据都有关系的情况，如果经常出现这样的情况，可以在整理数据之前，先把数据相关的公式写下来，只整理与公式中有的数据；如果同时需要分析多个数据，那就一个一个来，千万不要一股脑把数据都摘出来，这样十分容易乱套。

2、看到数据下降就心慌怎么办？

遇到数据指标的波动先不要慌，先看看是硬指标波动还是软指标波动，硬指标指的是像是“销售额、下单量、签约率”等数据，这些数据是必须达成的，如果达成不了会影响营收；软性指标指的是“页面浏览量、加微率”等等，这些数据虽然对最终营收会有影响，但影响有限。

当然，硬指标和软指标，也根据业务和自己负责的板块不同是会有变化的。有一个判断标准就是，是否直接影响营收或者目标，如果是，那就可以列为硬指标。

硬指标如果有波动一定要警惕，软指标有波动可以先观察，再行动。面对硬指标波动，可以使用前面提到的数据分析方法，拆解问题找到原因。

3、数据分析一定要去学SQL吗？

如果不是专门做数据运营，可以不去学习SQL这些语言，相对于大多数运营，思维有时候比技能更重要，但是学有余力的情况下，多学点总是好的。

最后，在运营中进行数据分析是一门学问，除了理论学习之外，更要多实践。