什么才是打开「数据分析」的正确姿势？

2017-08-14 12:42 来源:人人都是产品经理 数据分析

原标题：什么才是打开「数据分析」的正确姿势？

文章分享了做数据分析的一些方法与思路，与你分享，希望对你有所帮助。

上周和大家聊了一次数据建设，于是就有读者问做好数据分析应该用什么姿势，那就来聊个10块钱的吧。

1.基本原则

做数据分析工作，一定要遵循一定的原则，这些原则，我简单列了列，属于亮哥比较看重的，但是不一定是通用的。

让我们先来看数据分析的流程。

亮哥认为，数据分析应该遵循下面这个流程：

也就是说，数据分析需要从问题中来回到问题中去。拆解一下其实，数据分析主要要有五个步骤：

问问题、找对象、选数据、做分析、再验证。

1、问问题：数据分析必须要有明确目的

数据分析在启动时，一定要有非常明确的目的。

这种目的，可能伴随一次或多次目标明确的测试动作。

譬如说，原先的商品落地页的购买转化率比较低，需要使用新的落地页，以提升流量进入后的购买转化率。

这个时候问的问题，应该有3个：

当前的商品落地页是值得进行优化的吗？

商品落地页的优化是可行的吗？

能够优化到什么程度？

你会发现，这个时候，其实原先的一个目的（想办法提升商品落地页的购买转化率），就变成了3个问题，而这3个问题，接下来就要指导整个数据分析的过程。

2、找对象：明确分析的可行性和分析的范围

对于上面的例子来说，其实是要对着三个问题来进行1by1的解决，需要去弄清楚对象。

问题1：当前的商品落地页是值得进行优化的吗？

这个问题的对象其实不是商品落地页，而是商品落地页的来源渠道的流量情况和流量到来后在商品落地页的行为模式。

因为，如果流量本身进入的就少，可能样本本身就不具备去测试验证的可能性，反而需要我们先去提升流量分发的能力。

问题2：商品落地页的优化是可行的吗？

这个问题的对象既可以是新的落地页，也可以是老的落地页，只要能够通过数据证明，对落地页的调整是否会影响购物转化率，那么就可以得到结论。

问题3：能够优化到什么程度？

这个问题其实现在是回答不了的，要回答这个问题很明显，首先有一个前提，就是商品落地页的调整，对于改进购买转化率来说，是具备可行性的。

这样你就可以把对象识别出来。

3、选数据：从已明确对象身上去挖掘相关联的数据

选数据这件事儿，其实后半段不难，但前半段不太容易做。

涉及到选择时间跨度，对象数据的维度等。

一句话，要有逻辑性。

4、做分析：客观中立，从数据中洞察

分析这件事情，其实就是讲究，从数据中自然推导出结论，讲究客观中立。

不能带着结论去凑数据，也不能一脸懵比不要知道数据想要和你谈什么。

5、再验证：带着数据告诉你的结论，反过来去看待最初的问题

我和小朋友说的是，数据要能够带来：

结论

假设

行动项

也就是说，一次数据分析，应该能够帮助你先认识到问题在现阶段的状况（结论），能够帮助你提出下阶段的可能性（假设），能够帮助你梳理接下来要着手做的事情（行动项）。

2.如何建立数据提取的逻辑

逻辑这件事情，非常重要。

重要到何种程度呢？

我见过刚开始做数据分析的小同学的分析报告，基本就是，堆一堆数据，然后说道说道，来了个结论，完。

我就问，为什么要取这些数据？这些数据之间有关联关系吗？是什么样的关系？

前两天，我的好朋友也是知乎大V的三水哥，写了个以毒攻毒去反驳三峡带来的负面影响的专栏文章，很值得一看，看了你就知道，有时候煞有介事堆砌的数据，其实根本就不存在因果关系。

那么，你花了几天时间去取了各种数据之后，堆叠出来的不过就是个你认为是正确的结论而已，这并没有价值。

建立数据提取的逻辑，首先是要训练自己的逻辑思维能力。

比较轻又有点小变态的训练方法是这样的：

随便拎起一个现象，就开始去做「找关系」的训练。

譬如，拿到一杯咖啡，你就可以开始训练了：

杯咖啡是美式、拿铁还是其他什么类型的饮料？