时间: 2021-07-30 09:16:49 人气: 7 评论: 0
关于数据分析，作者分享了一些看法，希望能够对你有所帮助。
从广义来讲，数据是反映产品和用户状态最真实的一种方式，通过数据指导运营决策、驱动业务增长。数据可分为2种情况：数据监控和数据分析。
数据监控是及时、有效的反馈出数据异常的一种手段，通过对数据的监控去观察是否异常，进而分析数据。
数据分析是以业务场景和业务目标为思考起点，业务决策作为终点，按照业务场景和业务目标分解为若干影响的因子和子项目，围绕子项目做基于数据现状分析，知道改善现状的方法。
数据是产品和运营人员工作中重要的一部分，运营人员常说的一句话是“数据在手，天下我有”，任何事情都要以数据来说事。作为一名运营人员，我们在做运营策略的同时，需要分析大量用户数据，去观测用户行为和用户画像。同时我们应该要关心每个数据指标的增长，防止产品出现BUG，影响到我们的最终数据指标。那么我们要怎么及时发现数据异常呢？
以现金贷为例，每天我们都有大量的用户在进行交易行为，如果是有一个小时突然没有用户的交易数据，很少人**随时发觉，往往都是用户打电话询问客服“为什么APP登录不上”“为什么我提交不了资料”等等，这时大家才**发觉APP出现故障。
所以我们要做数据监控。
对于数据监控首先我们要明确几个点
现在让我们来讲下：
首先关注每个环节的基础数据指标（以现金贷的基础数据来举例）
通过监控每个业务环节的基础数据，如果数据异常，可以快速定位哪个环节出了问题，进而进一步的分析。
数据预警是通过各种数据维度的比对发现数据异常。
预警即通过数据采集、数据挖掘、数据分析，对已经存在的风险发出预报与警示
当数据出现问题时迅速作出反应，可第一时间通知到所有人，这样就能快速发现问题。
数据预警有5个点需要明确：
①量级指标与转化指标的确定
量级指标即每个环节的数据指标，量级指标存在的意义是可以通过我们的加工成为我们想要的数据。
转化指标即每个环节的转化，通过观测转化指标可以快速定位出哪个环节出了问题。
②每个指标正常波动范围的确定
每个指标要根据历史的数据设定一个正常浮动范围。可以从以下4种数据维度去确认正常波动范围。
举个例子，根据数据分析得出，注册用户量环比前3天的平均值的正常浮动范围是±20%。
③触发条件的确定
数据预警的触发条件要确定，通常是低于正常浮动范围就**发出预警
④预警周期与频次的确定
预警的周期通常是一天，频次半个小时一次或一个小时一次。
⑤预警方式
一般预警方式有三种
监控数据只能快速的发现数据出现异常的大概范围，不能精确地定位到具体的问题上。有人**说，那我把所有的环节都拆分为细小化颗粒，做好监控自动触发，
其实这个不是不行，这样的话一旦你一个细小化的环节出现异常而发出报警，关联到的其他细小化的指标都**受到影响从而也发出报警，这样的话太多指标发出报警，**造成你的干扰。
这是数据有效监控的一个流程，当有数据异常的时候，系统就**触发条件快速通知你，这时候你要做的就是看哪个环节出了问题。这个时候就要进行数据分析。
（1）单项分析
趋势洞察、渠道归因、链接标记、漏斗分析、热图分析、分群分析、A/B分析、留存分析
（2）组合分析
针对某个细分点，进行多维度组合分析。
（3）用户场景分析
时间、地点、需求。
举例：用户早上注册时间点
（4）建模分析
流失预警分析、用户激活分析、付费决策分析
举个例子，注册用户数急剧下降的原因，我们用组合分析，针对注册用户数这个细分点，进行几个维度的分析并得出原因。
有2种方法：
（1）自动图表化：可以从数据后台**选出我们想要看的数据，并且每个版块都制成图表，便于我们快速查看。举例：神策系统——把用户每个触发行为都加上埋点，按时间维度去查询我们想要的数据。
（2）手动图标化
最常用的有以下几种图表：
柱状图通常描述的是分类数据，用于显示一段时间内的数据变化或显示各项之间的比较情况。
折线图可以显示随时间（根据常用比例设置）而变化的连续数据。
饼图以二维或三维格式显示每一数值相对于总数值的大小。
条形图显示各个项目之间的比较情况。
散点图也叫 X-Y 图，它将所有的数据以点的形式展现在直角坐标系上，以显示变量之间的相互影响程度，点的位置由变量的数值决定。
漏斗图适用于业务流程比较规范、周期长、环节多的单流程单向分析，通过漏斗各环节业务数据的比较，能够直观地发现和说明问题所在，为决策者提供一定的参考。
面积图又叫区域图，面积图强调数量随时间而变化的程度， 它是在折线图的基础之上形成的, 它将折线图中折线与自变量坐标轴之间的区域使用颜色或者纹理填充，颜色的填充可以更好的突出趋势信息。
以上7种图表都是在分析数据中经常使用的，可以根据分析数据的展示去选择不同的图表。
数据监控和数据分析对于运营来说是非常重要的，做好数据监控，减少产品出现bug，影响用户的体验，减少重大事故的发生。
对于监控数据笔者仍在学习阶段，以上是最近工作中的心得分享，希望能给大家带来一些思路！
本文由 @Crystal 原创发布于人人都是产品经理。未经许可，禁止转载。
题图来自Pexles，基于CC0协议
