数据分析思路及流程

数据分析整体流程

明确问题

搭建框架

数据提取

数据处理

数据分析

数据展现

撰写报告

报告演讲

报告闭环

Excel一些操作

Excel的临界点分析：
对于任何一款产品，高活跃用户与低活跃用户在产品使用上必然不同
所以会存在某个指标，一旦用户在这个指标上的消费超过某个临界值时，后面用户会变得非常黏性这就是Magic number

专题分析

三个特征

1. 有目标：紧贴项目KPI
2. 有节奏：2~3周时间输出一份完整报告
3. 有闭环：所有的报告都说人话，做人事

案例

第一阶段：新用户留存整体分析

目的：摸清数据现状，同时找到若干切入点

关键点：不要太注重细节，该过程讲究报告产出的时效性，让其他人员感受到数据分析师的存在

第二阶段：寻找优化点，一般是1~2个

比如在上图那个架构图里面发现：

1. 关键路径数据发现曝光PV到点击PV的CTR很低

   赢进一步分析：对于新用户，应该曝光什么，在什么时候、什么位置曝光

2. 某个量大的二级渠道次留明显要低于其他渠道

   应进一步分析：对于该渠道，用户的留存过低是因为本身渠道质量存在问题？用户已经安装竞品？当前产品设计与渠道用户不太匹配？同时高留存的渠道的本本身特征是什么？

第三阶段：不断地重复前面两个阶段，继续寻找其他切入点

除了寻找本身产品的切入点，需要同时进行竞品分析、营销活动分析、用户流失分析等

整个过程就是在不断地“试错”，每一次分析报告都要有能落地的点，并且真的落地了，这就是闭环，这也是优秀分析师最重要的评判标准。

步骤

1. 需求解读
2. 建立逻辑树
3. SQL提取数据及分析
   • 组成部分
   • 数量比较
   • 有何变化
   • 各项分布
   • 各项相关性
   • 其他深层次挖掘
4. 撰写报告
   • 报告一定是90%的图+10%的文，一定要以图为主，图标标题说结论
   • 结论前置
   • 逻辑性强，同时演讲的时候一定要有故事感，站在领导的角度去向他要听什么

数据异常排查

异常原因

数据有较大波动，无非就两个原因：

1. 目前数据本身有问题
2. 业务本身有问题

前期准备

数据异常排查的前期准备：

1. 业务理解
2. 指标口径
3. 当前数据产出过程

排查步骤

1. 判断是否异常

   • 亲自去看数据准确性，不要人云亦云
   • 时间轴