一、充分利用可獲得數(shù)據(jù)
在開展一個(gè)調(diào)研，執(zhí)行數(shù)據(jù)分析的階段，我們可以首先去思考下，除了我們調(diào)研中設(shè)置的數(shù)據(jù)以外，還有哪些數(shù)據(jù)我們是可以獲取并進(jìn)行分析的。從便于理解數(shù)據(jù)分析思維的角度，我們把數(shù)據(jù)類型可分為：用戶數(shù)據(jù)、行為數(shù)據(jù)、態(tài)度數(shù)據(jù)、產(chǎn)品數(shù)據(jù)。
用戶數(shù)據(jù)：是指用戶本身的屬性和基本情況，比如：性別、年齡、身份、職業(yè)、地區(qū)等，了解用戶數(shù)據(jù)便于我們?cè)诤罄m(xù)的分析階段更好的對(duì)用戶進(jìn)行細(xì)分和拆解。
行為數(shù)據(jù)：是用戶與產(chǎn)品交互過程中產(chǎn)生的數(shù)據(jù)，即記錄用戶做過什么的數(shù)據(jù)，常通過產(chǎn)品埋點(diǎn)等方式記錄收集，比如：用戶點(diǎn)擊酷家樂設(shè)計(jì)入口的次數(shù)、在某個(gè)頁面的停留時(shí)間、查看過的頁面類型/數(shù)量、使用過哪些工具類型等，行為數(shù)據(jù)主要包括用戶做了哪些行為、發(fā)生行為的時(shí)間等。
態(tài)度數(shù)據(jù)：是用戶對(duì)于某個(gè)事情或者觀點(diǎn)的態(tài)度，通常是通過我們?cè)谘芯恐性O(shè)置好的問題來獲取，比如常見的：用戶的滿意度、NPS、某個(gè)問題對(duì)用戶的影響程度等。
產(chǎn)品數(shù)據(jù)：是產(chǎn)品本身屬性或者具備的數(shù)據(jù)，例如：產(chǎn)品名稱、產(chǎn)品價(jià)格、產(chǎn)品種類、功能個(gè)數(shù)、產(chǎn)品評(píng)論、產(chǎn)品銷量、產(chǎn)品滿意度等。
不同的數(shù)據(jù)類型可能來源于不同的獲取渠道，有些來自公司內(nèi)部數(shù)據(jù)庫，有些是通過自己主動(dòng)投放獲取，在實(shí)際進(jìn)行業(yè)務(wù)問題分析時(shí)，要有充分調(diào)用不同渠道、不同數(shù)據(jù)類型的意識(shí)，不僅關(guān)注同一類型數(shù)據(jù)的表現(xiàn)，還可以分析不同數(shù)據(jù)類型之間的關(guān)聯(lián)，從而對(duì)業(yè)務(wù)問題背后的原因進(jìn)行更深層次的洞察。
二、基礎(chǔ)的數(shù)據(jù)分析思路
數(shù)據(jù)分析的目的是為了回答某個(gè)業(yè)務(wù)問題，通常來說，常見的業(yè)務(wù)問題主要有兩類：
一是業(yè)務(wù)現(xiàn)狀分析（即通過業(yè)務(wù)數(shù)據(jù)分析，來發(fā)現(xiàn)當(dāng)前業(yè)務(wù)問題）
二是業(yè)務(wù)問題原因分析（即在發(fā)現(xiàn)某個(gè)業(yè)務(wù)問題后，層層深入挖掘問題背后的原因）。
例如，我們?cè)诠ぷ髦忻媾R著這樣的業(yè)務(wù)訴求：當(dāng)前產(chǎn)品用戶NPS如何，是高還是低？是升了還是降了？產(chǎn)品NPS上升/下降的原因是什么？
1、對(duì)比分析法：絕對(duì)數(shù)據(jù)意義不大，要看相對(duì)數(shù)據(jù)
對(duì)比分析法是進(jìn)行業(yè)務(wù)現(xiàn)狀分析和發(fā)現(xiàn)問題最基本的方法，單一的數(shù)值并不能說明什么問題。比如，了解某產(chǎn)品NPS達(dá)到30%，只了解這個(gè)數(shù)值是沒有太大意義的，因?yàn)椴⒉荒芘袛噙@個(gè)NPS是高還是低？是升了還是降了？所以只有通過對(duì)比分析，才能讓數(shù)據(jù)變得有意義。
常見對(duì)比分析思路：
和行業(yè)比：想知道NPS是高還是低，可以和行業(yè)的平均水平進(jìn)行對(duì)比，或者和行業(yè)內(nèi)的標(biāo)桿進(jìn)行對(duì)比。
和目標(biāo)比：與既定的目標(biāo)比，來了解當(dāng)前NPS的距離目標(biāo)的差距。
和同類/同級(jí)比（橫向?qū)Ρ龋?/strong>：和同一行業(yè)內(nèi)/生態(tài)內(nèi)的其他產(chǎn)品水平，找到相對(duì)更高或者更低的答案。
和不同時(shí)期的自己比（縱向?qū)Ρ龋?/strong>：可以從時(shí)間維度來看數(shù)據(jù)隨著時(shí)間發(fā)生的變化，也稱為趨勢(shì)分析，用來追蹤業(yè)務(wù)動(dòng)態(tài)是否有異常。
在使用對(duì)比分析時(shí)，需要注意的是：如果是對(duì)總體數(shù)值進(jìn)行比較，那么各對(duì)比維度的規(guī)模需要一致。
因此，在數(shù)據(jù)分析中，通常會(huì)使用比例或者平均數(shù)作為指標(biāo)來進(jìn)行對(duì)比。例如，對(duì)比A地區(qū)的總銷售額高于B地區(qū)，但并不能直接得到A地區(qū)的銷售業(yè)績更好，有可能A地區(qū)的銷售門店數(shù)量遠(yuǎn)多于B地區(qū)，因此此處用平均銷售額會(huì)更合理。
2、多維度拆解對(duì)比法：結(jié)構(gòu)化&公式化
（1）結(jié)構(gòu)化拆解：不只對(duì)比整體，還要看內(nèi)部的構(gòu)成差異
結(jié)構(gòu)化拆解對(duì)比，是對(duì)業(yè)務(wù)問題進(jìn)行原因分析過程中最常用的分析方法。只對(duì)比數(shù)據(jù)整體，無法注意到數(shù)據(jù)內(nèi)部各個(gè)部分構(gòu)成的差異。如果忽略這種差異進(jìn)行比較，就有可能導(dǎo)致無法察覺該差異所造成的影響。比如，某產(chǎn)品銷售額下降20%，背后的原因是什么，該如何分析？
從用戶角度來拆解：例如，該產(chǎn)品用戶由新用戶和老用戶構(gòu)成，可以拆解為新用戶銷售額和老用戶銷售額，來看銷售額下降是否跟用戶類型有關(guān)。還可以把用戶拆解為不同年齡組、不同的性別、不同地區(qū)、不同等級(jí)等屬性，可參考數(shù)據(jù)類型中的用戶數(shù)據(jù)包含內(nèi)容。
從產(chǎn)品角度來拆解：例如，該產(chǎn)品的銷售包含了不同的產(chǎn)品版本，可以拆解為不同的版本對(duì)比銷售額，來看銷售額下降是否跟產(chǎn)品版本有關(guān)。當(dāng)然還有其他產(chǎn)品相關(guān)的屬性，可參考數(shù)據(jù)類型中的產(chǎn)品數(shù)據(jù)包含內(nèi)容。
從數(shù)據(jù)結(jié)構(gòu)角度來拆解：例如，某產(chǎn)品銷售額按照一定區(qū)間分組對(duì)比，某產(chǎn)品滿意度按照不同滿意層級(jí)拆解對(duì)比，來了解不同結(jié)構(gòu)數(shù)據(jù)下的用戶占比分布。
交叉分析也是非常常見的對(duì)比分析方法，就是將拆解后的多個(gè)維度結(jié)合進(jìn)行對(duì)比，從而發(fā)現(xiàn)更深層次的差異。
（2）公式化拆解：對(duì)數(shù)據(jù)指標(biāo)進(jìn)行拆解
結(jié)構(gòu)化的拆解可以幫助我們得到一個(gè)有邏輯的分析框架，在具體執(zhí)行原因分析時(shí)，我們還需要對(duì)變量進(jìn)行層層拆解才能找到問題產(chǎn)生的根源。例如在上述銷售額下降的案例中，通過對(duì)用戶類型進(jìn)行結(jié)構(gòu)化拆解對(duì)比，發(fā)現(xiàn)新用戶的銷售額明顯下降，那么如果業(yè)務(wù)繼續(xù)追問：為什么新用戶的銷售額下降了呢？
此時(shí)，我們就可以把銷售額（數(shù)據(jù)指標(biāo)）進(jìn)行公式拆解，拆解成多個(gè)細(xì)分指標(biāo)后，再針對(duì)細(xì)分指標(biāo)進(jìn)行對(duì)比分析。
比如，銷售額=銷量×客單價(jià)，在拆解之后就可以再從客單價(jià)和銷量兩個(gè)角度去進(jìn)行對(duì)比分析，深挖銷售額下降的原因。是新用戶的銷量變少了，還是新用戶的客單價(jià)變低了導(dǎo)致新用戶銷售額下降的？
假設(shè)對(duì)比后發(fā)現(xiàn)客單價(jià)沒有變化，主要是銷量變少導(dǎo)致銷售額下降。還可以繼續(xù)對(duì)銷量進(jìn)行拆解：銷量=人均購買數(shù)×購買人數(shù)，進(jìn)而分析是購買人數(shù)下降了，還是人均購買數(shù)下降了呢？通過公式化的對(duì)指標(biāo)剝離拆解，就可以實(shí)現(xiàn)層層深入到問題本質(zhì)。
結(jié)構(gòu)化和公式化拆解還可以應(yīng)用在我們對(duì)業(yè)務(wù)進(jìn)行分析時(shí)的思路梳理中，比如當(dāng)我們要去對(duì)某個(gè)業(yè)務(wù)的的GMV為什么高或者低進(jìn)行原因分析時(shí)，我們可以對(duì)GMV進(jìn)行公式化拆解，分別從流量×轉(zhuǎn)化率×客單價(jià)三個(gè)具體的方面著手，去羅列出影響這些指標(biāo)的因素，逐漸完善我們的數(shù)據(jù)分析網(wǎng)絡(luò)。
三、常見的數(shù)據(jù)分析技巧
1、對(duì)比分析法
在前文業(yè)務(wù)現(xiàn)狀分析中，已經(jīng)有詳細(xì)闡述，是描述現(xiàn)象和發(fā)現(xiàn)問題最基本的分析方法。從對(duì)比對(duì)象上來看，可以和目標(biāo)比、和同類比、和不同時(shí)期的自己比；從對(duì)比方式上來看，可以整體對(duì)比，也可以通過變量拆解后分組對(duì)比、多維交叉對(duì)比。
2、象限法
象限法常用在需要進(jìn)行落地推動(dòng)的策略分析上，是通過將多個(gè)因變量進(jìn)行不同屬性的劃分，生成多個(gè)具備不同價(jià)值的象限，通過考察對(duì)象在象限中的位置來明確進(jìn)一步的業(yè)務(wù)策略。象限分析法舉例：
RFM模型：把客戶按照不同的維度進(jìn)行劃分，區(qū)分出不同價(jià)值的客戶，從而針對(duì)不同價(jià)值的客戶進(jìn)行精細(xì)化運(yùn)營。
（圖片來源于網(wǎng)絡(luò)）
行動(dòng)優(yōu)化矩陣：對(duì)多個(gè)待優(yōu)化模塊的具體優(yōu)化優(yōu)先級(jí)進(jìn)行評(píng)估時(shí)，可以結(jié)合兩個(gè)關(guān)鍵變量來構(gòu)建出4個(gè)不同象限以進(jìn)行優(yōu)先級(jí)的區(qū)分。常用的變量有滿意度和重要性，當(dāng)然也可以根據(jù)具體的場景選擇其他合適的變量（如下圖選擇了滿意度和優(yōu)化意愿兩個(gè)變量）。
3、漏斗分析法
漏斗分析主要應(yīng)用在一個(gè)有起點(diǎn)和終點(diǎn)的業(yè)務(wù)流程分析中，用來定位問題發(fā)生的具體環(huán)節(jié)，分析指標(biāo)一般為轉(zhuǎn)化率或者流失率，轉(zhuǎn)化率=某環(huán)節(jié)的用戶數(shù)量/上環(huán)節(jié)的用戶數(shù)量；流失率=1-某環(huán)節(jié)的用戶數(shù)量/上環(huán)節(jié)的用戶數(shù)量。單看漏斗分析各環(huán)節(jié)的數(shù)值是沒有意義的，需要將這些數(shù)值與歷史數(shù)據(jù)或者目標(biāo)數(shù)據(jù)進(jìn)行對(duì)比，定位到哪一個(gè)環(huán)節(jié)轉(zhuǎn)化率/流失率表現(xiàn)出異常。
（圖片來源于網(wǎng)絡(luò)）
業(yè)務(wù)數(shù)據(jù)分析的關(guān)鍵，是需要將零散的想法按照一定的邏輯進(jìn)行梳理，有邏輯有依據(jù)的對(duì)問題進(jìn)行剝離和分析，進(jìn)而探尋問題的本質(zhì)，這是數(shù)據(jù)分析最具有挑戰(zhàn)性也是最有價(jià)值的環(huán)節(jié)。本文僅介紹了一些基礎(chǔ)的分析思路，希望能為一些入門者提供一些參考。
參考資料：
《數(shù)據(jù)分析思維：分析方法和業(yè)務(wù)知識(shí)》
《商業(yè)數(shù)據(jù)分析與可視化》
原文鏈接：酷家樂用戶體驗(yàn)設(shè)計(jì)（公眾號(hào)）
作者：墨一
轉(zhuǎn)載請(qǐng)注明：學(xué)UI網(wǎng)》一文讀懂業(yè)務(wù)數(shù)據(jù)分析思路
分享此文一切功德，皆悉回向給文章原作者及眾讀者.
免責(zé)聲明：藍(lán)藍(lán)設(shè)計(jì)尊重原作者，文章的版權(quán)歸原作者。如涉及版權(quán)問題，請(qǐng)及時(shí)與我們?nèi)〉寐?lián)系，我們立即更正或刪除。
藍(lán)藍(lán)設(shè)計(jì)( www.bouu.cn )是一家專注而深入的界面設(shè)計(jì)公司，為期望卓越的國內(nèi)外企業(yè)提供卓越的UI界面設(shè)計(jì)、BS界面設(shè)計(jì) 、 cs界面設(shè)計(jì) 、 ipad界面設(shè)計(jì) 、 包裝設(shè)計(jì) 、 圖標(biāo)定制 、 用戶體驗(yàn) 、交互設(shè)計(jì)、 網(wǎng)站建設(shè) 、平面設(shè)計(jì)服務(wù)