用户运营分析的主要内容运营数据分析怎么做( 二 ) _生活百科

取数的口径是需要明确，去取什么时间段的什么样的数据才作为合理和科学。
取数的维度和字段，有些字段可能是通用的，不用告诉数分的同学他们也知道，但是有些字段可能是业务特有的，需要明确地告知数分的同学。取数的时候，需要明确告知数分同学，我们想要什么维度的什么样的分析。比如想要会员用户在最近半年业务线的消费情况：包含订单、收入和收益，在这过程中，就需要明确消费情况到底是什么，需要去取哪些字段。
一般来说，我们提数据分析需求的时候，就可以在心里有个大概的预期，通过这个维度能得出什么样的结论，我想要什么样的结论，这个维度的分析能够满足我对于目的的探寻和分析吗？在提数分需求的时候，就预想结论，能够有效避免最终拿到数据不知道如何去进行分析的情况出现。
三、运营人该如何去进行数据分析？
来到最关键的一步了，作为一个用户运营，应该如何去进行数据分析？拿到了数分同学给的一堆数据，如何才能得出数据分析的结论。
结论非常考验人，需要用简短的一两句话去概括最终的结论，结论一定是可证伪/有深度的结论，不是单纯地罗列数字（经历了教训，我又学到了！）。比如购买用户数XX人，购买金额XX万，较上月下跌x%……”，但这些都仅仅是现象陈述，这里的深度问题是为什么会下跌，原因是什么？是商品的问题，还是人群的问题，还是运营指定的运营策略的问题，深挖数字背后的原因才是关键。这样的数据分析才能得出真正有价值且能够运用到业务场景的有效结论。
当然，得出数据分析的结论不是一日练成的，需要日积月累。但是这里有一个我目前自己在用的小窍门和大家分享下：看到数据表象后，多问自己几个为什么，为什么会出现这样的数据现象，人群之间的差异是什么，是由于人群的特性造成的吗，还是什么原因导致的呢？
在处理数据的时候，我们一般会通过同比、环比以及分组比等方式去看不同时期，不同人群之间的差异。横向看不同时期的差异，纵向看不同人群的前后变化情况，纵向和横向交叉看，最终得出有效的结论。
比如还是去看开通会员这个动作对于用户的消费情况是否有提升，结论是有提升，提升了多少，其中什么样的人群提升最为明显，原因可能是什么。这就是一个比较完整的数据分析的结论，回答了问题，并且给出了有效的数字结论，再从里边细节去看，人群之间的差异是什么样的。
当然，在得到结论之前，我们需要对数据进行一定的提取和处理，这里就涉及到了比较基础的问题：如何用excel进行数据的处理和提取。一般来说，可能会用到以下5种常用的数据分析方法：
1. 对比分析法
横向和纵向对比，选好参照物，进行对比分析。需要明确选取的参考物是否具有一定的意义。指标的口径、计算方法和计量单位必须一致对比的对象需要具有一定的可比性，和对象之间的相似之处越多就，就越具有可比性。
2. 分组分析法
根据数据分析对象的特征，按照一定的标志/指标，把数据分析对象划分为不同的部分和类型来进行研究，以揭示其内在的联合和规律性。分组的核心目的还是便于对比。分组分析法的关键在于确定组数和组距。
组距=最大值-最小值/组数能vlookup函数分组，然后用数据透视求和，能快速得到数据分组的最终结果。
3. 结构分析法
分析总体内各个部分和总体之间进行对比的分析方法，即总体内占各个部分占总体的比例，属于相对指标。
4. 平均分析法
利用计算平均数来反应总体在一定时间，地点情况下某一数量特征的一般水平。一般用算术平均数。对于所有数据指标都可以依据不同的分组用单位数来进行平均，进行对比和分析。
5. 矩阵关联分析法
根据事物的两个重要的属性作为分析的证据，进行分类关联分析。对于不同的分析场景用不同的分析方法进行分析，运营常用的就是对比分析法、分组分析法以及平均分析法，很多场景下数据分析的方法是交叉使用的。
另外，附赠给大家一个处理数据的妙招，一定要学会数据透视表和vlookup函数和巧妙使用，学会了这两个大招，基本上日常运营在处理数据的过程中就能高效不少。
四、关于数据分析的本质
最后，想简单地和大家来聊下数据分析对本质是什么？
在我看来，数据分析一定是为业务服务的，脱离业务本身去谈数据分析是没有价值的。想要通过数据分析解决业务的什么样的问题，人群分析，从而更好地制定后续的运营策略？或者想要从数据现象得到一定的数据洞察，从而更好地制定后续的策略。

用户运营分析的主要内容 运营数据分析怎么做( 二 )

用户运营分析的主要内容运营数据分析怎么做( 二 )