一个套路,拆解常见数据分析需求

1、一个套路，拆解常见数据分析需求现实环境的当下数据分析工作和 Kaggle 题目之间，最大的区别在于 Kaggle 上的结构性问题往往非常清晰。预测类问题，平均分你只需要把预测做的足够准确就能拿高分。但在实际的业务环境中，你做了一个很牛逼的预测模型，换回来的只是业务方一句“这个有什么用？”有时候业务方提出的问题也很不靠谱，提需求的时候说是要分析一个环境问题原因的原因，结果实际上问题根本就不存有存在，只是对方的感觉。所以如果你在Kaggle 上可以混的风生水起，那么只能说你对于十分确定性问题的解题方法掌握比较好。但到了实际业务环境下，战斗能力识别环境问题成了一个更重要的能力。业务人员提的数据分析需

2、求往往很杂，各种千奇百怪的“是不是、有多少、为什么、能不能、会不会，怎么办”等问题层出不穷。到底哪些问题可以归为一类？这类缺陷又该如何分析？这是每个行业分析师数据分析师就想知道的。我根据自己的经验和教训和理解，整理了导出一套定义风险问题的方法，分享给大家。一个管理业务分析需求，必备的人力资本有哪些？上一篇提到了一个思考框架，业务流、管理流与数据流。这里简单复习一下，一般常见的分析操作流程：用数据流反应管理流，解决“是什么”的问题。留存率是多少，算高算低？如果留存率低的话是哪类用户低？我一般把常见的细分分析得出的结论，都归纳成“是什么”。“为什么购买转化率偏低？”，“因为试水页的转化率低”。类似

3、这样的回答，其实只是对转化率做了细分，本质上还是“是什么”。真正的“为什么”是“为什么落地页的转化率低？用户究竟在想什么？需求是什么？”为什么用数据流反应业务流，解决“为什么”的问题。什么普通用户原因造成绝大部分用户的留存率低？是因为需求无法满足？还是非目标用户社会群体？如果是落地页转化环境问题，那么现在落地页上能的问题是什么？哪些元素提高了转化率？这类问题的答案要落实到具体的用户上。有时候数据可以反应用户的一般而言使用移动用户情况，比如用户在落地页上停留较长，也愿意查看活动规则，但是转化率很低。那么这种情况大概率是用户被卖点吸引，但是看不懂规则，或者实际活动与他的理解不一致。很多情况下，数据

4、没法直接反应用户遇到的问题，必须通过用户调研达至。怎么办在管理流中找对策解决业务流的问题，解决“怎么办”的问题。如果用户是需求根本无法满足这部分用户，那么我们可以怎么解 决这个结构性问题？增加功能还是优化现有功能不断增加的品味？有时候，这一步并不一定是研究员数据分析师来做的，甚至不是 从数据上推导的；上一步的“为什么”如果已经找到非常上述的找到 原因，比如“A类应用程序流失到期主要是由于会员到期，那业务方 围绕着如何促进续费就能合作方改善这一状况。目的除了分析的典型流程，还有一个分析的市场条件一一这次分析的 目的是什么。这个目的往往是改善某一个具体的指标。我虽然经常吐梢业务人员没有数据驱动业务

5、的思维，但是在KPI问题上，业务人员对数据思维往往非常好；如果做的事情没办法用不 想数据衡量，对业务人员说来价值不大。所以，一般来说，一个数据分析需求一共要经过四个阶段：最最常规的问题类型，是业务方知道左边 N个环节，需要分析后 面的环节。的 盘井幺为什么叁幺办 奥垦林所晒旬式VxX X我折一下如何W升而受特比率？常必析问霞常次从左钳个蜥*员穗化率峙别明息公於. v用户对著博页.鎏丁丁”.均快一比如最常规的，只知道目的，后续都需要分析。用户运营管理找到数据分析师，试著做一个专题分析，主题是如 何提升用户的活跃率。这个问题的目的很明确一一“提升用户活跃率”。但是后面少数几个的大部分就没那么清楚了

6、，数据分析师可以按 照之前提到的四个关键步骤一步一步地向后推进。首先要做的是“是什么”，把现有的用户活跃率的走俏数据提取 出来，看一下目前的数据表现如何。如果数据表现确实不太理想，那么再看看到底是整体都偏高，还 是有部分群体特别低。之后是“为什么”的阶段。如果有部分群体活跃率尤其低，那么 超过一半绝大部分用户为什么活跃率低？他们的需求量是什么？最后，专门针对新用户的问题，制定对应的投资业务动作；如果 发现这部分群体只使用一些基础功能，那么如何引导采用他们使用高 级的功能？这样一个完整的分析基本就完成了。其中的具体分析细节本篇暂时不讨论，放到下一篇再讲，这篇主 要讲一下整个从上到下分析思路的框架

7、。这类风险问题是知道前面 N个环节，分析投资过程都是类似的, 向后分析即可。其他的数据分析环境问题，可以用一个表来归纳。ziKZiza1求句式*XX提出寄播-那要至证ft拿提得票体涓存率.苦曜亨是什去XV横酒麻人的事例产生多的裂变虻率这占多尹 01P.我门叫不靶也惺裂宣?为* 口前的作幄卡少.汨星方问总.百司旧姓什苫匹配XXV箕客士反余-业后拒聒袋客户座性，粒打的注生抻相 太不用工了.是不塾要改一 下？光吏怩*决H1也同，H目前注牛指际目前舌XXV业务按施餐.官司慢怙注品事了-十度情.不察也蛔一个1患隔本唾增由冲之司W，之 后，第二不中同+大体分为两类，一类是有目标的，一类是没目标的有目标的，

8、一般是验证猜想。比如，知道“目的”和“为什么”业务方想提升新功能的使用率，提出一个猜想新上的功能对于新用户来说理解成本比较高，想做一些优化但这只是一个猜想，甚至连问题本身是否存所存都不确定。这五大类问题需要把缺失的“是什么”补上，）是什么：用数据证明新用户现有的使用率怎么样，如果新用户 使用率即新的确较高，那么这个反例的基础就不存在了。如果新用户回收率确实比较低，那么再验证新功能是不是理解成 本太高。）怎么办：验证了猜想，再思考怎么办。还有知道“目的”和“怎么办”的。业务方想要提升用户数量，然后看到拼多多的微信裂变拉新搞的 这么成功，我们拉新呢也可以微信裂变提升新用户数呢？需要做的步骤：没目标

9、的，这类就比较坑了；只知道”为什么“审阅这种问题往 往是有一些客户的反馈，比如用户反馈一个常用的功能经常找不到入 口在哪。这个反馈比数据分析的结论要准确多了，数据分析最多知道一类人的人长使用特点是什么，基本不可能知道用户到底在想什么。产品经理拿到这种反馈，需求背景写起来都理直气壮了，这可是 顾客的的真实需求。分析这种问题，首先得确定目标；如果优化这个功能的入口，到底要优化哪个主要指标？是做用户留存率，还是功能转化率？如果设 计模式是为了最优化用户留存率，那现在留存率是多少？这个反馈的 用户的留存异常情况怎么样？会不必这个用户是一个重度用户，留存 情况非常好。而常用这类功能的用户都是使用者重度用户，优不优化这群用户都会留下来；那这种反馈优先级肯定比较低。而如果目标是提高功能可变性，那么看嘿嘿目前这个功能的点击 率，看一下是普遍问题还是这个用户的个别问题；之后再按顺序继续 分析只须。还有一类目标没目标的消费需求更坑。业务方看到竞品在根本就是降价促销活动，于是提示“我们呢也 可以搞一个降价促销？”这类需求根本没考虑清楚搞一个这样的活动目的是什么，是提升 销量吗？也许竞品搞这个活动的目的是清前提条件库存，降