《3W1H分析法 全面构建数据分析思维.docx》由会员分享，可在线阅读，更多相关《3W1H分析法 全面构建数据分析思维.docx（11页珍藏版）》请在第壹文秘上搜索。
1、在讲解概念和执行上是个不错的思维模型，本文依例按此框架来拆分数据分析。相信很多朋友已经有了较丰富的分析经验，这里权且从个人的角度进行梳理，以资参考。为了帮助大家更好地理解本文，先贴出一张思维导图：OlWHY：为什么要做数据分析在目前讲解数据分析的文章里，大多数会忽略数据分析本身的目的。这会导致我们在执行时，会出现动作变形的情况。以终为始，才能保证不会跑偏。个人的理解上，数据分析是为了能以量化的方式来分析业务问题并得出结论。其中有两个重点词语：量化和业务。量化是为了统一认知，并且确保路径可回溯，可复制。统一认知后，才能保证不同层级，不同部门的人在平等话语权和同一个方向进行讨论和协作，才能避免公司
2、内的人以我感觉我猜测J来猜测当前业务的情况。除了！量化之外，另外一个重点词语是业务。只有解决业务问题分析才能创造价值，价值包括个人价值和公司价值。对于公司来讲，你提高了收入水平或者降低了业务成本,对于个人来讲，你知道怎么去利用数据解决业务问题，这对个人的能力成长和职业生涯都有非常大的帮助。如何站在业务方的角度思考问题呢，总结起来就是八个字忧其所虑，给其所欲主要是在这以下几个环节：1 .沟通充分2 .结论简明3 .提供信息量及可落地建议4 .寻求反馈在沟通上，确定业务方想要分析什么，提出更合理专业的衡量和分析方式，同时做好节点同步，切忌一条路走到黑。在分析业务需求上，跟很多产品需求分析方法论是类
3、似的，需要明确所要数据背后的含义。举例来讲，业务方说要看页面停留时长，但他实际想要的，可能是想衡量用户质量，那么留存率目标转化率才是更合适的指标。在阐述分析结果上，要记得结论先行，逐层讲解，再提供论据。论据上，图表文字。因为业务方或管理层时间都是有限的，洋洋洒洒一大篇邮件，未看先晕，谁都没心思看你到底分析了啥。需要做到，在邮件最前面，用1-3句话先把结论给出来，即使需求方不看后续内容都可以了解你报告80%的内容。在提供信息量及可落地建议上，先要明白什么叫信息量：提供了对方不知道的信息。太阳明天从东方升起不算信息量，从西方升起才是。在分析的过程中，一定要从专业的角度，从已知边界向未知边界进军,力
4、求角度新颖论证扎实,并且根据分析内容给出可落地的建议。举个简单例子：5 2WHAT：什么是数据分析数据分析的本质是抓住I变与！不变。I变是数据分析的基础，如果一个业务每天订单是10000单，或者每天都是以o%的速度稳步增长，那就没有分析的必要了。而若想抓住变，得先形成！不变的意识。积累不变，就是养成数据常识(DataCommonSense)J的过程。不变是根据对历史数据不断的观察和积累而来。一般来说会是个范围，范围越精准，你对I变就越敏感。这里有三个个人的习惯，可以帮助养成不变：形成习惯，每天上班第一时间查看数据：实时&日周月报；记住各个指标大数，反复推算，记录关键数据(榜单&报告)大部分指标
5、没有记住全部数字的必要，简单记住大数，万以下只需要记到万位，有些数字只需要记住百分比。而指标之间的推算可以帮助你对各个指标的数量级关系和逻辑脉络梳理清楚，出现波动时便能更加敏感。记录关键数据是将工作生活遇到的比较有趣的榜单或数据报告保存在一个统一的地方，方便查阅和分析。在不变的基础上，便能逐渐培养出指标敏感性，即意识指标偏离的能力。这主要是通过各种日环比，周月同比的监控以及日常的好奇心来保持。我们从一个Questmobile榜单上，来简单看下指标偏离是怎么应用到日常的分析上的：7.i4.ll-IOM4IO4“S4T142.1“4Mt2 4HIJ 1.74 0.WtlM441M*17”SS67.
6、2，.so4M“ 3O.fSmIWSM*nMU7W2SIMH“g3KO IfliM50.4BM4，US0.t4gTl(S -供髭3ez54 1IMUIMW170 0IKlM24OO1Il二 H09UMIMSSlZMIS3IlMlMXM7 ROJMffXlm22 C110S 9BMIIM9ie.$v469MOHIl3I1系121$ICKM4f.M4BIM17UMm同IQ.141IS、“N这里先跟大家分享下怎么看这种榜单：1 .看整体排行：看哪些APP排在前方是出乎你意料之外的2 .分行业看排行：看行业里排行及其变动3 .看增长率：哪些APP增长比较快4 .看使用时长等其他指标数据分析的定义，还有
7、国外一本商务分析的书籍的定义作为注脚：从历史数据中获得的洞察转化为可执行的决策或推荐的过程，将计算机技术、管理科学和统计学结合以解决实际问题03HOW：怎么进行数据分析任何数据分析都是细分，对比，溯源这三种行为的不断交叉。最常见的细分对比维度是时间，我们通过时间进行周月同比，发现数据异常后，再进行维度或流程上的细分，一步步拆解找到问题所在。如果找到了某个维度的问题，则需要溯源到业务端或现实端，确认问题产生的源头。如果多次细分对比下来仍然没有确认问题，则需要溯源到业务日志或用户访谈来更进一步摸清楚情况。3.1细分在细分方式上，主要有以下三种方式1.横切：根据某个维度对指标进行切分及交叉分析2 .
8、纵切：以时间变化为轴，切分指标上下游3 .内切：根据某个模型从目标内部进行划分ABCOCIHS行为奥交也行为奥（内容）社交行为奥MA-Uiana.点击,M*.下.交付.an.报调关注.取关.私信.BS.分享l&品契a三-ttfl三注.V*.tt.IotL断注给.M*.新启动分享更面外享人分享方式地理位份城市地区te三U撮作JMR关注.双关.私情.91.*.分享操作JMtIS本设品展isesa交页9Ul二页面来源交方式用户用户信用用户典用横切上，以转转举例，我们对维度和指标做做了分类和交叉，当某一类的指标出现问题时，我们便知道该从什么维度进行分析。在进行横切分析时，经常需要多个维度交叉着使用。这
9、在数据分析术语上叫：交叉多维分析。这也是刚才讲的维度总线矩阵看到的各维度交叉情况了。漏斗分析日志分析纵切上，有目的有路径，则用漏斗分析。无目的有路径，则用轨迹分析。无目的无路径,则用日志分析。漏斗分析分为长漏斗和短漏斗。长漏斗的特征是涉及环节较多，时间周期较长。常用的长漏斗有渠道归因模型，AARRR,用户生命周期漏斗等等。短漏斗是有明确的目的，时间短，如订单转化漏斗和注册漏斗。在轨迹分析里，桑基图是一种常用的方式。常见于各页面的流转关系，电商中各品类的转移关系等等。日志分析，则通过直接浏览用户前后端日志，来分析用户的每一个动作。各种手段的细分往往交叉着使用，如订单漏斗纵切完可以接着横切，看看是
10、哪个维度的转化率导致的问题0RFMCohort-；r It 1 -1内切上，主要是根据现有市面上常见的分析模型，RFM,Cohort和Segment等方式进行分析。RFM即最近购买时间，频率及金额三个指标综合来判定用户忠诚度及粘性。COhOrb即同期群分析，是通过对不同时期进入平台的新用户分群分析，来区分不同新用户的质量，如留存率或目标转化率等。Segment通过若干个条件对用户分层，然后针对不同用户进行分层分析和运营，如用户活跃度分层等等。4 .2对比对比主要分为以下几种：1 .横切对比：根据细分中的横切维度进行对比，如城市和品类2 .纵切对比：与细分中的纵切维护进行对比，如漏斗不同阶段的转
11、化率3 .目标对比：常见于目标管理，如完成率等4 .时间对比：日环比，周月同比；7天滑动平均值对比，7天内极值对比时间对比严格来说属于横切对比。但因为时间这个维度在数据分析和产品中极为重要，所以单拎出来说。横切对比中，有个比较著名的数据应用方式即是排行榜。通过这种简单粗暴的方式，来驱动人们完成目标，或者占领人们的认知。前者有销售完成排行榜。后者有品类售卖畅销榜。5 .3溯源经过反复的细分对比后，基本可以确认问题所在了。这时候就需要和业务方确认是否因为某些业务动作导致的数据异常，包括新版本上线，或者活动策略优化等等。如果仍然没有头绪，那么只能从最细颗粒度查起了，如用户日志分析、用户访谈、外在环境
12、了解，如外部活动，政策经济条件变化等等。6 .4衍生模型在细分对比的基础上，可以衍生出来很多模型。这些模型的意义是能够帮你快速判断一个事情的关键要素，并做到不重不漏。这里列举几个以供参考：1. Why-How-What2. 5W1H3. 5Why4.4P模型（产品，价格，渠道，宣传）5. SWOT模型（优势，劣势，机会，威胁）6. PEST模型（政治，经济，社会，科技）7. 波士顿矩阵而当你在竞品做比对分析时，SWOT或者4P模型能够给你提供不同的角度。04数据分析如何落地以上讲的都偏道术技中的术部分，下面则通过汇总以上内容，和实际工作进行结合，落地成技部分。4.1 数据分析流程和场景根据不同
13、的流程和场景，会有些不同的注意点和术的结合。定义：明确问题，确定指标*获取：注意来源,DoubleCheck。分析：确认思路，探索分析呈现：金字塔，用图说话。跟进：效果跟进，随时调整1 .衡量一业务发展，产品效果2 .监控一数据异常3 .寻因一找到数据变化的原因4 .论证一产品上线是否有效，新策略能否上线，是否起了作用5 .探索一优化方案，专题报告，增长黑客6 .预测一预测销量，制定目标4.2数据分析常见谬误控制变量谬误：在做A/B测试时没有控制好变量，导致测试结果不能反映实验结果。或者在进行数据对比时，两个指标没有可比性。样本谬误：在做抽样分析时，选取的样本不够随机或不够有代表性。举例来讲，互联网圈的人会发现身边的人几乎不用今日头条，为什么这APP还能有这么大浏
