數據分析之如何用數據？

光知道怎么看數據，還是不成，你得熟悉這些數據拿到手上之后怎么去用它，怎么讓數據顯示出來它本身的威力來。最后總結下來有這么幾個部分。

第一個部分，是看歷史數據，發現規律。以社區中的活動和電商中的促銷為例，這些都是常見的活動，活動做得好的話有意想不到的效果。在做這樣的活動，最好是拿到前一個月或者兩個月的歷史數據。對電商來說，從這里面要去分析各個品類的銷售情況，那個品類銷量最大，那個品類銷量最小，每月或者每周的平均增長率和符合增長率是多少。通過原始數據把上面的這些指標分析出來之后，就可以看到哪些品類是優勢品類，不用促銷就可有很大的量，哪些是弱勢的品類等等，這樣可以確定出來拿那個品類出來做促銷。對于內容社區也是一樣，我們要從內容分類，和內容類型兩個維度上去看，找到數量少類型單一的分類，對于這些分類下的內容數量及質量都需要提高。

第二部分，是從歷史數據和現有數據中，發現端倪，找出問題所在。我們在工作中，每天都會接觸到大量的數據，但是大部分看數據就流于表面了。例如對于社區來說，很關注總注冊用戶數，每日登錄用戶數，每日新用戶注冊數。這些數據不能說不可以看，但是更要看到最重要的數據點：每天有多少老用戶登錄、每天發布的內容中有多少能夠稱得上是優質的精品內容，這兩個數據決定著說這個社區的質量怎么樣，對于內容社區來說，初期如果不重視質量建設，那么等用戶到50W、100W之后再去看質量，已經有點晚了。還有一個是市場部門用的會很多，在市場宣傳過程中，我們會有很多廣告和鏈接放出去，每天要監測這些鏈接數據量，當出現數據波動非常大的時候我們應該怎么去做，是要看到鏈接放置的媒體出現了問題，是不是對方做活動突然吸引了大量的人來，還要去看到我們的著陸頁面，是不是吸引用戶點擊等等。數據就是我們的助手，幫助我們發現問題，同時順藤摸瓜找到問題的根源所在。這個能力是非常重要的，不管是不是做數據相關工作的人，都要能夠掌握。

第三部分，數據預測。通過分析數據，發現其中的規律，那么則可實現數據驅動運營，驅動產品，驅動市場。例如，對電商來說，知道一年內每個月的各個品類的增長率，也清楚各月之間的影響情況，那么按照這個量就可預測未來月度里面交易量的增長情況，我們能夠達到什么樣的水平。同時，在某個大型活動完結之后，不是立即看數據，要看活動結束后一個月后的數據，這樣才能看到多少用戶是因為活動的獎品過來，活動結束之后就走了，為什么選一個月，因為在一個月內流失率什么的就一目了然了。

第四部分，學會拆解數據。這個拆解數據在我看來有兩方面的維度一個是每年的數據指標怎么去分拆到每個季度，或者每個月，這個有點績效驅動的意思了。另外一個就是說每天產品的運營數據，推廣數據或者銷售數據有很多，要會對這些數據進行拆分，知道每個數據都是來自哪些方面，增高或者降低的趨勢是什么。

近幾年數據分析在互聯網領域非常受到重視，無論是社區型產品，工具類產品，還是電子商務，都越來越把數據作為核心資產。確實數據分析的越深，越能夠是在精細化的運營，在很多時候工作的重點才有據可依。但是要注意兩方面的問題：

1，不能唯數據論，數據有時候能夠反饋一些問題，但是也要注意到在有些時候數據并不能說明所有問題，也需要綜合各方面的情況整體來看。同時要有數據分析的思維，不僅僅是互聯網行業幾乎所有的行業每天都會產生大量的數據。所以最重要的是有這種數據粉絲的思維，知道怎么通過數據分析找出規律，發現問題，對將來做出預測及拆解。

2、找到適合自己產品的數據指標來。不同的產品特性，用戶使用習慣也都不一樣的，需要找到適合自己產品的指標參數而不是隨大流，不是簡單的PV、UV就可以了。例如對于內容型產品來說，每天的PV，UV是一個非常重要的指標。對于社區型網站來說，每天的登陸數據和進行有效操作的用戶則是需要關注的。而對于電子商務網站來說，訂單數及客單價是核心，但是于此同事轉化率和重復購買率則是需要同樣關注的。在移動互聯網上這種的數據參數更是多樣，最重要的是我們要學會通過自己用戶行為特征來找出界定產品健康程度的標準，這樣能讓我們更好地觀察自己產品的好壞。

【數據分析之如何用數據？】相關文章：

數據分析報告07-28

大數據分析07-20

銷售數據的分析方法07-25

大數據分析07-25

多維數據分析方法04-07

數據分析工作職責07-28

數據分析常用方法07-26

數據分析主管的職責01-13

數據分析報告【推薦】03-07

數據分析簡歷模板02-17