不会数据分析？无从下手？一文帮你打开数据分析思路

掌握了很多数据分析工具和技能，却依然做不好数据分析。

面对具体的业务问题，我们还是容易两眼一抹黑？除了数据和专业之外，还需要一定的方法论支撑。

文章有点长（误区解释+方法论分享）但干货满满，建议耐心看完哦~

一、先纠正四个误区

1️⃣不要为了分析而分析，最终还是要回归业务

分析是无止境的，因为有着无穷无尽的变量，但是我们做分析要带有明确目的性，以业务为导向，不要为了分析而分析。

避免这个误区最管用的办法，就是要找到最核心的指标（北极星指标），再明确我们能做的事情，得出最终的执行路径和结论，这样才能形成良性循环。

2️⃣数据分析并非技术至上，工具也很重要

很多刚入门数据分析一两年的朋友，往往有这样一个思维：技术至上。

这种思维常见于一些有编程基础的人，因为自己本身这方面是个优势，就会错误地认为数据分析是一个研发性的工作。

而且对于这些朋友来说，技术工具上也存在着鄙视链，会觉得Excel 太low，能用SQL肯定不用Excel，然后碰巧他还会Python，就会觉得SQL是个什么东西。

工具是数据分析的基础，巧妇难为无米之炊，没有工具就没法干活，所以工具的重要性不言而喻。

但是这并不意味着要一味地追求技术工具，甚至有技术工具上的鄙视链，这很容易走向一个脱离业务、只为炫技的极端。

就以业务端的数据分析来说——

对于那些excel用的不是很熟练的人，完全可以选择使用更加方便快捷的工具！

以简道云为例，不仅可以做数据收集、还能做数据分析、数据展示甚至流程管理，基本上业务涉及到的问题都能够解决，举个例子——

用在线表单做数据收集——

一人一表单，权限设置私密性强，数据自动同步更新到后台，自动更新，不比excel一个个收集再整合来的快？

用仪表盘做数据分析和展示——

汇总好的数据可直接在数据工厂进行处理，简单拖拉拽即可生成一张能够切实指导业务的数据分析报表，全程不到10分钟，这不比用excel搞半天函数来的高效？

仪表盘工具：https://www.jiandaoyun.com

3️⃣不要过分依赖数据

数据有时候也是会骗人的：

(1)数据来源偏差

你可能听说过“黑巧克力能减肥”这个说法。2015年约翰波哈诺博士在一篇期刊上登出了这项研究成果，媒体记者们纷纷转载。但其实这个事件都是波哈诺杜撰出来的，他随便找了16个人做样本基数，然后就推导出这么个结论，目的就是想看看谣言怎么变成权威媒体的头条。研究发表后没有一个记者来联系问他这个实验的样本量是多少、代表性怎么样、过程是否合理，直接就发表和引用了“研究成果”。

所以，大家在看到一项数据报告的时候，一定要先了解数据源，数据样本等变量，判断数据真实性，不要轻信数据！

(2)数据解读陷阱

曾经有个某饮料品牌打算推出新口味的饮品，推出前心里没底，就做调查。他们问了一个问题“我们要推出一款口味更柔和的新产品，你会喜欢吗？”数据收集回来以后，发现喜欢的比例高达90%，结果新品上市以后，消费者恶评如潮。

现实和数据体现了如此大的反差，原因就在于问题中有一个很明显的正面诱导词“更柔和”。所以一定要避免自我解读数据，放出去的数据收集问题一定要中立客观！

4️⃣只统计不下结论

很多数据分析师特别容易忽略的一个误区就是—— 只统计不下结论。

我们有清晰的分析思路了，然后也用这些工具把数据分析的差不多了，最后给个数字就完了。就是这个月销售额是多少？上个月是多少？给出这些数字却不下结论。

这个数字背后的业务含义是什么？
反映的业务现状是好还是坏？
如果好的话有多好，能不能找出一些关键的业务动作，这些动作以后可否复用，持续这种变好的趋势？
如果坏，坏到什么程度，以及接下来可能还会怎么变化，这些都需要我们去下结论。

区别一个初级数据分析师和中级分析师最明显的一点就是能不能下结论，下准确的结论。否则你做的只是数据统计，而不是数据分析。

二、帮助厘清分析思路的方法论

（1）分析外部市场——PEST模型

所谓外部市场，用专业术语来说就是对宏观环境的分析，指一切影响行业和企业的外部宏观因素。

P（Political 政治）：一般是政策相关的影响，包括政府行为，路线方针，法律规定及条款等；

E（Economic 经济）：这个很好理解，分为宏观和微观——

宏观：国内生产总值（GDP），消费水平、收入水平、通货膨胀等；
微观：企业所在地区或所服务地区的消费者的收入水平、消费偏好、储蓄情况、就业程度等；

S （Social 社会）：指社会文化环境，离不开文化水平、宗教信仰、风俗习惯等意识形态。具体指结婚数、离婚数、

平均教育状况、购买习惯、储蓄倾向、性别差异、种族平等状况等；

T（Technological 技术）：相关技术手段变化和可能带来的影响，企业需要关注所处领域直接相关的技术发展、国家对技术支持和重点关注项目、技术更新和商业化的速度等。

举个例子—— 低代码为什么吸引那么多企业进入赛道？

P 政治：工业和信息化部印发《中小企业数字化转型指南》，旨在助力中小企业推进数字化转型，该文件提出增强业务转型能力、提升转型供给水平、加大转型政策支持，其中多次提到加强低代码技术和服务应用。
E 经济：2019年我国数字经济规模为35.9万亿元，占GDP比重达到36.2%，2015-2019年我国数字经济规模复合增速达19%。数字经济不断推动我国企业由传统商业模式向数字化转型，寻找新的发展。
S 社会：越来越多的用户习惯于在线消费和处理事宜，同时传统的应用开发方式已经无法即时、高效、敏捷地响应并满足用户需求，行业用户亟待寻求技术开发生产力与管理方式上的突破。
T 技术：市场上成熟的软件产品成本高、功能适配度低、迭代周期长，而低代码能够赋能并不了解编程知识的业务人员，他们对封装好的代码模块进行拖拉拽即可，能轻松搭建起符合业务需求的应用系统，软件落地迭代速度加快。

（2）分析自身发展——SWOT模型

企业是一个整体，并且由于竞争优势来源的广泛性，所以，在做优劣势分析时必须从整个价值链的每个环节上，将企业与竞争对手做详细的对比。

内部分析：

S（Strength）优势——企业的独特能力和特殊资源，比如充足的财政来源、良好的企业形象、技术发展前端等；
W（Weakness ）劣势——企业的资源和经济劣势，比如研究开发落后、资金短缺、产品积压等；

外部分析：

O（Opportunity ）机会——企业的优势条件以及对手的劣势，比如新出政策扶持、外国市场壁垒解除；竞争对手失误等；
T（Threat ）威胁——企业面临的劣势条件以及对手的不良影，比如替代产品增多、市场紧缩、客户偏好改变等。

当然， SWOT分析模型可用于自我迭代、发展分析。

之前的文章就已经介绍过啦，再强调一次——职场人一定要学会自我分析，自我迭代。

对于个人来讲，SWOT可以换一种方式理解：

S（Strength）优势——你比他人做得好的地方

W（Weakness ）劣势——他人比你做得好的地方

O（Opportunity ）机会——可以利用的机会

T（Threat ）威胁——阻碍你走出困境的障碍

✅这个模型可以帮助企业或个人进行全面的自我分析，对自己的分析越全面越客观越好；

✅自我定位之后，就要放大机会，弱化威胁，把握机会，扩大优势。

（3）分析营销策略——4P营销模型

美国密歇根州立大学的杰罗姆·麦卡锡教授在书中将这些产品营销要素概括为4类，即产品、价格、渠道、促销。

P1（Product 产品）：

主要包括产品的实体、服务、品牌、包装，注重开发的功能；
把产品的功能诉求放在第一位。

P2（ Price 价格）：

这个策略决定了产品定位，是高端还是性价比，也决定了利润、需求和供给。
定价组合，主要包括基本价格、折扣价格、付款时间、借贷条件等；

P3（ Promotion 推广）：

关键在于如何让别人知道你的产品，喜欢你的产品，甚至成为你的粉丝；
比如进行线上营销，扩大品牌知名度，让更多人知道、熟悉你的产品，把品牌效应和品牌故事深入人心；

不能把简单理解为促销，过于片面；

P4（Place 渠道）：

产品如何到达顾客手中？消费者如何找到你的产品？
主要包括分销渠道、储存设施、运输设施、存货控制等；
是线上还是线下？或者线上+线下？

（4）问题剖析——鱼骨图模型

下面教你怎么做：

先拿出一张白纸，画一条直线
在直线的上端，也就是鱼头位置写上任务名称，在直线的下端，即鱼尾的位置写上任务要求，学会尽可能用一句话去概括结论；
中间用抽丝剥茧的方式去做分析，区分清楚已完成与未完成的部分，是顺利推进还是遇到阻力；
反复斟酌，紧抓重点，这样下来整个脉络就会非常清晰。

注意点：

问题聚焦：一个鱼骨图分析一个大类问题；
分类清晰：大要因下的分原因要同属于一类每个大要因分类要明确，相互独立；
要因标注：对首要因素要做标注，以便重点关注；
逻辑清晰：单个要因用词简明，含义明确，避免模棱两可；
集思广益：比如进行头脑风暴，多人参与效果更好，能对问题的原因思考的更全面；
要因描述：大要因使用中性词，不做好坏的评判，小要因必须要用价值判断；
数量限制：单个问题的大要因最好不要超过7，单个大要因的小要因也不要超过七个

（5）运营分析——AARRR模型（海盗模型）

AARRR模型是互联网时代运营领域的经典模型，主打掠夺式增长，因此也被称为海盗模型。
由硅谷著名投资人Dave MaClure提出，后被诸互联网公司奉为圭臬。

A（Acquisition 用户获取）：

运营的起点，以各种方式进行推广以获得目标客户。在这些方式中，通过评估，找到最合理的投入策略，最小化用户获取成本；

A（Activation 用户激活）：

关键注意各个节点的用户转化和流失率。对长时间不使用产品的客户，采取手段再次激活，比如pdd用”砍一刀“免费拿、送现金的方式，获取新用户，同时激活一部分老用户；

R（Retention 留存）：

在顾客流失之前，采取行动激励继续使用。比如某些产品的会员，用的时间越长，积分越多，获得的服务和优惠也更多；

R（Revenue 收益）：

推广产品自然是有利可图，变现方式一般有三种——
商业模式变现：和平台、产品性质有关，比如度娘的竞价排名；
会员模式变现：大部分产品都会采取这种方式，比如某乎通过小说前半部分吸引用户开头会员；
流量变现：这样的更常见，一般粉丝数量比较多的时候可以进行。常见的是投递广告，软文植入等。比如某条的广告投放，公众号的软文植入以及短视频平台的流量扶持变现；

R（Referral 推荐)：

这个是贯穿整个流程，还是pdd“砍一刀”送现金或者免费送的例子，听说新用户砍一刀，成功机率非常大，参与活动的用户都不是推荐了，而是扫描式找新用户，pdd如愿实现用户激增。

✅AARRR包括的量化指标都具有很重要的地位，有些指标的影响力甚至跨多个层次。及时准确地获取这些指标的具体数据，对产品的成功运营是具有至关重要的地位。

等等，以上都属于一些通用的方法论，数据分析是一个需要长久实践的过程，既需要实打实的专业技能，也离不开一些方法论的支撑，希望以上的一些分享可以对大家培养数据分析思维有帮助。

ps：如果想了解更多关于数据分析技能的学习也可以参考看我以前的文章：

常见的5种数据分析方法有哪些?

干货分享 | 如何在业余时间学习数据分析？