第1个回答 2022-06-16
一、序言
能感觉到，部门是有较强的数据意识的，例如，大家经常会把这句话挂在嘴边：“先盘一下数据吧！”。这个意识非常珍贵。但同时，我近期也觉察到两个现象：一是大家有时候希望拿起数据这把枪的时候，却发现不知道怎么瞄准；二是虽然会用，但是磕磕巴巴，打一枪之前得调来调去好半天才能开枪，非常不畅快。其实数据分析工作是有一些方法论可以帮到大家的，这篇文章就想讲讲这个主题。
二、数据分析工作的几个较独立模块
数据分析在实际操作中有几个相对比较独立的模块：界定问题、选择指标、梳理逻辑、表达结论。
对于专职数据分析人员来说，大多数时候都会从界定问题一直盯下来，完成最终的结论表达；当然也有的时候由于工作时间所限，或能力经验所限，只负责了其中部分环节。对于非专业数据分析人员来说，更多会在界定问题和梳理逻辑这两个点上多参与一些。
三、界定问题
3.1 界定问题要准确
要保证自己想了解的东西可以拆成具体的子问题，并可以落实到指标上、系统页面上、业务中。
举例：我想看一下移动端资源的赠送情况。
剖析：
怎么拆子问题？可以从这两个角度去谈这个“赠送情况”：
1）公司赠版资源里，有多少是移动的，有多少不是移动的？
2）移动上线的资源里，有多少是签的购买合同，有多少签的是赠送合同？
这样是不是清晰多了？然并卵，后面的指标、系统、业务方认可一个不满足，都会让整个分析铩羽而归。
真正的合同是怎么签订的呢？去对应的系统，打开一个合同，很容易就可以看到：哦，原来是合同分为购买部分和赠送部分，各自有各自的刊例价，然后有一个整体的销售金额，用销售金额/（购买刊例+赠送刊例），就知道了整单折扣。合同里会有每条资源的排期，刊例，和销售金额。每条资源的销售金额是用刊例*整单折扣这么算出来的。系统很给力，有一个标签“购买类型”可以看出是买的还是赠的。那么用刊例金额还是销售金额来表示“资源”的概念呢？由于刊例价是未脱水的资源价值代表，而销售金额是用整单折扣去折算的资源价值代表，选择哪个指标都不完美。这个时候就该去找业务商量啦！
真正的数据统计和分析，需要在这一系列问题都解决之后才能真正开始。
3.2 界定问题要开放心态
不能用已有的经验束缚自己去了解事实的真相。
举例：业务方提出，“要看一下资源点位释放的情况”
剖析；
正巧之前的一个项目，跟合同部打交道比较多，我知道合同部定期会统计“合同提前终止类变更导致多少收入损失”，所以就想当然了一下，找研发问有没有正式合同的点位释放记录。研发答复：正式合同的有，但是不好取；预定合同的没有。幸亏研发同学回答的全面，我多想了一下，又电话跟业务方沟通确认，才明白人家要的还恰恰就是预定合同的点位释放记录。不同的排期预定系统主干逻辑类似，但细节千差万别，所谓每个系统都有它的脾气，以前经手的系统不存在的问题，可能就在拐角处等着你呢！
四、选择指标要考虑全面、深入
举例：老板希望知道“每个用户给公司带来多少价值”，并且要求，把产品和销售的贡献拆一下
剖析：
价值就是钱，可以用刊例，可以用销售金额，这个简单。
怎么把产品和销售的贡献拆开呢？是不是刊例代表产品的贡献，销售金额代表销售的贡献？
这里就有一个稍微有点深的问题，容易想不到：没有卖掉的产品，算不算产品的贡献？其实应该算的，只要是设计、开发完毕的产品，也就是有刊例价的产品，理论上来说都应该算产品的贡献。因此用刊例来代表产品方没问题，但思考完，就知道刊例也分可售刊例和售出刊例，而前者才是更加全面考虑后的选择。
五、梳理逻辑常用的五种方法
5.1 因果拆分
因果拆分可以简单理解为乘法。比如收入下降了，可以看看收入=客户数*户均，是哪个因素导致的。
5.2 结构拆分
结构拆分可以理解为加法。同样，比如收入下降了，可以看看收入=A部门+B部门，是哪个部门导致的。一般来说，由于某组成部分导致的整体数据变化，最终也会反应在因果拆分时，因此建议先用因果拆分。
5.3 因果、结构组合
有时需要先按因果拆分后，再去把出问题的因素按结构拆分一下。比如客户数掉了，看看主要掉在哪个部门头上。复杂的时候，会组合2、3轮。
5.4 重要性排序
业务总是繁琐的，很多因素共同导致了当前的数据结果。用前面集中方法拆分后，可能会有多个答案，这个时候要思考一下哪个是主要矛盾要强调，哪个是次要矛盾，知道即可不用多说。
5.5 对比分析（用于排查异常数据时）
简单的说，有多少种对比的维度，就有多少种排查的思路。
举例：业务方反馈，某广告位上海地区的点击数据异常。
剖析：
有很多种方式去对比，来定位异常原因：同广告位前一个月表现怎么样（时间维度），同页面其他广告位表现怎么样（页面维度），同广告位其他地区表现怎么样（地域维度），同广告位分时表现怎么样（时间细分）。这么一对比，基本上很快就能定位到原因了。
六、表达结论要简短清晰、重点突出
数据分析工作和其他所有工作一样，一点点真知灼见都隐藏在大量繁琐的细节工作中。但是，同其他所有工作一样，让自己的工作价值凸显的最好方法，恰恰是不提繁琐，不提细节，让自己的深入思考通过简短的文字体现价值。
一个数十万的大表，经过各种人工处理、拼表、透视，最终可能只说明了一句话，那么就把这句话说出来，这个大表就存档防调用好了。一定要学会把数据转换成文字、转换成自己的经验，否则很快脑子的内存就满了。
七、业务共识
界定问题、选择指标、梳理逻辑、表达结论，数据分析的每个环节，都是为了业务方服务的；每个环节都有可能引起业务方的不理解，处理不当就会爆炸。个人经验是，一头一尾一定要处理好，充分共识后再开始分析和结束分析。
八、写在最后，自勉，共勉
相对于闪闪发光的产品经理，数据分析师的工作存在感没有那么强，阅历不够的年轻人经常被这几句话噎的心塞好几天：
你这数据不对啊！
业务不是这样的！
赶紧帮我弄个数！
但是，跟其他所有的工作一样，总是有办法可以提升自己
8.1 要自己思考工作主线
想清楚自己想研究什么，然后设立目标，拆分工作，逐步推进。没有主线，自己都不知道自己在忙什么，就非常容易被外部需求牵着走了。
如果不知道自己想研究什么（这是非常可能的，不要怕说出来），还有一个小小的方法论：问问自己，一年内团队最重要的事是什么？3个月内团队最重要的事是什么？自己能服务什么？然后定一个方向，开始起步。
8.2 开放心态
数据确实不如产品更接近业务；产品确实不如销售更接近业务。所以不要在数据里故步自封，走出去，投入业务的洪流。
8.3 学会抽象
从一个大表里抽象出一句结论；为每一页ppt抽象出一个标题；从日常工作中抽象出一个理念。只有抽象，才是摆脱日常繁杂事物，进行理性思考的开始。