重温名侦探柯南,解读数据分析思维

我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  

一、探索性分析

进入DT时代,海量杂乱的数据不断涌来,我们需要理清头绪,探寻数据间的内在联系。在动漫故事中,柯南总是将所有证据/数据搜集到一起,然后寻找其中的规律,完美地示范了如何收集证据和数据并从中获得洞察。在一个大雪纷飞的深夜,一个女人离奇死亡,没有目击证人,身上刀痕参差不齐,尽管连宿在附近房间的柯南本人也没有在案件发生时发现端倪,但他依然表现得有条不紊。

首先,他逐个盘问别墅中的每一位客人,不管对方人设是冷静缜密、还是神经兮兮。然后,他将这些人的语言与行为如拼拼图一般,拼在了一起,并理出了一个时间线。在这个过程中,他不断地思考:

重温名侦探柯南,解读数据分析思维

哪些信息能支持自己的假设?

哪些信息互相矛盾?

我还需要回答什么问题?

之后我需要做什么,才能回答这些问题?

——这就是所谓的探索性分析。

探索性数据分析(EDA)是数据分析过程的第一部分。 在这个阶段需要完成以下几个重要:

弄清楚数据是什么;

建立你想问的问题以及如何表达它们,

找到最好的展示和洞察数据的方式,以得出重要的见解。

探索性数据分析更重视从数据中发现数据分布的模式(Patten)和提出新的假设。我们在探索—寻找线索,就像柯南那样,通过定量和可视化的方法,不仅梳理出趋势和模式,还能发现偏离模型,离群值和意想不到的结果,继而帮助我们提出问题,找到下一步采取的措施。

重温名侦探柯南,解读数据分析思维

一切发现符合假设的、不符合假设的

都是为了最后一步一步走向真相

二、如何让数据分析更有效果

在数据分析时,我们需要了解什么样的数据展示才是对结果的最好展示,如果单纯地去看一个数据是没有太大意义的,而且数据本身有时也具有欺骗性,比如:从运营同学那里得到日新增用户数1W,那么单纯看这个数据没有什么意义,我们可以说这个数据很好,因为看上去很大,但是你可能没有看到同期的数据,有可能昨天的数据达到了2W,所以,对比才能更好的展现数据的可用性,得到的比率是最具有说服力的。

另外,通过对比不同的渠道,对比不同的版本,对比不同的用户群等不同维度的数据,都可以从侧面反映出这个数据的真实情况。

同样的,数据不是一成不变的,需要动态查看,单纯只看一个点的数据情况是没有意义的,比如我们在数据中加入时间维度观察数据整体的变化趋势,这样才能更为客观的判断产品的健康程度。

三、如何成为具有数据思维的运营人

1、分析要有深度

深度是指数据分析对企业的支持程度,当企业面临决策难题时,数据分析若要有深度,则要全面回答3个问题:

企业的现状和问题是什么?

问题为什么会产生?

企业该怎么办?

这3个问题若未答全,则分析的深度就会有所缺失。缺失深度,也就只看到表面的数据累计却看不到本质的问题。可以从问题的本质出发,从“是什么”“为什么”“怎么办”3个角度思考。

提问是思考的翅膀,善于提问,勤于思考,我们就能达到数据分析的深度,只有不断的锻炼和学习才能在深度深耕。

2、数据要有可信度

可信度是指分析结果的可靠程度。要有信度,需满足三个条件:对比要可比、差异要显著、描述要全面。

-对比要可比

基础数据基数要具有可比性,不能将基础数据与其他数据进行混合对比,缺少对比的可能性。

-差异要显著

在精细化营销时,往往通过数据来理解不同用户的差异;根据差异性制定运营策略。

-描述要全面

当刻画一组数据时,不仅要描述这组数据的一般水平,还要考虑到这组数据的波动水平。如果波动很大,一般水平对数据总体的代表性就会很差。只考虑一般水平而不考虑波动和差异,会使数据的可信度大大缩水。

所以,数据分析要有深度和宽度,以两种不同角度分析问题,结果才更具有说服力。

3、分析要有效度

效度,指的是效率和速度。数据分析速度越快、成本越低,则效度越高,成效越显著。

4、分析要有通度

在数据分析前要找到分析的目标,带着问题去分析,也就是了解前期数据分析的需求,后期需要做数据汇报才具有针对性,目的性。沟通的顺畅度即通度,通度高低直接影响数据价值的发挥水平。

PS:如何提高沟通效率不影响进度,有“三用三不用”原则:能用图表就不用数据;能用图片就不用文字;能用动态呈现就不用静态展示。

重温名侦探柯南,解读数据分析思维

用户行为路径之太阳图

-能用图表就不用数据:一图顶千言,图比数据跟具有说服力。

-能用图片就不使用文字:文字多了就容易误导用户,同时也不够形象表达目标。

重温名侦探柯南,解读数据分析思维

只需要点选就能快速分析转化的SEM报表

-能用动态呈现不用静态展示:在表达事物随着时间的变化而变化时,动态呈现能还原真实,比静态展示更能让人产生身临其境之感。

重温名侦探柯南,解读数据分析思维

版本迭代 快速衡量

分析各版本中新增用户对该事件的转化情况

四、如何将数据落地

数据运营是运营人员将数据结果转化成运营策略,用数据做决策/制定策略,既要知道分析过的数据结果能够证明什么,也要知道数据做不了什么;个人的认知、经验是有限的,不能过于夸大也不能过于激进。

此外,对数据的有效分析利用与运营者和团队都息息相关,自上而下的推动和引导是最好的结果,高层有数据化运营的战略和意识、管理层有数据化运营的指导经验,执行层能将数据化运营的落地,在团队工作中注入数据思维的基因,培养使用数据结果判断总结的习惯,通过专门系统的培训推动企业的数据标准化。

最后,数据分析工具和各类模型的使用,也是数据分析技能基本要求,比如:多维度分析、交叉分析、海盗模型、用户分层模型、RFM模型、 AB测试等。

公众号:诸葛io / zhugeio1

PS:要了解更多数据分析具体的技巧、方法论及实战案例,可下载由诸葛学院出品的最新增长手册,公众号回复“增长手册”领取。

随意打赏

大数据分析工具数据分析的思维大数据分析软件数据分析思维名侦探柯南大数据解读
提交建议
微信扫一扫,分享给好友吧。