目录
[3.1 数据分析概念](#3.1 数据分析概念)
[3.2 数据分析要结合的维度](#3.2 数据分析要结合的维度)
[3.3 数据分析的目的](#3.3 数据分析的目的)
[2.1 环比](#2.1 环比)
[2.2 同比](#2.2 同比)
一、什么是数据分析
1、什么是数据
是对客观事物的性质、状态以及相互关系等进行记载的组合。不仅指狭义上的数字，还可以是具有一定意义的文字、字母、数字符号的组合、图形、图像、视频、音频等。
- 运营数据
AARRR模型又称海盗模型，指的是一款产品在运营阶段的各个生命周期，主要有五个阶段：拉新（获取）、激活、留存、付费（转化）、传播（推荐）,可以指导产品运营和用户增长。
运营常见数据指标：
- 拉新：对于APP:下载量、安装量、打开量、注册量 对于网站：访问量、注册量 .. 通常以日、周、月为周期来统计以上指标的新增
- 活跃：基础活跃数据 ：日活、周活、月活/每日、每周和每月的访问次数 深入活跃数据：停留时长、跳出率 可以针对整个APP的数据，也可以针对某个模块或某个页面的数据
- 留存：基础留存数据 ：次日留存、7日留存、月留存 深入留存数据：不同价值层次用户的留存
- 转化：产品核心业务或指定业务的转化数据 电商产品的转化指标 ：订单转化率（每日新增用户的下单转化率、总用户的下单转化率、下单/支付的用户转化率、不同流量路径的转化率等）、客单价、GMV（商品交易总额） 内容产品的转化指标 ：发布转化率、互动行为转化率等 社交产品的转化指标 ：社交行为的转化率、充值行为的转化率等 在线教育产品转化指标：学习相关行为的转化率
- 传播：指用户自发传播的数量 邀请成功的用户占总用户的比例 、被邀请的注册用户在总注册用户的比例
- 独立页面数据
- PV（访问量 Page View）：用户每打开一个页面就被记录一次，用户多次打开同一界面，浏览量值累计
- UV（访客数 Unique Visitor）：一天内同一访客多次访问只计算一个访客
- 访问时长：用户在该页面停留的时间
- 跳出率：只浏览了一个页面便离开网站的访问次数占总的访问量的百分比
2、数据类型
- 业务数据：产品的整体业务数据，比如订单量、发文数量、活跃用户数量等，跟产品的具体某个页面和用户具体的行为无关
- 行为数据：统计的是用户在特定页面或特定功能上的行为数据，比如某个按钮的点击情况
- 第三方数据：通过API接口获得的数据，比如物流信息
3、数据分析
3.1 数据分析概念
通过收集数据，提取出有用的数据，利用合理的方法进行分析，总结出相应的结论
3.2 数据分析要结合的维度
-
角色 （产品、运营、市场）
-
时间（历史、当下、未来）
-
范围（产品全局、功能模块、类型划分）
-
类型（活跃度、订单转化率）
3.3 数据分析的目的
发现问题、解决问题、验证问题是否有效解决
二、数据分析流程
- 明确目标（分析什么数据）
- 梳理业务（数据涉及到产品的哪些模块、页面和功能）
- 数据采集（通过业务数据统计、埋点数据统计的方式来获得相应数据）
- 数据整理（将得到的数据整理在后台，涉及数据清洗）
- 数据分析（通过不同维度来分析数据）
- 数据呈现（将数据以不同的报表形式呈现出来）
数据清洗： 去除'脏数据'(不完整数据、错误数据、几余数据)，对数据进行知识发现及质量管理，根据标准定义存储在数据仓中。
三、数据呈现形式
数据可视化：旨在借助于图形化手段，清晰有效地传达与沟通数据信息。（柱状图、折线图、散点图、饼图、雷达图）
1、柱状图
- 适用场景：数据的分类对比，适合固定维度分布，但不适用于分类过多的情况
- 适用数据：区域分布、月度分布
- 设计时常见的问题：①名称显示：内容名称过长时采用倾斜或省略 ②最小刻度：纵坐标往往不是从0开始，而是从最小刻度开始
2、折线图
- 适用场景：随时间变化的连续数据，因此非常适用于显示在相等时间间隔下数据的趋势
- 适用数据：活跃度、用户数，PV\UA......
3、柱线图
折线图与柱状图结合对比。
4、饼图
- 适用场景：了解数据分布情况，不适用分类过多的情况
- 适用数据：用户分布、类型分布
- 设计时常见的问题：①显示上限：内容过多会显示不过来，可将较少的内容合并为"其他" ②显示区间：可按照不同区间显示内容
5、漏斗图
-
适用场景：表示某个环节业务量与上一环节之间的差异，适用有固定流程并且环节较多的分析，可以直观地显示转化率和流失率
-
适用数据：整体留存、转化分析
6、雷达图
- 适用场景：了解同类别的不同属性的综合情况，以及比较不同类别的相同属性差异
- 使用数据：用户画像、内容画像
7、散点图
- 适用场景：因变量随自变量而变化的大致趋势，存在大量数据点，结果更精准，数据量小的时候会比较混乱
- 适用数据：优劣分布
8、桑基图
- 适用场景：表示不同页面（模块）的流量转化，适用对用户路径进行分析
- 适用数据：用户转化分析
四、数据分析的几种常见方法
1、趋势分析
趋势分析适用于产品核心指标的长期跟踪，如：活跃度、点击率等。需要明确数据的变化，以及对变化原因进行分析。
当数据出现异常，一般从3个角度查找问题：
- 技术层面：是否统计出错，或者产品出bug
- 产品层面：是否出现重要功能变更，导致数据异常变化
- 运营层面：是否运营措施有重大变更，导致数据异常变化
2、对比分析
对比分析，就是给孤立的数据一个合理的参考系，否则孤立的数据毫无意义。一般而言，对比数据时数据的基本面，比如行业的情况，全站的情况等。（对比分析要控制变量）
2.1 环比
本期统计数据与上期数据对比
2.2 同比
本期统计数据与上一年度对应期间数据对比
3、细分分析
在得到一些初步结论时，需要进一步细拆，因为在一些综合指标的使用过程中，会抹杀一些关键的数据细节，而指标本身的变化，也需要分析变化产生的原因。这里的细分要进行多维度的细拆。最常用的维度是5W2H分析方法：
五、数据产品结构
数据产品结构 ：
第三方产品与数据后台关系：
