柚子快報邀請碼778899分享：數據分析——基礎
目錄
一、什么是數據分析
1、什么是數據
2、數據類型
3、數據分析
3.1 數據分析概念
3.2 數據分析要結合的維度
3.3 數據分析的目的
二、數據分析流程
三、數據呈現形式
1、柱狀圖
2、折線圖
3、柱線圖?
4、餅圖
5、漏斗圖?
6、雷達圖
7、散點圖?
8、桑基圖
四、數據分析的幾種常見方法
1、趨勢分析
2、對比分析
2.1 環(huán)比?
2.2 同比
3、細分分析?
五、數據產品結構?
一、什么是數據分析
1、什么是數據
? ? ? ? 是對客觀事物的性質、狀態(tài)以及相互關系等進行記載的組合。不僅指狹義上的數字，還可以是具有一定意義的文字、字母、數字符號的組合、圖形、圖像、視頻、音頻等。
運營數據?
????????AARRR模型又稱海盜模型，指的是一款產品在運營階段的各個生命周期，主要有五個階段：拉新（獲?。?、激活、留存、付費（轉化）、傳播（推薦）,可以指導產品運營和用戶增長。?
? ? ? ? 運營常見數據指標：?
拉新：對于APP:下載量、安裝量、打開量、注冊量? ? ? ? 對于網站：訪問量、注冊量? ..? ? ? ? 通常以日、周、月為周期來統(tǒng)計以上指標的新增活躍：基礎活躍數據：日活、周活、月活/每日、每周和每月的訪問次數? ? ? ?深入活躍數據：停留時長、跳出率? ? ? ? ? 可以針對整個APP的數據，也可以針對某個模塊或某個頁面的數據留存：基礎留存數據：次日留存、7日留存、月留存? ? ? ?深入留存數據：不同價值層次用戶的留存轉化：產品核心業(yè)務或指定業(yè)務的轉化數據? ? ? 電商產品的轉化指標：訂單轉化率（每日新增用戶的下單轉化率、總用戶的下單轉化率、下單/支付的用戶轉化率、不同流量路徑的轉化率等）、客單價、GMV（商品交易總額）? ? ? ? ?內容產品的轉化指標：發(fā)布轉化率、互動行為轉化率等? ? ? ? ? ?社交產品的轉化指標：社交行為的轉化率、充值行為的轉化率等? ? ? ? ? 在線教育產品轉化指標：學習相關行為的轉化率傳播：指用戶自發(fā)傳播的數量? ? 邀請成功的用戶占總用戶的比例、被邀請的注冊用戶在總注冊用戶的比例
獨立頁面數據
PV（訪問量 Page View）：用戶每打開一個頁面就被記錄一次，用戶多次打開同一界面，瀏覽量值累計UV（訪客數 Unique Visitor）：一天內同一訪客多次訪問只計算一個訪客訪問時長：用戶在該頁面停留的時間跳出率：只瀏覽了一個頁面便離開網站的訪問次數占總的訪問量的百分比? ? ? ?
2、數據類型
業(yè)務數據：產品的整體業(yè)務數據，比如訂單量、發(fā)文數量、活躍用戶數量等，跟產品的具體某個頁面和用戶具體的行為無關行為數據：統(tǒng)計的是用戶在特定頁面或特定功能上的行為數據，比如某個按鈕的點擊情況第三方數據：通過API接口獲得的數據，比如物流信息
3、數據分析
3.1 數據分析概念
????????通過收集數據，提取出有用的數據，利用合理的方法進行分析，總結出相應的結論
3.2 數據分析要結合的維度
角色 （產品、運營、市場） 時間（歷史、當下、未來） 范圍（產品全局、功能模塊、類型劃分） 類型（活躍度、訂單轉化率）
3.3 數據分析的目的
????????發(fā)現問題、解決問題、驗證問題是否有效解決
二、數據分析流程
明確目標（分析什么數據）梳理業(yè)務（數據涉及到產品的哪些模塊、頁面和功能）數據采集（通過業(yè)務數據統(tǒng)計、埋點數據統(tǒng)計的方式來獲得相應數據）數據整理（將得到的數據整理在后臺，涉及數據清洗）? ??數據分析（通過不同維度來分析數據）數據呈現（將數據以不同的報表形式呈現出來）
數據清洗：?去除'臟數據’(不完整數據、錯誤數據、幾余數據)，對數據進行知識發(fā)現及質量管理，根據標準定義存儲在數據倉中。
三、數據呈現形式
?????????數據可視化：旨在借助于圖形化手段，清晰有效地傳達與溝通數據信息。（柱狀圖、折線圖、散點圖、餅圖、雷達圖）
1、柱狀圖
適用場景：數據的分類對比，適合固定維度分布，但不適用于分類過多的情況適用數據：區(qū)域分布、月度分布設計時常見的問題：①名稱顯示：內容名稱過長時采用傾斜或省略 ②最小刻度：縱坐標往往不是從0開始，而是從最小刻度開始
2、折線圖
?適用場景：隨時間變化的連續(xù)數據，因此非常適用于顯示在相等時間間隔下數據的趨勢適用數據：活躍度、用戶數，PV\UA......
3、柱線圖?
? ? ? ? 折線圖與柱狀圖結合對比。?
4、餅圖
適用場景：了解數據分布情況，不適用分類過多的情況?適用數據：用戶分布、類型分布設計時常見的問題：①顯示上限：內容過多會顯示不過來，可將較少的內容合并為"其他" ②顯示區(qū)間：可按照不同區(qū)間顯示內容
5、漏斗圖?
適用場景：表示某個環(huán)節(jié)業(yè)務量與上一環(huán)節(jié)之間的差異，適用有固定流程并且環(huán)節(jié)較多的分析，可以直觀地顯示轉化率和流失率 適用數據：整體留存、轉化分析
6、雷達圖
適用場景：了解同類別的不同屬性的綜合情況，以及比較不同類別的相同屬性差異使用數據：用戶畫像、內容畫像?
7、散點圖?
適用場景：因變量隨自變量而變化的大致趨勢，存在大量數據點，結果更精準，數據量小的時候會比較混亂適用數據：優(yōu)劣分布?
8、?；鶊D
適用場景：表示不同頁面（模塊）的流量轉化，適用對用戶路徑進行分析適用數據：用戶轉化分析
四、數據分析的幾種常見方法
1、趨勢分析
? ? ? ? 趨勢分析適用于產品核心指標的長期跟蹤，如：活躍度、點擊率等。需要明確數據的變化，以及對變化原因進行分析。
當數據出現異常，一般從3個角度查找問題：
技術層面：是否統(tǒng)計出錯，或者產品出bug產品層面：是否出現重要功能變更，導致數據異常變化運營層面：是否運營措施有重大變更，導致數據異常變化??
2、對比分析
? ? ? ? 對比分析，就是給孤立的數據一個合理的參考系，否則孤立的數據毫無意義。一般而言，對比數據時數據的基本面，比如行業(yè)的情況，全站的情況等。（對比分析要控制變量）
2.1 環(huán)比?
? ? ? ? 本期統(tǒng)計數據與上期數據對比
2.2 同比
? ? ? ? 本期統(tǒng)計數據與上一年度對應期間數據對比
3、細分分析?
? ? ? ? 在得到一些初步結論時，需要進一步細拆，因為在一些綜合指標的使用過程中，會抹殺一些關鍵的數據細節(jié)，而指標本身的變化，也需要分析變化產生的原因。這里的細分要進行多維度的細拆。最常用的維度是5W2H分析方法：
五、數據產品結構?
數據產品結構 ：
第三方產品與數據后臺關系：?
?
?
柚子快報邀請碼778899分享：數據分析——基礎
推薦文章
本文內容根據網絡資料整理，出于傳遞更多信息之目的，不代表金鑰匙跨境贊同其觀點和立場。
轉載請注明，如有侵權，聯系刪除。
Darty電器專家
