需求分析師是否適合做數(shù)據(jù)分析？這是我最近在想的問題。

需求分析是基于業(yè)務(wù)場景的商業(yè)化分析，不是技術(shù)分析，但需求分析的過程包含了數(shù)據(jù)分析。用數(shù)據(jù)驅(qū)動產(chǎn)品開發(fā)，即從數(shù)據(jù)中找到產(chǎn)品運營的不足，從而驅(qū)動產(chǎn)品開發(fā)，這是可能的。

數(shù)據(jù)分析也是從產(chǎn)品分離出來的需求要點，數(shù)據(jù)可以繪制用戶畫像及行為軌跡，可以監(jiān)控產(chǎn)品轉(zhuǎn)化及發(fā)展情況，可以橫向評估效果，這個過程涉及到產(chǎn)品、運營、市場、技術(shù)等多部門協(xié)同。同時數(shù)據(jù)分析也是一種很偉大的產(chǎn)品需求開發(fā)方法。

那怎么根據(jù)現(xiàn)有產(chǎn)品數(shù)據(jù)來做一次數(shù)據(jù)分析呢？

一、界定數(shù)據(jù)分析的目的

數(shù)據(jù)分析之前， 我們要界定好此次分析的目的，一般我們分析數(shù)據(jù)有四種目的：戰(zhàn)略決策、投資決策、營銷決策、產(chǎn)品決策

數(shù)據(jù)分析和數(shù)據(jù)一樣，是從小到大、從少到多，從量變到質(zhì)變的一個積累過程。最終效果像觸發(fā)蝴蝶效應(yīng)一樣推動其他領(lǐng)域的變化。

1、催發(fā)數(shù)據(jù)性思維

數(shù)據(jù)性思維表現(xiàn)在

對全部數(shù)據(jù)進(jìn)行分析；重視數(shù)據(jù)的復(fù)雜性；更多挖掘數(shù)據(jù)的相關(guān)性；探究數(shù)據(jù)之間的關(guān)聯(lián)。

2、產(chǎn)出數(shù)據(jù)資產(chǎn)

數(shù)據(jù)不斷的累計和整合，使得數(shù)據(jù)變成無形資產(chǎn)，同時使得企業(yè)在做決策、設(shè)計產(chǎn)品方向和改變運營策略上依賴于數(shù)據(jù)。

3、數(shù)據(jù)資產(chǎn)可以變現(xiàn)

數(shù)據(jù)可以像商品一樣可以進(jìn)行售賣的變現(xiàn)方式，使得數(shù)據(jù)有了價值，然而，不同數(shù)據(jù)和數(shù)據(jù)質(zhì)量也具有不同價值。

數(shù)據(jù)分析，永遠(yuǎn)都是為了產(chǎn)品發(fā)展而服務(wù)，主要是：獲得用戶、留住用戶、增加收益、擴(kuò)大品牌知名度。同樣，數(shù)據(jù)分析在為決策提供依據(jù)的同時，還是可以驗證我們設(shè)想的最客觀和準(zhǔn)確的途徑。

從數(shù)據(jù)的產(chǎn)生到分析、整理、展現(xiàn)、利用、再循環(huán)利用，這是大數(shù)據(jù)思維方式的轉(zhuǎn)變也是商業(yè)化新模式的開始。我們所要做的數(shù)據(jù)分析，就是將數(shù)據(jù)利用再利用的過程。

二、什么是數(shù)據(jù)分析

數(shù)據(jù)是由什么組成的？一個數(shù)據(jù)單元有多大？怎樣產(chǎn)生和傳送？

數(shù)據(jù)是一個場景，一個業(yè)務(wù)，一個應(yīng)用產(chǎn)生而來，它的價值是它產(chǎn)生的環(huán)境，過程的獨特屬性而賦予的。數(shù)據(jù)不同屬性，造成了數(shù)據(jù)價值的差異性及應(yīng)用層面的差異性。

舉個栗子——金融屬性數(shù)據(jù)

你的月收入，信用卡消費、網(wǎng)購消費、房貸車貸等，都形成了一個金融數(shù)據(jù)體系，金融數(shù)據(jù)的產(chǎn)生過程離錢越近也越有價值，它可以直接是征信，金融風(fēng)控，貸款信用額度等數(shù)據(jù)。

同樣，我們每天上網(wǎng)看信息、逛社交、聽歌、打游戲、搜索、看視頻等等，都會產(chǎn)生很多行為、偏好、社交屬性數(shù)據(jù)，通過這些數(shù)據(jù)我們可以勾畫出一個人的用戶畫像。

做數(shù)據(jù)分析首先的問題就是識別數(shù)據(jù)，然后再弄清楚什么是數(shù)據(jù)分析，常見的數(shù)據(jù)有：

1、網(wǎng)站

流量、PV、UV、點擊量、點擊率（CTR）、展示數(shù)、人均訪問量、CPM、CPC、轉(zhuǎn)化率、停留時間。

2、APP

日、周、月活量、留存率、屏顯

數(shù)據(jù)分析就是將產(chǎn)品相關(guān)的數(shù)據(jù)進(jìn)行收集利用工具軟件整合，然后利用特定的方法進(jìn)行分析，從中發(fā)現(xiàn)規(guī)律或得到結(jié)論。

數(shù)據(jù)的數(shù)量不等于數(shù)據(jù)的質(zhì)量，所以數(shù)據(jù)在收集之后必須進(jìn)行整理、分析。

因為數(shù)據(jù)來源的零散、沒有結(jié)構(gòu)、沒有規(guī)劃、沒有固定目的，導(dǎo)致即便數(shù)據(jù)再多，如果盲目用在特定的目標(biāo)上，也必然產(chǎn)生缺乏質(zhì)量的問題。

只有經(jīng)過嚴(yán)密的富有邏輯的整理、分析、關(guān)聯(lián)，才可以作為預(yù)測的根據(jù)，這就是我們識別數(shù)據(jù)的重要性。

只有明白數(shù)據(jù)從何而來，才能知道它走向何處。

三、怎么做數(shù)據(jù)分析

有了數(shù)據(jù)，一堆的數(shù)據(jù)看起來很亂，我們需要針對性的選擇不同的方式方法來進(jìn)行整合，以下介紹數(shù)據(jù)分析方法論。

數(shù)據(jù)分析方法：

對比分析：橫切對比、縱切對比、目標(biāo)對比、時間對比分類分析分布分析相關(guān)分析：相關(guān)分析研究的是事物間的某種聯(lián)系，最常見的聯(lián)系就是因果分析。

對比、分類、分布、相關(guān)這4種基礎(chǔ)分析方法除了可以直接應(yīng)用外，還可派生出很多衍生方法，這些衍生方法在企業(yè)經(jīng)營決策中經(jīng)常會用到。

以上方法簡淺易懂，但卻能解決大量問題。

下面就簡單介紹幾種：

1、細(xì)分

嚴(yán)格說，細(xì)分不是一種方法，卻是一切分析的根源。

細(xì)分有兩類：一種是一定條件下的區(qū)隔例如在頁面停留30s以上的訪客，或者只要某個市區(qū)的訪客等，其實就是過濾。

另一種是維度之間的交叉，如深圳地區(qū)的新訪客，即分類。

2、熱圖及如圖對比

熱圖對于web，APP的分析都很重要，在web前端，過去一些解決不好的問題，比如只能看鏈接的被點擊情況，點擊位置錯位，對浮層部分點擊的標(biāo)記，對鏈出鏈接的標(biāo)記等等，現(xiàn)在已經(jīng)有好的工具能夠解決。

要想熱圖用的好，一個很重要的點在于你幾乎不能單獨使用一個熱圖就想解決問題，在實際工作中，經(jīng)常用到集中對比熱圖方法。

多種熱圖的對比分析，尤其是點擊熱圖（觸摸熱圖）、閱讀線熱圖、停屏熱圖的對比分析;細(xì)分人群的熱圖對比分析，例如：不同渠道、新老用戶、不同時段、AB測試的如圖對比等深度不同的互動，所反應(yīng)的熱圖也就是不同餓。

使用熱圖的一個重要方法：不僅僅只是看整體用戶的熱圖，更應(yīng)該記得細(xì)分不同用戶組，查看不同組的熱圖區(qū)別。

3、歸因分析法

對于廣告主而言，我需要明確廣告投放出去用戶是從哪個渠道來的，這個用戶的質(zhì)量怎么樣，廣告購買和用戶獲取以及用戶在APP內(nèi)之間的關(guān)系，這就算歸因。

歸因，是指在多種因素共同作用造成的某一結(jié)果時，各種因素應(yīng)該占有造成該結(jié)果的多大的作用，即功勞應(yīng)該如何分配以及貴歸宿于誰。嚴(yán)格意義上講，歸因模型大約有10種左右，大體分為單觸點和多觸點兩類。

考慮到用戶購買某一樣?xùn)|西的決策，可能受到多種因素影響，比如看到廣告了解到這個商品的存在，利用搜索，進(jìn)一步了解這個商品，然后在某一渠道上看到這個產(chǎn)品的軟文等等，這些因素的綜合，讓一個人下定決心購買。因此，單一廣告渠道并不是你打開客戶的閘門，而是多種渠道作用的結(jié)果。

常見的歸因模型：

最終互動模型：100%分配給轉(zhuǎn)化前用戶最后一次接觸的媒體，這樣也容易測量，但屬于單觸點模式，不完善，適合轉(zhuǎn)化型廣告主。首次互動模型：100%分配給第一次接觸的渠道，只考慮最初的品牌認(rèn)知、不考慮轉(zhuǎn)化，適合全新品牌。時間衰退互動模型：配比按時間遞減，適合臨時促銷廣告。自定義互動模型：自定義個階段配比，適合銷售和品牌同樣重視的廣告。

歸因分析的前提是設(shè)置目標(biāo)：各渠道共同的目標(biāo)，目標(biāo)的定義在各種分析工具中都有。

4、溯源

經(jīng)過反復(fù)的細(xì)分對比后，基本上可以確定問題所在，這時就需要和業(yè)務(wù)方確認(rèn)是否因為某些業(yè)務(wù)動作導(dǎo)致的數(shù)據(jù)有問題，包括新版本上線，運營活動策劃優(yōu)化等等。

如果仍沒有透徹，那么從細(xì)粒度查起，如：

用戶日記分析用戶訪談網(wǎng)絡(luò)調(diào)研工作坊

四、為什么要做數(shù)據(jù)分析

數(shù)據(jù)分析以量化的方式來分析業(yè)務(wù)問題并提出解決方案。

建立量化體系：設(shè)計指標(biāo)，建立指標(biāo)體系，按照指標(biāo)維度進(jìn)行收斂。明確數(shù)據(jù)量化重點確保數(shù)據(jù)準(zhǔn)確站在業(yè)務(wù)場景角度分析

量化數(shù)據(jù)是為了統(tǒng)一認(rèn)知，并且保證路徑可回溯，可復(fù)制。指標(biāo)設(shè)計：以準(zhǔn)確易懂為準(zhǔn)則，集合統(tǒng)計學(xué)和業(yè)務(wù)效果的方法論。常用的統(tǒng)計學(xué)工具：

業(yè)務(wù)概括：平均數(shù)、中位數(shù)、眾數(shù)業(yè)務(wù)差異性：方差、標(biāo)準(zhǔn)差業(yè)務(wù)分布：頻數(shù)

以電商顧客質(zhì)量分析為例，我們以顧客的平均支付金額或者支付中位數(shù)作為分析的依據(jù)；如果想要了解這批顧客質(zhì)量是比較好還是參差不齊，則需要通過方差和標(biāo)準(zhǔn)差來描述；如果想要知道更詳細(xì)的內(nèi)容，可以了解每個區(qū)間的用戶數(shù)是多少來判斷。

五、怎么使數(shù)據(jù)分析更有效果

在做數(shù)據(jù)分析的過程中，我們需要了解什么樣的數(shù)據(jù)展示才是對結(jié)果的最好展示。

數(shù)據(jù)本身具有相應(yīng)的欺騙性，如果單純地去看一個數(shù)據(jù)是沒有太大意義的；比如從運營同學(xué)那得到了日新增用戶數(shù)1W，我們可以說這個數(shù)據(jù)很好，因為從數(shù)值上看很不錯，但是你可能沒有看到同期的數(shù)據(jù)，有可能昨天的數(shù)據(jù)達(dá)到了2W。

1. 好文配好圖：要明確要表達(dá)的信息、根據(jù)數(shù)據(jù)選擇合適的圖標(biāo)類型；

2. 好的數(shù)據(jù)一定是首先最好是以比率的形式存在的，不要絕對數(shù)，要相對數(shù)據(jù)。

對比才能更好的展現(xiàn)數(shù)據(jù)的可用性，對比的數(shù)據(jù)可以從互聯(lián)網(wǎng)資訊網(wǎng)站獲取，也可以從競品數(shù)據(jù)中獲取，還可以從咨詢公司獲取，這樣得到的對比率是最具有說服力的。

3. 通過對比來判斷數(shù)據(jù)的好壞。

我們將數(shù)據(jù)的日增長量做成一個折線圖，從折線圖我們就能看出這個數(shù)據(jù)是在高點還是在低點。通過對比，我們就會得知這個數(shù)據(jù)所處的位置是什么樣的。另外，通過對比不同的渠道、不同的版本、不同的用戶群等不同緯度的數(shù)據(jù)，都可以從側(cè)面反映出這個數(shù)據(jù)的真實情況。

4. 數(shù)據(jù)不是一成不變的情況，要動態(tài)的去看數(shù)據(jù)。

單純只看一個點的數(shù)據(jù)情況是沒有意義的，我們要在數(shù)據(jù)中加入時間的緯度。引入一段單位的時間去看待數(shù)據(jù)整體的變化趨勢，這樣才能更為客觀的判斷產(chǎn)品的健康程度。

5. 根據(jù)數(shù)據(jù)分析場景進(jìn)行數(shù)據(jù)展示

六、怎樣成為優(yōu)秀數(shù)據(jù)分析師

1、分析要有深度

深度是指數(shù)據(jù)分析對企業(yè)的支持程度，當(dāng)企業(yè)面臨決策難題時，數(shù)據(jù)分析若要有深度，則要全面回答3個問題：

企業(yè)的現(xiàn)狀和問題是什么？問題為什么會產(chǎn)生？企業(yè)該怎么辦？

這3個問題若未答全，則分析的深度就會有所缺失。可以從問題的本質(zhì)出發(fā)，從是什么為什么怎么辦3個角度思考。提問是思考的翅膀，善于提問，勤于思考，我們就能達(dá)到數(shù)據(jù)分析的深度。

2、數(shù)據(jù)要有可信度

可信度是指分析結(jié)果的可靠程度。要有信度，需滿足三個條件：對比要可比、差異要顯著、描述要全面。

（1）對比要可比

基礎(chǔ)數(shù)據(jù)基數(shù)要具有可比性，不能將基礎(chǔ)數(shù)據(jù)與其他數(shù)據(jù)進(jìn)行混合對比。

（2）差異要顯著

在做精細(xì)化營銷時，往往要用數(shù)據(jù)來理解不同用戶的差異；根據(jù)差異性制定運營策略。差異化的數(shù)據(jù)更能描述問題，但是差異化的數(shù)據(jù)需要進(jìn)行檢驗，常用的顯著性檢驗有T檢驗和方差分析。

以方差分析舉栗子，操作如下：①將不同類型的分類進(jìn)行編碼；②選擇不同的數(shù)據(jù)因子；③根據(jù)不同組間數(shù)據(jù)計算

組間差異用組間離差平方和SSA（每組均值與總均值之差的平方和）度量；組間自由度為K-1（K為組數(shù)）；組內(nèi)差異用組內(nèi)離差平方和SSE（每組中的個案與相應(yīng)組的均值之差的平方和）度量；組內(nèi)自由度為N-K（N為總個案數(shù)）；用于方差檢驗的是F統(tǒng)計量。

要通過檢驗，即要得到組間存在顯著差異的結(jié)論，就要使差異主要來自于組間，使得SSA越大越好，SSE越小越好，反映在F統(tǒng)計量上，就是要F越大越好。大于多少？大于F的臨界值，相應(yīng)的，F(xiàn)的相伴概率小于顯著性水平（默認(rèn)顯著性水平為0.05）。

根據(jù)技術(shù)的計算與對比，方差分析告訴我們，透過現(xiàn)象看本質(zhì)。

（3）描述要全面

當(dāng)刻畫一組數(shù)據(jù)時，描述要全面——不僅要描述這組數(shù)據(jù)的一般水平，還要考慮到這組數(shù)據(jù)的波動水平。

如果波動很大，一般水平對數(shù)據(jù)總體的代表性就會很差。

只考慮一般水平而不考慮波動和差異，會使數(shù)據(jù)的可信度大大縮水。

所以，數(shù)據(jù)分析要有深度和寬度。

挖掘夠深，反過來看，就會出現(xiàn)一種漏斗模型；從深度看寬度，以兩種不同角度看問題，分析問題，使得結(jié)果更具有說服力。

（4）分析要有效度

效度，指的是效率和速度。數(shù)據(jù)分析速度越快、成本越低，則效度越高，成效越顯著。社交網(wǎng)絡(luò)分析能成為趨勢，是因為與傳統(tǒng)分析方法相比，社交網(wǎng)絡(luò)分析更效度。

社交網(wǎng)絡(luò)分析思路是處在社交網(wǎng)絡(luò)中心且連接數(shù)目較多的中心群體比隨機(jī)人群更容易影響外界和受到外界的影響。

社交網(wǎng)絡(luò)分析由于在社交網(wǎng)絡(luò)中，中心群體比隨機(jī)人群更容易影響他人，因此只要使中心群體進(jìn)行分析，就解決了源頭問題。

社交網(wǎng)絡(luò)分析之所以優(yōu)于傳統(tǒng)方法，在于它能夠抓住重點：中心群體和隨機(jī)人群相比，中心群體更重要；因此，社交網(wǎng)絡(luò)分析以中心群體作為研究對象。

用重點單位來發(fā)現(xiàn)規(guī)律和趨勢，就能事半功倍，產(chǎn)生效度。

在效度方面，社交網(wǎng)絡(luò)分析之所以優(yōu)于傳統(tǒng)方法，在于它能夠抓住重點。中心群體和隨機(jī)人群相比，中心群體更重要，因此，社交網(wǎng)絡(luò)分析以中心群體作為研究對象。用重點單位來發(fā)現(xiàn)規(guī)律和趨勢，就能事半功倍，產(chǎn)生效度。

（5）分析要有通度

在數(shù)據(jù)分析前要找到分析的目標(biāo)，帶著問題去分析，也就是了解前期數(shù)據(jù)分析的需求，后期，需要做數(shù)據(jù)回報才具有針對性，目的性。

溝通的順暢度即通度，通度高低直接影響數(shù)據(jù)價值的發(fā)揮水平。

如何提高溝通效率不影響進(jìn)度，有三用三不用原則：能用圖表就不用數(shù)據(jù)；能用圖片就不用文字；能用動態(tài)呈現(xiàn)就不用靜態(tài)展示。

能用圖表就不用數(shù)據(jù)：一圖抵千言，圖比數(shù)據(jù)跟具有說服力。能用圖片就不使用文字：文字多了就容易誤導(dǎo)用戶，看著頭暈，跟不能形象表達(dá)目標(biāo)。能用動態(tài)呈現(xiàn)不用靜態(tài)展示：在表達(dá)事物隨著時間的變化而變化時，動態(tài)呈現(xiàn)能還原真實，比靜態(tài)展示更能讓人們產(chǎn)生身臨其境之感。

*本文由@唐先生原創(chuàng)于人人都是產(chǎn)品經(jīng)理。

－DataHunter,讓你愛（AI）上看數(shù)據(jù)