6

数据分析方法:结构分析法

 3 years ago
source link: http://www.woshipm.com/data-analysis/4302840.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.

编辑导语:我们在日常工作中,经常会收集很多数据,比如周报、月报等等,但是真正要用的时候却还是重新取数;因为我们只有数据,没有方法,比如我们可以用结构分析法来读出数据的含义;本文作者分享了关于数据分析方法中的结构分析法,我们一起来看一下。

gr1CAkTuiCcYX6l7Gnix.jpg

你是不是觉得,平时做的日、周、月、季、年报没啥用?每天麻木地更新,发出来也没人看,需要数的时候还是临时取数?

答:因为光有数据,没用配解读数据的方法!

数字要读出含义才有价值——结构分析法,就是解读数据的一种简单、快捷的方法,也是数据分析师的祖传手艺,今天我们系统讲解一下。

一、从人见人厌的平均数说起

人们天生讨厌平均数,总觉得用平均数很扯淡,有种:“我和姚明平均身高,有毛用”的感觉。

但是反问:为啥平均数这么不好用,但是大家还喜欢用呢?

因为:方便。

举个最简单的例子:

已知1:客户需要5万件产品。

已知2:生产线平均每天生产5千件。

问:需要生产几天?

答:10天。

虽然可能实际上是一天4879件,但是无所谓,这点偏差并不影响整体决策;用平均数来计算数量,安排人力物力,分配资源预计进度,都是很方便的;特别是在供应链一侧,生产能力、物资消耗、配送时间,是相对固定的,波动不大,因此非常好用。

但在营销侧,情况就变了。

营销侧更流行二八法则:

  • 20%客户贡献80%收入
  • 20%产品创造80%利润
  • 20%销售赢得80%订单

这种情况非常普遍,因此,当业务数据很均衡、稳定的时候,可以直接上平均数;当业务数据分布差异巨大的时候,就得看分布结构了,这就是结构分析法的起源:去平均化,发现内部问题(如下图):

做数据分析,结构分析法都不会,白混了

二、结构分析法如何做

结构分析法的做法:

第一步:明确对象——要观察结构的目标,是用户、商品、渠道、产品……选好目标。

第二步:找到指标——比如已选定观察用户,再定清楚,要观察的是用户的付费、活跃、注册时间、区域分析……哪个指标;这里特备要杜绝面面俱到,整的太复杂,不但提取数据很麻烦,看数据的人也没心思看。最好抓核心指标。

第三步:分层观察——一讲到观察,做数据的同学们习惯性想到箱型图。没错,箱型图是观察结构的方法——但是业务部门看不懂呀!想要解放人力,方法越直观越好;因此推荐用下边两种分法,一眼就看明白。

第四步:总结形态——还拿用户结构举例,我们的用户是大R型,还是大DAU型;直接决定了后续运营方向:是继续大量淘沙,还是小火慢炖,服务好大多数人。

同时,如果已经有业务上的标杆,标杆的结构,可以作为判断依据。

  • 我们希望发展高端用户,所以A类用户占比必须到20%!
  • 我们的标杆门店,A类用户占比就是20%,所以其他店也要做到20%!
  • 我们的商业模式就是大浪淘沙,所以每批新用户中A类用户占比必须为20%!

这种简单直接的判断,对于提高日常报表使用率,非常有用!

三、结构分析法如何用

使用场景1:快速理解陌生的用户/商品/渠道情况。

  • 比如实体企业,到一个地方巡店,看客户结构、看商品陈列比例;
  • 比如互联网企业,看渠道流量时间分布、看转化人数;

都是只用几个指标,能快速反推整体情况,发现问题,这样的工作效率非常高。

使用场景2:监测用户/商品/渠道健康度变化

  • 对稳定的业务而言,没事发生就是好事,稳定的结构代表问题不大;
  • 对新增业务而言,越快贴近理想结构,发展越好;

这样有了明确的标准,就不会因为短期波动而纠结,集中精力办大事。

使用场景3:监测重大政策上线效果

  • 对内部观察:是否政策起到正向推动;
  • 对外部观察:是否引发关键群体的波动;

这样能利用常规报表,快速锁定问题点,后续也不用拖一堆无关维度出来交叉交叉再交叉,应急的时候响应速度更快。

做数据分析,结构分析法都不会,白混了

以上工作完全可以靠常规报表搞掂,不需要临时取数,不需要额外占用数据分析师的时间,因此非常好使唤。

类似的方法,还有矩阵分析法、趋势分析法、漏斗分析法。

这些方法的共同点,就是:用一组有逻辑的指标,树立清晰的标杆,长期监控业务变化,从而快速得出结论;这些方法再和报表结合,就能极大提升工作效率;业务部门能定位到问题,数据分析师能解放工作量,这样才能做更深入的分析。

有趣的是,现在市面上流行的做法:

问:你要怎么分析DAU下降30%呀?

答:从基本特征、来源渠道,DOU/DNU等等维度拆拆拆,肯定能拆到某两个柱子差异好大,就是它了。

这样的做法是很有问题的。

  • 只看时间点,不看走势;
  • 只看重大变化,不看细微发展;
  • 不找关键维度,闭着眼一个个试;
  • 不用固定指标,非整一堆细节指标;

这样只会增加大量无效劳动,让业务养成“不看报表,只打电话”的坏习惯。

  • “喂,为啥又涨了呀”
  • “喂,为啥又跌了呀”
  • “喂,为啥涨了又跌呀”
  • “喂,为啥跌了又涨又跌呀”

每天忙着处理这种琐碎问题,啥深入分析,啥建模都别想了。

所以想解放精力,就得把监测体系建好,多利用这种短平快的小方法,多利用固定指标体系和查找机制,这样才能高效率运转。

下一篇我们分享一套监测体系的做法,敬请期待哦。

我在参加人人都是产品经理2020年度作者评选,希望喜欢我的文章的朋友都能来支持我一下~

点击下方链接进入我的个人参选页面,点击红心即可为我投票。

每人最多可投3票,投票即有机会获得百万惊喜礼品&起点学院千元豪礼哦!

投票传送门:http://996.pm/Y3mjw

#专栏作家#

接地气的陈老师,微信公众号:接地气学堂,人人都是产品经理专栏作家。资深咨询顾问,在互联网,金融,快消,零售,耐用,美容等15个行业有丰富数据相关经验。

本文原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议。

给作者打赏,鼓励TA抓紧创作!

About Joyk


Aggregate valuable and interesting links.
Joyk means Joy of geeK