无常观⼀个产品，如果你不能衡量它，你就不能了解它，⾃然⽽然，你就⽆法改进它。数据说到底，就是这样⼀个⼯具——通过数据，我们可以衡量产品，可以了解产品，可以在数据驱动下改进产品。
数据分析和数据处理本⾝是⼀个⾮常⼤的领域，这⾥主要总结⼀些我个⼈觉得⽐较基础且实⽤的部分，在⽇常产品⼯作中可以发挥⽐较⼤作⽤。本期主要讨论⼀些数据分析的3个常⽤⽅法：
· 数据趋势分析
· 数据对⽐分析
集效应· 数据细分分析
1.数据趋势分析
趋势分析⼀般⽽⾔，适⽤于产品核⼼指标的长期跟踪，⽐如，点击率，GMV，活跃⽤户数等。做出简单的数据趋势图，并不算是趋势分析，趋势分析更多的是需要明确数据的变化，以及对变化原因进⾏分析。
趋势分析，最好的产出是⽐值。在趋势分析的时候需要明确⼏个概念：环⽐，同⽐，定基⽐。
药用辅料手册环⽐是指本期统计数据与上期⽐较，例如2019年2⽉份与2019年1⽉份相⽐较，环⽐可以知道最近的变化趋势，但是会有些季节性差异。
为了消除季节差异，于是有了同⽐的概念，例如2019年2⽉份和2018年2⽉份进⾏⽐较。
定基⽐更好理解，就是和某个基点进⾏⽐较，⽐如2018年1⽉作为基点，定基⽐则为2019年2⽉和2018年1⽉进⾏⽐较。
⽐如：2019年2⽉份某APP⽉活跃⽤户数2000万，相⽐同年1⽉份，环⽐增加2%，相⽐去年2⽉份，同⽐增长20%。
趋势分析另⼀个核⼼⽬的则是对趋势做出解释，对于趋势线中明显的拐点，发⽣了什么事情要给出合理的解释，⽆论是外部原因还是内部原因。
2.数据对⽐分析
数据的趋势变化独⽴的看，其实很多情况下并不能说明问题，⽐如如果⼀个企业盈利增长10%，我们并⽆法判断这个企业的好坏，如果这个企业所处⾏业的其他企业普遍为负增长，则5%很多，如果⾏业其他企业增长平均为50%，则这是⼀个很差的数据。
爬山猴对⽐分析，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，对⽐的数据是数据的基本⾯，⽐如⾏业的情况，全站的情况等。有的时候，在产品迭代测试的时候，为了增加说服⼒，会⼈为的设置对⽐的基准。也就是A/B test。
⽐较试验最关键的是A/B两组只保持单⼀变量，其他条件保持⼀致。⽐如测试⾸页改版的效果，就需要保持A/B两组⽤户质量保持相同，上线时间保持相同，来源渠道相同等。只有这样才能得到⽐较有说服⼒的数据。
3.数据细分分析
在得到⼀些初步结论的时候，需要进⼀步地细拆，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。这⾥的细分⼀定要进⾏多维度的细拆。常见的拆分⽅法包括：
· 分时：不同时间短数据是否有变化
海安县紫石中学· 分渠道：不同来源的流量或者产品是否有变化
· 分⽤户：新注册⽤户和⽼⽤户相⽐是否有差异，⾼等级⽤户和低等级⽤户相⽐是否有差异
深圳指数
· 分地区：不同地区的数据是否有变化
· 组成拆分：⽐如搜索由搜索词组成，可以拆分不同搜索词；店铺流量由不⽤店铺产⽣，可以分拆不同的店铺
细分分析是⼀个⾮常重要的⼿段，多问⼀些为什么，才是得到结论的关键，⽽⼀步⼀步拆分，就是在不断问为什么的过程。
4.⼩结
趋势，对⽐，细分，基本包含了数据分析最基础的部分。⽆论是数据核实，还是数据分析，都需要不断地趋势，做对⽐，做细分，才能得到最终有效的结论。
这⾥推荐了解⼀下 AAA教育可以免费试听⼤数据分析课程。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议