随着数据成为第五大生产要素，数据分析能力的要求更是渗透到了各行各业。对于运营来说，不管是活动策划、用户增长、还是对产品走向的决策，都需要数据分析去对其进行支撑。

下图展示了现今对于运营人员的能力要求：

但事实上，绝大多数运营人员其实不会做数据分析，有的甚至一看到数据相关的内容就开始头疼。别说是利用数据模型辅助分析业务问题了，就连哪些是关键指标有些人都搞不清楚。

但严酷的现实就摆在面前，不会数据分析的运营，在职场中很难升职加薪不说，还将随时面临着被淘汰的风险。

不过大家也别太焦虑，学习数据分析没你们想的那么困难。只要理清思路、选对工具、勤加实践，数据分析能力的提升是很快的。

今天就跟大家聊一聊，运营人员怎么去做数据分析，以及直接分享一些实用的数据分析模型给大家。

一、明确数据分析的目的

描述性分析

描述性分析的目的是找到发生了什么事情，通常就是把不同的数据整理在一起，将数据制作成能够直观看出业务变化情况的图表。

从下面这张仪表板可以看出，数据通过折线图、柱状图、词云等方式做成了图表，能够让我们很直观地看出数据变化情况，了解到发生了什么。

探索式分析

探索式分析的目的是探索，通过数据找到原本看似不相关的事物之间的联系，从而辅助业务决策。

下面这张图展示的购物篮分析，就是探索分析的一种。产品数据通过支持度、置信度、提升度三个指标，找出强关联的产品，进行组合销售，提升销售额。

诊断性分析

诊断性分析的目的是在情况已经发生之后去找到发生原因，这也是我们最常遇到的数据分析类型。比如举个最常见的例子，便利店店长查看数据时发现徐家汇的一家便利店有一周的咖啡销量大幅度降低，这是什么原因呢？通过诊断分析可以找到，原来那一周是国庆，办公族全都放假了。

预测性分析

顾名思义，预测性分析的目的是预测。这对运营人员来说，其实已经高了一个层次了，要用现有的数据去预测未来会发生的事情，提前做好准备。这样的分析光靠Excel工具是满足不了的，那能用什么工具，在下一部分我会跟大家分享。

盈亏平衡分析就是预测的一种典型用法，根据产品的业务量、成本、利润之间的相互制约关系，用来预测未来利润，提前做好成本控制。

规范性分析

规范性分析的目的是通过数据变化情况、结合数据模型，找出最优解决方案。这样的分析同样不是仅仅靠Excel拉表格，或者观察短时间内的数据可以得到的。这需要海量的数据配合智能的工具，对人员的数据分析能力和工具使用能力都提出了更高的要求。

二、推荐模型，探索分析

想要快速上手数据分析，选定合适的分析模型是非常重要的，我这边主要介绍两大类模型，用户价值模型和市场营销模型。

1、用户价值模型

帕累托模型（二八法则）

这个模型的核心思想就是少数项目贡献大部分价值。如下图销售帕累托分析，通过设置销售额80%的线，就能看出哪些产品对于销售额的贡献是更大的，可以重点关注。

RFM模型

这是一种简单实用的客户分析方法，通过分析R（最近一次消费时间）、F（最近一段时间内消费频次）、M（最近一段时间内消费金额）三个指标的分析，进行客户价值分类，判断每类细分用户的价值，分别指定不同的营销策略。

波士顿矩阵

这个模型也很常用，通过销售增长率和市场占有率两个指标来划分企业已有产品，便于科学地进行产品结构安排。

KANO模型

这个模型也是利用四象限，但它的目的有所不同，它通过对于用户的调研，将产品需求分为四种类型，按照 必备型需求>期望型需求>兴奋型需求>无差异需求 的顺序去进行用户需求满足，这个模型非常适合产品运营使用。

2、市场营销模型

PEST模型

这是一种宏观环境分析模型，主要是分析对企业产品影响的各种宏观力量。这个模型是运营人员在进行分析时绝不能忽略的模型。

SWOT模型

SWOT分析法是用来确定企业自身的竞争优势、劣势、外部市场的机会和威胁，从而将公司的战略与公司内部资源、外部环境有机地结合起来的一种科学的分析方法。

STP模型

STP适合企业在了解内外部环境及优劣势的情况下，依据自身情况针对性去做细化业务的精准决策。

4P和4C

4C理论是4P理论的发展，两者所站在的角度不同，现在进行市场营销分析的时候，尽可能地应该从消费者角度出发，形成产品和消费者的双向沟通。

看完这篇文章，你对于数据分析流程和实操是不是有了一些认识，那思考一下，你手头的哪些数据可以被用起来，赶快去试试分析吧！