数据分析运营(数据分析的小技巧，让运营工作如鱼得水)

数据分析的小技巧，让运营工作如鱼得水

　　数据化工作应该怎么做？具体有哪些方法？本篇文章，笔者为我们分析介绍了数据分析的7个要点和7种工具，供大家一起参考和学习。　　做商业分析，必须要“有数据思考、有数据说话”的思维模式，数据化可以告诉我们“从哪个问题着手”处理问题，同时可以指导我们要达到目标所需要实施的具体步骤。　　数据化可以提高行动力的效果。在我们的日常工作中，五个关键数据，我们不可忽视：客户数量、客户单价、客户停留期（从成为客户到不再是客户的期间，越长越好）、客户获取成本和客户维系成本。要使得公司的利润最大化，必须提高客户数量和客户单价，以及客户的停留期，同时降低客户获取成本和维系成本。　　然而要实现数据化，并非易事，以下七要点可以帮助我们实现数据化工作：　　对于自身的工作内容所需要的数据，应该根据自己的需求，建立相应的维度，自己去收集，这样才能保证数据的有用性。　　收集的数据的目的在于放眼于未来，而不是着眼于过去，工作数据化可以指导我们下一步该做什么，细化工作步骤。　　找到需要收集数据的工作的起点与终点，按环节划分，可以有效的帮助我们解决眼前的问题，划分维度很重要。　　细致划分是对第一步“划分”的补充，边做边完善，数据测算则在于保证数据来源的真实性和可靠性，为未来的分析做保障。　　“数据”本身不具有任何意义，重要的是要对数据进行“体系化梳理”，使其转化为“信息”或“知识”。　　知识指的是“将信息体系化梳理后归纳得出的内容”，商业世界的一切都能通过公式表示，平时注重将一切问题量化，进而转化为公式表达。　　数据化在于指导我们的下一步行动，分析后还是更看重执行。　　PDCA的循环具体如下：　　P（plan、计划）：用公式将问题进行体系化梳理，理解各数据间的关系，制定计划；D（do、执行）：执行计划；C（check、检查）：分析计划与执行间的差异，按照缓急程度把握问题；A（act、改善）：持续改善方案。　　随时更新数据和检查数据，对前的校正对后的指导，抢先注意到环境（数据）的改变，既能抢占市场先机。　　根据软银集团的业务需要，作者总结了以下数据分析法的七种工具：　　将一个目标划分成不同阶段（环节），针对每个阶段（环节）问题提出有针对的方法，对“自己可以控制的行动”确立一个数据化的目标，同时分解大目标，设立“中间目标”进而提高行动力。　　散布图和一元回归分析都可以通过数据把握两种要素间的关系，散点图是用电来描述两个数据之间的关系，偏定性。　　一元回归则是一种定量的分析方法，找到两因素之间具体的数量关系，可以参考如下步骤：　　运用Exce表格画出表示一元回归分析法的直线；确认“趋势线”是否贴近现实，用R方检验，拟合优度；得出预算值，决定下一步要采取的行动。　　多元回归分析法的方法和一元回归分析类似，就是分析多因素之间的数量关系，多用于销售结果与多种影响因素之间的关系，具体方法可以参考一元回归分析法。　　需要注意的是该分析法可以计算出“准确度高的预测值”，根据预测值，采取应对各个因素的措施。　　帕累托图是一种双轴图，它是由“将几个项目按数据的数值大小排列的柱状图”和“表示累计百分比的折线图”组成的，运用的原理是少数因素（20%)决定整体大部分（80%）的成效。通过分析可以清晰的确定解决的问题优先级，如下图：　　使用帕累托图分析法需要注意几点：　　需要对问题进行划分；需要对数据进行从大到小的逻辑进行排序；找到累计80%的点，从上图就可以看出ABC就是那20%的因素，但是影响了整体的80%，首先需要解决的就是ABC。　　T形账户是将“增加数目”与“减少数目”一目了然地整理出来，从而管理“目前手头上的剩余数目”，实现面对复杂的业务流程也能轻松突破瓶颈。　　T型账户法如图所示，需要处理大批量的工作的同学可以试试。　　差异分析法是一种对比“计划”与“实际结果”进行比较，并分析差距产生原因的方法。　　举个例子：A公司近期在网上开展了广告推广宣传，宣传结束后，发现实际费用远超出了预算（100万元），通过查阅账单，实际费用大概在122万元，单词点击价格点击次数都超过了原计划的数据。　　如何通过差异化分析该问题？　　A公司起初的预算：单次点击价格为100元，点击次数为1万次，预算为100万元；A公司的实际情况：单次点击价格为120元，点击次数为1.02万次，实际费用为122.4万元。通过差异分析法，用下图所示：　　我们可以分别计算出价格差异和数量差异，需要指明的是混合差异一般包含在价格差异之中进行分析：　　价格差异：20元X1.02万次=20.4万元数量差异：120元X200次=2.4万元很明显可以看出，价格差异的影响程度要大于数量差异，因此，单次点击价格上升20元的影响要大于增加的200次的点击次数。　　可以得出，此次造成预算超出的主要原因是单次点击价格的增加，也为解决问题指明了方向。　　LTV指的是客户终身价值，实质是客户停留期，强调的是终身服务（购买），而不是一次性服务（购买）。　　当我们分析数据结果时，往往会陷入“积累”的表象、“平均值”的表象和“分摊”的表象。数据不够细化，指标跨度大，积累的表象看起来很好，但是找不到具体的问题，往往会隐藏很大的危机。　　整体的平均值在某种程度上毫无意义，需要进一步对数据进行梳理，才能让我们所得出的平均值有用，避免唯“平均值论”。　　分摊本身可以说是将公司经营状况和公司实力更加准确地进行数据化管理的有效手段，但是不合理的分摊标准，就可能误判公司的运营整体状况。　　数据的结果直接决定了我们下一步的计划，因此数据结果很重要，但是往往我们因为这因为那的因素导致不能得到理想的结果，以下七个方面是我们经常遇到造成数据结果不理想的原因，我们要尽量避免：　　数据的单位、定义以及解释不明；分类方法不严谨、不恰当；统计数据的目的不明确；数据僵化，强调传统、不创新；数据的封闭化，需要企业内外数据相结合、及时更新；只有计划而没有实践；希望同时完成两个对立的数据，由于存在效益背反定律，不可能同时完成两个对立的结果。　　数据分析过程中，不单是对数据进行简单的分析，数据分析离开了商务环境将显得毫无意义，掌握必要的商务理论，将对我们的数据分析有实质性的作用。　　“大数定律”是概率论的基本定律之一，指的是试验次数越多，其结果出的概率就越接近理论值。“期望值”指的是进行一次试验的可预期结果。　　期望值的结果可以通过这样计算：在一个离散性的随机变量实验中每次可能得到的结果的概率乘以其结果的总和。　　我们的生活工作中普遍存在着大数定律，主要运用与衡量一件事是否该投入成本去做，以及在未来有怎样的期望值，进而「指导我们下一步的行动。」　　比如通过多年的情况观察，可以知道某件事的多种可能的概率和可能的结果。那就可以通过大数定律和期望值算出从事该件事的预期结果，假设为A。根据相同的道理可以算出另一家事的预期结果，假设为B。当你在资源有限的情况下，只能在A或B中做出选择时，此时，就有了判断依据，比较AB的大小，就能在理性的情况下做出决策。　　另一方面体现在改变概率本身，优化规则。　　大家都知道掷骰子游戏，假设游戏规则是这样的，掷出“1”才能获胜，即一般的胜率就是六分之一。根据大数定律，如果在做成这件事，概率只能为六分之一。　　那此时，我们该如何“摆脱大数定律，提高自己的胜率”？　　试想一下，如果骰子有四五面都是为“1”，那掷骰子的概率就上升了几倍。　　借助这个思路：我们如果要提高胜率，可以改变骰子本身，成为特殊的骰子，进而摆脱大数定律，提高成功率。　　鲑鱼产卵理论指的是鲑鱼在产卵时，虽然每一次会产生2000到4000个卵，但能成长起来并回游到河里的只有两条。简单点来说，就是告诉我们运营过程中如何做到低成本持续“遍地撒网”。　　这里就好比“抽奖箱”的思维方式：　　寻找中奖券券多的奖箱——甄别购买可能性高的客户；降低抽奖成本——思考接近客户最省时省力的方式；持续抽奖——之后一直坚持这一过程。　　这边主要是区别单利和复利的力量，一定要将“复利的力量’纳为已用。　　“72”法则可以快速的算出需要多少年才能让营业额达到现在的两倍。　　比如：假设一家公司的年增长率为8%，其“营业额达到现在的两倍需要的年数”，年数=72/8(%)=9年，这是个近似值，但是和真实值很相近。　　我们经常听到一句话“再好吃的烤肉也会吃腻”，表达的就是『边际效用递减的含义』，其指的是随着数量的增加，每单位物品所带来的的效用会越来越少（递减）。　　邓巴数字和边际效用递减法则都阐述了规模不经济的现象。　　风险投资行业会出现一个很有趣的现象，“300个员工是一堵墙”，意思是创业公司的从业人员一旦超过300人，管理就会出现难题。　　能够维持集团稳定的个体数量是有限的，这个上限值称为“邓巴数字”，我们要做的是找到“邓巴数字”，划分问题。　　美国认知心理学家乔治·弥勒提出：人类短期记忆的容量大约在7个左右。　　举个例子，在桌上晒硬币的时候，人在一瞬间能记住的大约只有7个硬币左右。反射在我们在公司运营过程中，就是一个上司能顾及的下属最多7人。　　“创新扩散理论”是斯坦福大学社会学者埃弗雷他·罗杰斯提出的理论，它根据消费者购买商品的态度，将消费者分出了以下五类：　　创新者：积极接受新事物的人，约占市场的2.5%；早期采用者：对新鲜事物敏感，能自主收集信息并进行判断的人，能对市场中的其他消费者带来影响的作用，约占市场的13.5%；早期大众：对新鲜事物选择持有谨慎态度的人，一般不轻易购买，约占市场的34%；晚期大众：对新产品持怀疑态度的人，只有当社会大众普遍接受了新产品之后，才会考虑购买，约占市场的34%；落后者：最保守的人，不关心社会的变化，只有当新产品普遍流行之后才有可能接受，约占市场的16%。新摩尔定律是美国营销顾问杰弗里·摩尔提出的，指的是早期采用者和早期大众者之间有着难以跨越的鸿沟（断层）。　　孙正义是当之无愧的“数据化工作法”的高手，也经常被认为是凭借天生的直觉和感觉成功的天才经营者，但其实他的经营和工作是由数学思维和数据支撑的。　　了解过ADSL业务Yahooo!BB的案例的同学也许就可以清楚了解到孙正义的数据化工作模式，也正是因为数据化思维，才有了软银的今天的成就。　　软银集团的“三维经营模式”，适用于任何商业活动，并且效果十分显著。　　三维经营的第一阶段是增加“客户数量”。　　主要分成三个步骤：增加潜在客户数量、增加试用用户数量和增加正式客户数量。　　增加潜在客户数量，如图展示：　　增加试用用户数量，如图展示：　　增加正式客户数量，如图展示：　　三维经营的第二阶段主要是通过附加服务提高客户单价，如图所示：　　三维经营的第三阶段通过增加运营方式和销售渠道，降低客户获取成本和降低客户的保留成本，如图所示：　　三维经营的第四阶段通过优化经营方法，延长客户的停留时间和提高客户的LTV价值，如图所示：　　好了，今天就这，我是大林，分享是最好的学习，希望对你有启发。　　《孙正义的超级数据化工作法》　　作者：刘大林，微信ID：huil222333，微信公众号：i思考（ID：TAYI20180620），i思考，与你一起向上生长。　　本文由 @刘大林 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