都说实践出真知，在日常工作中，我们总能通过不同的项目，将我们的数据分析技能进一步加强。但如果我们能将实践经验进一步抽丝剥茧，那么，一定能在数据分析领域做的更深一步。
今天，笔者想给大家分享一些我的工作经验，希望对大家有一定的引导作用。
1、抽丝剥茧
1）为什么要抽丝剥茧？
我们来看一个例子：当你去分析某段时间内一个产品的活跃数据，就觉得这个事情很简单啊，不就是把数据统计清楚吗？看看趋势，对比上周、上一年，然后进行分群分析，哪部分用户流失等等。
看做完一遍之后呢，你会面临一个纠结的情绪：同样的指标，有同词不同意；有同意不同词；还有互相包含，就是我的这个指标当中有你的一部分，你的指标中有我的一部分啊；还有各不相干毫无关联的指标却出现在同一个报表上——这都是有可能的。
其实，在做数据分析的时候，我们就会有一个扪心自问的过程：我们到底从何下手？从哪里开始分析呢？
我自己的思考就是：先忽略乱七八糟，高大上的概念，回归到本质，其实，明确分析目标后，数据分析就是为了指标服务的，最终的体现就是某个数据指标提升或者下降，进而影响业务决策，所以需要先了解一个问题：什么是指标？它应该如何被解释？
指标，它分成单一指标和衍生指标，衍生指标有一个或多个单一指标的计算得来。指标有维度和度量组成，需要注意的是，衍生指标的维度来源于组成其单一指标维度的交集。
单一指标需要经过数据统计的前置筛选，才能在逻辑上成立；衍生指标没有自己的统计口径，其统计口径寄生于组成其的单一指标身上。
其实：指标就是由维度和度量组成。
我们可以给指标下定义：指标是描述一个数据统计业务的最小逻辑单元。
例如，咱们来拆解一个数据指标，就需要一个抽丝剥茧的过程，但在实际业务分析中，不一定要拆解的多么细，基本上3个层级就能够指导我们去做一些动作。
量化以及拆分指标，是数据分析的灵魂。
l 一级指标必须是全公司都认可的、衡量业绩的核心指标。它可以直接指引公司的战略目标，衡量公司的业务达成情况，本质上需要管理层和下级员工的双向理解、认同，且要易于沟通传达，比如公司的销售额，或者社交产品的活跃度。
l 二级指标是一级指标的路径指标。一级指标发生变化的时候，我们通过查看二级指标，能够快速定位问题的原因所在。如我们的一级指标是 GMV 和订单数量上升，那怎样去定二级指标呢？我们就要去拆解一级指标，而能够影响到 GMV 和订单数量上升的，就是我们的核心二级指标。比如说货品的单价上升，或者最近做的一些活动。
l 三级指标是对二级指标的路径分析。通过三级指标，可以高效定位二级指标波动的原因，这一步也会基于历史经验和拆解。
2）经验总结
回归今天的议题是数据分析之道，我们可以回到公司的战略层，回到企业发展的战略上去思考问题，需要我们思考如何应用数据分析，通过数据团队搭建、数据指标监控体系搭建、业务分析模型规划、业务目标规划、相关责任人梳理等方式，快速地帮企业解决问题，实现业务增长！
所以，我认为作为一个数据分析人员而言，抽丝剥茧、总结规律、解决问题的思维方式能力，是最核心的能力。衡量一个数据分析人员是否优秀的标准，并不是学各种SQL、Python/R等数据分析工具，而是，是否能够解构问题思维方式、还原本质、找到规律、寻找提升业务的最优解。
去寻求最优解、发展规律，那就应该运用到自己的思维框架——我们该怎么去找到规律、怎么去发展、怎么去找到这个细节，需要这三步法。
2、数据分析三步法
1）三步法
首先，还原场景，寻找规律；深入细节，全面观察；窥斑见豹群，准确推演；交叉验证，排除影响。要沉的够深，要足够的信心，要扎得够狠。要跳出细节，回归本质，用上帝视角做敏锐的洞察思维，大胆假设，寻找规律。
其次，觉得大方向上没有问题，不要轻易下结论，还要再跳回到那些纷杂的细节当中，去一个一个地验证你总结出的规律是不是适用，要保持一颗谦卑的心。当发现这些规律不适用的时候，就要大胆改正。
最后，就是场景与验证，需要回归到细节，做仔细的核对，小心地求证，严格地论述；要理清场景，一定不要有遗漏，要及时地调整，迭代更新。
2）经验总结
对于数据分析人员而言，给出的每一份数据，都要抱着对其负责到底的态度，这样大家才能建立相互信任。所以，用思维去击穿复杂的逻辑，抽丝剥茧，发现问题的本质，这是一种需要被加强的能力。
这就是在当下而言，为什么数据产品经理、数据科学家这些厚重的职位，会成为当下的数据分析热门领域的原因——就是因为它对能力跟素质有新的挑战，不是大家能轻易适配的岗位。物竞天择，适者生存，市场规律就是供给多了，需求就容易满足；供给的少，自然价位就高。
所以，你要去做那个供给少的环节，成为这个行业当中比较少见的人，而不是成为普遍的人。
3、存乎一心
1）指标监控体系的搭建
当你把一个东西解构的足够深的时候，你会面对一堆的需求碎片，万法不离其宗，先找到离你思维逻辑最近的那一步，叫第一层立足点。找逻辑点的时候，我们就要存乎一心，明确分析目的，发现核心指标。尤其是第一指标，在整个分析过程中都不忘最初目的，其实就非常简单。
那么，如何去搭建一个指标监控体系？
①要明确产品业务目标以及KPI和所处的产品阶段
要认清和明确目标。判断业务走势正常还是异常，探索解决问题的办法，都是从计算目标和现状的差距开始的，这一点非常重要。而不同的产品阶段是有不同的产品目标业务的。
拆解目标，细分可以有多种类型，比如常见几种的：
l 按达成时间为：年、季度、月
l 按服务对象为：各个部门、整个公司
l 按流程位置为：结果型目标/过程型目标
②根据现阶段产品业务目标，将数据指标分级
数据指标有很多：日活DAU、月活MAU、下载量、激活量、新增注册量、活跃度（DAU/MAU）、次日留存率、次人均时长、首页访问率、停留率、人均充值金额ARPU、GMV，客单价等等，我们会针对不同的指标，分不同的层级。一个数据指标，会受到多种因素的影响，而这些因素有内部的，有外部的，我们应当尽可能多的了解所有层面的影响因素，帮助我们对于数据的解读及分析是在一个相对正确的范围内。不一定要拆得太细，否则层级会过深，基本上 3 个层级就能够指导我们去做一些动作。
我们还以上述一级指标 GMV 提升为例，我们拆解后发现是转化率提升，那么转化率就是二级指标。而三级指标则起到能够直接指导一线运营的角色和作用，接着分平台去拆解各个转化率的时候，我们发现是 IOS 的客户端转化率有所提升。那为什么安卓没有提升，是不是 IOS 最近做了一些迭代？是不是它的一个转换路径比其他端好？这些思考就能指导业务人员展开行动。
③搭建以日、周、月为单位的数据指标监控体系报表
监控每日、过去一周，上周， 上月同周， 上上月同周的数据报表，以图表展示，来反映产品的变化趋势，通过过去的一周数据反映产品现状，通过每日、周、过去三个月的产品业务线数据变化趋势预估未来的变化趋势。
监控指标体系的基本逻辑：先看一级指标，结合二、三指标再预测判断未来趋势。
④根据数据监控结果，明确管理流程，实现控制
第一，当指标有异常状态，明确运营策略执行者。如：
GMV降了→ 客单价降低了→ 用户运营想策略
GMV降了→ 某类商品降幅大了→ 商品运营想策略
GMV降了→ 外部流量太少了 → 渠道运营想策略
第二，再明确执行时间。要有时间状态和走向判断。如:
过去+负向 → 关注某某的问题
过去+正向 → 发现什么的经验
未来+负向 → 警惕啥啥的风险
未来+正向 → 提示怎样的机会
第三，明确需要多大力度，如：
注意出现异常，要提高等，立即执行。
比如：“如客单价不能在3天内得到改善提高，本月KPI将不达标，需立即优化商品组合，提升客单价”。
第四，复盘改善后效果
搭建数据监控体系，最主要环节就是效果的复盘。而且要先看是哪个层级的效果，再看具体效果大小。
2）经验总结
我们是要对数据的质量负责、对数据的追踪负责、对数据服务的可靠性负责。回到存乎一心这件事，其实就是从碎片化的需求当中，结合自身和外部资源，将我们思维的底层逻辑体系一点一点的收拢起来，较精细化的解决问题。
而存乎一心的核心是应对诸多碎片化的需求时，有着深刻的洞察，顺势发展，因势利导，随机应变，运用之妙，存乎一心，以满足业务诉求。
文章来源：网络 版权归原作者所有
上文内容不用于商业目的，如涉及知识产权问题，请权利人联系小编，我们将立即处理
联系客服
