1.数据分析概念

1.1数据分析

是指用适当的统计分析方法对收集来的大量数据进行分析，将他们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。

1.2数据分析包括

描述性数据分析（初级数据分析）：使用几个关键数据来描述整体的情况。指标：平均数，众数
常见的分析方法包括：对比分析法、平均分析法、交叉分析法等。Excel可以实现。
探索性数据分析（高级数据分析）：EDA指对已有数据在尽量少的先验假设下通过作图、制表、方程拟合、计算特征量等手段探索数据的结构和规律的一种数据分析方法。主要包括：汇总统计、可视化
验证性数据分析（高级数据分析）：EDA出现之后，数据分析的过程就分为两步了，探索阶段和验证阶段。探索阶段侧重于发现数据中包含的模式或模型，验证阶段侧重于评估所发现的模式或模型。

1.3企业数据分析的目标

进行市场分析和研究
把握产品的市场动向
指定产品研发和销售计划

2.数据分析的三大作用

2.1现状分析

告诉你企业的整体运营情况，通过各项指标衡量企业的运营状况
告诉你企业的各项业务构成，了解各项业务发展和变动情况
通过日常同报完成，如日报，周报，月报

2.2原因分析

有了现状分析，但不知好在哪里，差在哪里，就要进一步开展原因分析，做优化调整。
原因分析通过专题分析完成。

2.3预测分析

需要对企业未来发展趋势做预测，为企业提供参考与决策依据，使企业持续健康发展。
预测分析通过专题分析完成，指定企业年度，季度计划时进行。

数据分析六大步骤

3.1明确分析目的和思路

3.1.1明确分析目的

菜鸟会想	数据分析师会想
这张曲线图很好看，怎么做的？	数据变化背后真相是什么？
这些数据可以做什么样的分析？	从哪些角度分析数据才系统？
高级分析方法在这里能用嘛？	用什么分析方法最有效？
要做多少张图表？	图表是否表达出有效的观点？
除了为数据添加文字说明外还需要说什么？	数据分析的目的达到了吗？
数据分析报告要写多少页？	数据分析报告有说服力吗？
……	……

3.1.2确定分析思路
《精益数据分析》这本书推荐
1.熟悉分析方法论
2.搭建分析框架
3.再把分析框架体系化

3.2数据收集

是指按照确定的数据分析框架，收集相关数据的过程，它为数据分析提供素材和依据。
数据的主要来源：

数据库
互联网
市场调研
埋点（前端埋点、后端埋点）

自己埋点和接入第三方统计工具，现在有很多第三方统计工具，神策，Google Analytics、百度统计、CNZZ统计、友盟都是用的比较多的，操作简单又方便。自己埋点比较复杂，当然得到的统计数据更为准确高质量。

3.3数据处理

数据处理是指对收集到的数据进行加工处理，形成适合数据分析的形式。
数据处理目的是从大量杂乱、无规则的数据中，抽取有价值、有意义的数据。

3.4数据分析与数据挖掘

3.4.1数据分析
是指用适当的分析方法和工具，对处理过的数据进行分析，提取有价值的信息，形成有效结论的过程
数据处理是数据分析的基础。比如处理空数据，选取有价值的特征等
- 一般数据分析：EXCEL
- 高级数据分析：SPSS、python
3.4.2
数据挖掘是一种高级的数据分析方法，它侧重解决四类问题：分类、聚类、关联和预测
- 特征工程
- sklear
- TensorFlow

3.5数据展示

数据展现是指用通过表格和图形的方式来呈现数据
能用图说明问题的就不用表格，能用表格说明问题的就不用文字

matplotlib
seaborn
tableau

3.6撰写报告

需要有一个好的框架，图文并茂，层次清晰
需要有一个明确的结论。
一定要有建议或解决方法

4.常见数据方法论

确定分析思路需要以营销、管理等理论为指导，一般把这些数据分析相关的营销、管理等理论统称为数据分析方法论。
没有业务思维，数据分析就是一堆废纸。
方法论在各种行业都是以各式各样的形式存在着的，它其实就是一个指南针，指导大方向。同样在数据分析中，如果方法论不正确或者不合理，后面的分析结果也就没必要看了，在一个不正确或不合理的方法论的指导下，得到的分析结果是不可能正确的。

4.1数据方法论与数据分析方法的区别

数据分析方法论主要用来指导数据分析师进行一次完整的数据分析，它更多的是指数据分析思路，比如主要从哪几个方面来开展数据分析？各方面包含什么内容和指标。所以数据分析方法论是从宏观的角度指导如何进行数据分析，它就像是一个数据分析的前期规划，指导着后期数据分析工作的开展。而数据分析法是指具体的分析方法，如：对比分析，交叉分析，相关分析等数据分析方法。数据分析法主要从微观角度指导如何进行数据分析。

数据分析方法论	数据分析方法
是对数据分析的宏观指导	主要是从微观角度指导数据分析
一个数据分析的前期规划(如：数据采用何种数据分析？有几个方面需要分析？各个方面有何指标？)	具体的分析方法
PEST、5W2H、逻辑树、4P等分析思路	对比分析法、交叉分析法、相关分析法、回归分析法等

4.2常见数据分析论例举

在这里插入图片描述

4.3.1 PEST分析法
PEST分析是指宏观环境的分析，P是政治(politics)，E是经济(economy)，S是社会(society),T是技术(technology)。分析一个企业所处的背景的时候，通常是通过这四个因素来进行分析企业所面临的状况。比如：
4.3.2逻辑树分析法
逻辑树分析法是将一个已知问题当成树干，然后考虑这个问题和哪些问题有关。每想到一点，就给这个问题所在的树干加一个树枝，并标明树枝代表什么问题。逻辑树方法又称问题数、演绎树或分解树。

例如想分析为什么减肥一直失败，可以构造如下逻辑树：

逻辑树的适用要遵循一下原则：
要素化：把相同问题归纳总结成要素；
框架化：将各要素组成框架，遵循不重不漏原则；
关联化：框架内的个元素保持必要的相互管理，简单不孤立。
逻辑树的缺点：
涉及相关问题可能会有遗漏。所以在用逻辑树分析法的时候尽量把设计的问题或要素考虑周全。
4.3.3 4P营销理论
4P营销理论产生于20世纪60年代的美国，将营销要素概括为如下图四类。如果需要了解公司的整体运营情况，就可以采用4P营销理论进行分析指导。

例如对于公司的业务分析可以按如下思路进行分析
产品公司提供什么产品和服务？哪个销量好？与用户需求是否一致？购买产品的有用户都是何人？
价格公司销售收入怎样？增长还是减少？用户接受的合理价格是多少？用户购买支付方式怎样？
渠道公司在各地区有多少销售渠道？用户通过何种渠道都买？公司渠道政策是否具有吸引力？
推广(促销) 投入多少促销资源？效果如何？投放多少宣传广告？效果如何？
4.3.4 5W2H分析法(七问分析法)
5W2H分析法也叫七问分析法，从回答中发现解决问题的线索，即何因（why）、何事（what）、何人（who）、何时（when）、何地（where）、何做（how）、何价（how much）。是一种常见用户行为分析方法论。比如O2O的优惠营销信息给用户看，需要搞清楚，用户为什么需要这些优惠，用户的目的是什么？我们提供的优惠是什么？与用户想的是否一致？谁是我们的用户？用户有什么特征？用户喜好在哪个时间段购买？我们的营销活动应该开展在什么时候？用户在线下哪儿去消费？每个地区的线下有什么区别？用户应该怎样去享受优惠？用户去购买花费的成本是多少？我们应该投入多少成本？等等。

下图为5W2H分析在用户购买行为分析上的应用
4.3.5用户使用行为理论
如果说5W2H分析法较价粗糙的话，用户使用行为更加精细。
用户使用行为是指用户为获取、使用物品或服务所采用的各种行动，一般按照以下过程：对产品有一个认知、熟悉的过程，然后试用，再决定是否继续消费使用，最后成为忠实用户甚至分享产品。

APP同样也可以用用户使用行为轨迹来分析。下图是个简单的流程图，不同产品使用方式不同，具体分析时在“使用”环节可以更为细致。
4.3.6 RFM模型
传统企业和电商谈的较多的RFM模型，在众多的客户细分模型中，RFM模型是被广泛提到和使用的。RFM模型是网点衡量当前用户价值和客户潜在价值的重要工具和手段。RFM是Rencency(最近一次消费)，Frequency(消费频率)、Monetary(消费金额)、三个质保首字母组合，如图所示：

RFM的含义：
R（Recency）最近一次消费时间：表示用户最近一次消费距离现在的时间。消费时间越近的客户价值越大。1年前消费过的用户肯定没有1周前消费过的用户价值大。
F（Frequency）消费频率：消费频率是指用户在统计周期内购买商品的次数，经常购买的用户也就是熟客，价值肯定比偶尔来一次的客户价值
M（Monetary）消费金额：消费金额是指用户在统计周期内消费的总金额，体现了消费者为企业创利的多少，自然是消费越多的用户价值越大。
基于这三个维度，将每个维度分为高低两种情况，我们构建出了一个三维的坐标系。
4.3.7 AARRR模型（用户增长模型）
AARRR是Acquisition、Activation、Retention、Revenue、Refer，这五个单词的缩写，分别对应这一款移动应用生命周期中的5个重要环节。

获取用户（Acquisition）
    运营一款移动应用的第一步，毫无疑问是获取用户，也就是大家通常所说的推广。如果没有用户，就谈不上运营。
提高活跃度（Activation）
    很多用户可能是通过终端预置（刷机）、广告等不同的渠道进入应用的，这些用户是被动地进入应用的。如何把他们转化为活跃用户，是运营者面临的第一个问题。
提高留存率（Retention）
    有些应用在解决了活跃度的问题以后，又发现了另一个问题：“用户来得快、走得也快”。有时候我们也说是这款应用没有用户粘性。
    我们都知道，通常保留一个老客户的成本要远远低于获取一个新客户的成本。所以狗熊掰玉米（拿一个、丢一个）的情况是应用运营的大忌。但是很多应用确实并不清楚用户是在什么时间流失的，于是一方面他们不断地开拓新用户，另一方面又不断地有大量用户流失。
    解决这个问题首先需要通过日留存率、周留存率、月留存率等指标监控应用的用户流失情况，并采取相应的手段在用户流失之前，激励这些用户继续使用应用。
获取收入（Revenue）
     获取收入其实是应用运营最核心的一块。极少有人开发一款应用只是纯粹出于兴趣，绝大多数开发者最关心的就是收入。即使是免费应用，也应该有其盈利的模式。
    收入有很多种来源，主要的有三种：付费应用、应用内付费、以及广告。付费应用在国内的接受程度很低，包括Google Play Store在中国也只推免费应用。在国内，广告是大部分开发者的收入来源，而应用内付费在游戏行业应用比较多。
    无论是以上哪一种，收入都直接或间接来自用户。所以，前面所提的提高活跃度、提高留存率，对获取收入来说，是必需的基础。用户基数大了，收入才有可能上量。
自传播（Refer）
    以前的运营模型到第四个层次就结束了，但是社交网络的兴起，使得运营增加了一个方面，就是基于社交网络的病毒式传播，这已经成为获取用户的一个新途径。这个方式的成本很低，而且效果有可能非常好；唯一的前提是产品自身要足够好，有很好的口碑。