用Excel做数据分析 简单的数据分析怎么做( 二 )


每一步都至关重要,而在每一步都会有很多容易陷入的误区 。
1. 误区1:技术至上有些人在进行数据分析时持有一种固执的观念,追求所谓的尖端的、高级的、显示自己技术水准的分析技术,认为分析技术越高级越好,越尖端越厉害 。明明有现成的、简单的、又非常适用的方案不采用,而把时间用在对数据算法追求上 。
追求技术的进步和发展本身没有错,但不能一味强调高级方法 。节约时间、节省资源,拿出高性价比的解决方案才是企业需要的工作态度,所以不论是高级的方法还是低级方法,只要能解决问题,就是好方法 。
2. 误区2:业务面狭窄前面已经说过,数据分析需要全面了解业务 。
这个全面体现在数据分析不仅要关注技术层面,还要对市场、营销和管理领域的知识十分了解,只有这样储备下做出的数据分析才不会和业务环节出现脱节 。有的分析报告内容看上去非常漂亮、专业、复杂,但是让老板看起来非常吃力,缺少的是业务逻辑,很难指导业务实践 。
3. 误区3:分析目的不明确面对茫茫数据,我们常常会觉得好像身处大海之中,盲无方向,不知所措,用什么分析方法,做什么图表,需要哪些数据,写什么形式的报告往往使我们百般纠结 。
对于一个项目而言,首先要根据业务方的需求,明确为什么要做数据分析,要解决什么问题,也就是分析的目的 。然后针对分析目的,搭建分析框架,选择分析方法和具体分析指标,以及明确抽取哪些数据,用到哪些图表等分析思路,只有对分析目的有清晰的认识,才会避开为分析而分析的误区,分析的结果和过程就越有价值 。
4. 误区4:分析思路混乱明确了数据分析的目的,就要紧紧围绕这个目的展开 。
这个展开就是数据分析的思路和框架 。如何把分析目的逐层拆解为子问题,如何把拆解后的子问题转化为数据指标,数据指标又会受到哪些维度的影响,如何表征影响的程度和趋势,如何找到问题的关键因素 。
这个过程就是业务到数据的过程,尽量大胆地列举出所有可能的假设,然后把假设转化为数据指标和维度进行小心求证 。
切忌拿到需求就立马着手分析,所谓数据未动,思路先行 。在没有理清思路之前千万不要分析数据,否则百分百是要重新分来过的 。把思路梳理清楚了,数据分析已经完成了一大半,而且整个问题的逻辑也会清晰很多 。
5. 误区5:分析方法缺失这个就是具体的实现层面了,思维纵然清晰了,但是在具体分析的过程中,分析方法不当也难以得出准确的结论 。
1)只关注单一环节,没有全流程意识
比如发现这期活动用户报名明显降低了,不仅要关注用户在报名各环节的流失情况,还要关注更前置的环节,包括各渠道推广投入,各文案资源的点击转化等都需要考虑 。
2)只关注单一指标,不去做关联分析
只看单一指标,只做简单归因,找到了一个指标就认为是影响问题的所有因素,由此推论问题原因 。
这里往往忽略了很多问题并非只有单个因素,且多个因素和问题之间并非是因果关系,只是一种相关关系,我们要做的就是找到更多更相关的因素进行近似的“归因” 。
3)只关注分析本身,没有结合业务动作
举个常见的例子,需要用RFM模型对用户进行高/中/低价值分层,那消费金额M的阈值如何取?自己拍脑袋?为何不结合业务动作进行设定呢?分层的目的不就是为了针对性的制定动作么?如果业务准备对高/中/低价值用户分别发放5000/3000/1000的优惠券,那阈值是不是就出来了?
4)只去做表面分析,不解决具体问题
报表做了一堆,没有抓住应该重点关注的业务指标;发现异常指标,没有结合数据分析去采取有效措施;复盘罗列数据,没有总结出有助于业务发展的结论 。这些都是"形式主义"式的数据分析,看似没有问题,实际没有任何指导意义 。
四、数据分析师的进阶之路数据分析高手和新手最大的区别在于:高手能通过数据分析,找到工作的关键节点,思考怎样达成每个节点,并用数据证明能不能走得通 。新手容易陷入"毛线团式"的工作状态,绕了一圈又一圈才完成任务 。
想成为这样的高手,拿到比数据小白高几倍的工资,至少需要经历以下3个能力阶段 。
1. 能力阶段一:用数据分析解决业务问题【用Excel做数据分析 简单的数据分析怎么做】很多运营在遇到业务困难时,要么早早放弃,要么主观臆测,找不到问题的要害 。这时候如果你能学会用数据严谨地分析和解决问题,相信老板一定会对你刮目相看 。

推荐阅读