文章插图
接下来就是对3个假设收集数据 ， 逐个验证 ， 过程并不复杂 ， 就是简单的演绎推理过程 。
然而实际业务中 ， 最复杂耗时的是基于业务的理解提出合理的假设 ， 业务理解得越深入 ， 假设就越接近问题本质 ， 验证就越简单直接 。
三、数据分析的常见误区90%的人做的都是“假”的数据分析 。 数据分析是源自于业务需求 ， 最终回归到业务中 。 所以整个闭环至少包括：明确业务问题/需求、明确分析目的、梳理分析思路和框架、梳理业务流程、数据采集与处理、数据分析过程、结论及意见反馈落地 。
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” 。
推荐阅读
- 你应该知道的消防安全知识 防火安全知识
- 奏鸣网:为什么搜索引擎优化应该在正确的时间更新？
- 零度娱乐网:Seo链接建设困难应该怎么办？
- wordpress代码: 搜索引擎优化站应该怎么做？
- 水形物语团购: 图片网站应该如何优化？
- seo每天一贴:网站搜索引擎优化计划应该如何规划？
- 厦门seo优化:百度获取高质量内容的标准应该是什么？
- 廊坊网站优化: SEO优化推广营销网站应该注意哪些问题？
- 女生婚前恐惧症应该怎么克服
- seo808论坛:关键词布局应该在什么时候考虑？