数据分析无从下手怎么办？-技术圈

多数人在很多时候都会面临这样的一个问题，对着一堆数据无从下手或在具备清晰业务目标时倍感思路混沌，数据分析迷茫。

为什么呢？

如果你是数据分析师，你会接触新的业务，会接触新的分析主题。

如果你是业务人员，你经常会有明确的业务问题或目标，但受限于数据分析相关知识体系无法通过数据分析手段实现。

如果你是数据运营人员，你非常了解运营痛点，但同样会受限于未掌握数据分析相关技能而无法借助数据分析来解决运营难题。

是否有更快速、高效的方式来解决上述面临的种种困境？

有的，比如运用数据分析模型。

数据分析模型有很多种，数学模型算，业务思维模型也算，当然有的人可以自己根据分析需求创建一套可复用的模型，所以它在很多业务场景分析下都会诞生。但如果需要快速、高效解决问题，最优选择是选用现有通用且被验证过的数据分析模型。

分析模型很多，日常工作会遇见的工作问题更多，所以分析模型怎么选？又该如何实现灵活运用？

一、怎么选：充分了解业务特点、场景特点

这一点写在灵活运用模型前因为它是核心，不了解业务背景，不了解业务场景特点，错误选取模型，结果无任何意义。

为什么需要了解业务？

互联网企业和传统企业的业务形态有天壤之别，这导致他们的数据形态也不尽相同，数据的体量也不一样，互联网企业经营模式具有相似性的企业也不多，例如出行方面常见的有uber、滴滴打车、美团打车等等，外卖企业有饿了么、美团、口碑等，相同商业形态的企业都比较有限，跳脱一种商业形态企业到新的企业后，你会发现原来的业务体系都需要完全被推翻，所以就算对于同一种分析模型而言，应用的点也不同。

图片来源于网络，侵权删

例如漏斗分析模型，该模型经常会用于线上业务路径转化分析，如果我们要将漏斗分析模型应用于各大互联网企业，那么它在不同企业展现的转化路径是不同的，它分析结果的可用性也需要结合实际业务情况进行评估。

在用户分层上我们通常会采用RFM模型，但是RFM模型不是死的，如果同时将它应用于两家快消零售企业，那么是否每家企业只用到这个模型的基础就可以了，这绝对需要打问号。

图片来源于网络，侵权删

为什么要了解场景？

还是以RFM模型为例，它可以用于用户管理的场景，也可以用于精准营销的场景，如果保持原来的基础R\F\M模型不变，它在每一种业务场景下需要扩充和变异的内容是不一样的，在用户管理下，我们可以利用这三个维度将我们的用户分出不同的价值层，一旦它被用于精准营销时候就不一样了，新品上市和实现客户复购的业务目标明显不同，所以在维度扩充的时候需要根据不同的业务目标纳入其他的分析维度作分析。

二、如何实现灵活运用：深入了解分析模型

实际工作中，需要用到数据分析解决的业务问题非常多，所以业务问题是无限的，行业中通用且已经被验证过的模型虽然不少，但也有限，所以希望能够游刃有余高效地处理任何业务问题时需要能够灵活使用各种分析模型。

灵活应用的前提：熟悉分析模型的原理，实现过程，分析结果意义，结果与业务的关系。

熟悉原理的目的是了解该模型如何使用。

例如象限分析，它的原理是两条垂直交叉的线将平面坐标划分出四个象限，每一个象限图对应的横、纵坐标轴的值正负不同。所以此种分析手段对应到业务中，可以分析两项业务指标，将指标对应到横、纵坐标上，然后根据两两交叉后分出四个象限，每个象限因为两项指标值差异呈现不同的业务现象。

图片来源于网络，侵权删

熟悉实现过程的目的是了解如何得到分析结果。

同样对于象限分析，最终的结果是四个象限，不同的业务指标如何确定交叉点，不同的交叉点决定了最后各象限中的每个指标的值差异，所以了解象限分析的原理与实现过程非常关键。

熟悉分析结果意义的目的是为了懂得解读数据结果。

在象限分析中，一个业务指标以交叉点为分界点有两种意义，两个业务指标叠加一起会呈现4个业务问题，所以选用了什么分析指标，分析指标的交叉点决定了最后的数据结果对应的业务意义以及业务问题呈现。

了解模型最后的结果与业务关系的目的是为了评估模型对于解决业务问题的适用性，结果是否具备业务意义。

想要清晰呈现业务问题的前提是充分了解模型原理、根据模型的原理选择了合适的数据，最终展现的数据结果具有业务现象可解释性。

要实现灵活运用分析模型，从了解模型到模型实际应用的每一个环节是层层递进，环环相扣的，且每一个环节必不可少。

要将数据分析模型与业务问题关联起来需要一定的业务功底和数据分析功底，因为实际业务是复杂的，通常情况下使用一种分析模型无法一蹴而就，可能需要多种数据分析手段和多种模型交叉使用才能实现解决问题的目标。在这过程中很重要的是还需有一套逻辑清晰的完整的思维方式让你面对任何业务问题时候可以迅速找到正确的应用方向。

关联图书

数据运营：数据分析模型撬动新零售实战.jpg

▊《数据运营：数据分析模型撬动新零售实战》

叶秋萍著

10+经典分析模型
20+实战案例

本书主要介绍12个经典数据分析模型在零售企业的决策应用实战，着重介绍企业不同的业务场景会遇见的运营问题，针对不同的问题怎样选择分析模型，怎么分析？模型结果如何落地？

第1～4章，内容相对简单。第1章是基础内容，打基石的部分，这是考虑到有些读者对数据分析应用或者利用数据可视化洞察业务具有入门的需求。第2～4章介绍的是常见且较简单的分析模型，帮助读者简单理解模型的决策支持。

第5～10章，较前面内容相对复杂，复杂的“点”可能在于决策应用，也可能在模型实现，将这些模型集中到一起，主要想帮助读者更进一步理解分析模型如何支持决策。

第11～12章，选取阿里巴巴公司目前针对零售品牌企业全域运营较为主流的营销模型，某种程度而言属于企业战略层操作。它们落地时需要将前面基础、进阶部分的分析模型融合在一起应用，所以这部分是本书数据分析模型系统应用的一个升华。从读者的学习路径来说，完成了对数据分析模型“基础认知—模型理解—理解决策应用”的完整学习链路。

本书主要解决以下问题：

针对不同的业务场景，分析模型怎么选？

利用数据分析解决业务问题的完整思路是怎样的？

商业分析如何养成？分析结果如何落地？

（扫码了解本书详情！）

▼点击阅读原文，获取本书详情~