做数据分析，要懂多少模型
大家好，我是爱学习的宝器。
一提起数据分析，很多人都会联想到“分析模型”，似乎分析模型是个很厉害又很神秘的东西。那做数据分析到底需要懂多少模型？今天简单跟大家分享一下。
一、什么是模型
模型，指的是对复杂现实的逻辑抽象。具体到数据分析上，当人们提及“模型”俩字，其实有两个含义：
第一类：业务模型。比如我们经常听的AARRR、RFM、SWOT、PEST等等。一般运营、产品、策划等部门的人更喜欢聊这些。这些模型经常是通过一组数据指标的组合，对业务情况进行描述。这些模型没有复杂的计算，却有很明确的业务含义。
比如RFM模型，本质上使用三个指标来描述用户消费状况：
R：最近一次消费至今时间
F：一定时间内重复消费频率
M：一定时间内累计消费金额
通过这三个指标，能清晰地描述用户状况：
R：最近一次消费时间离现在越远，用户越有流失可能。
F：一定时间内，如果消费频次越低，越需要用一次性手段（比如满XX元减X元、买满X件商品赠送几件）来激励用户；如果消费频次越高，越可以用持续性手段（比如积分、会员等级） 来维护用户。
M：用户消费越多，用户价值越高，能直接识别出高价值用户。
这样，运营、产品、策划们，就能利用模型看清楚：哪些用户能做，用什么手段做。这样利用模型进行分析，能避免大海捞针一样的找数据指标，提升分析效率。
第二类：算法模型。比如线性回归模型、逻辑回归模型、决策树模型等等。一般数据、开发部门的人，更喜欢聊这些。这些模型有统计学、机器学习的知识做基础，有固定的计算方法和使用场景。并且，这些计算过程和统计原理可能很复杂，没有专业知识的人会很难看懂。
比如预测数据，如果用回归模型进行预测，即使是计算一个很简单的y=60+5x模型，光检验的统计量，估计就把大家看晕倒了（如下图）：
是不是看着头都大了，哈哈，大就对了。所以，一般把算法模型单独列出来，称为“算法”。“算法”需要有专业训练才能搞懂，以后单独开一个专题讲：做数据分析，需要懂多少算法。今天集中分享：需要懂多少业务模型。
二、要懂多少业务模型？
业务模型有很多类，并且随着时代变化，经常有新模型推出来，也有旧的模型淘汰掉。比如传统的AIDMA已经被AARRR取代了。所以想要穷尽所有模型，肯定不太现实，也没这个必要。建议小伙伴们只抓住几个关键的模型，理解其核心逻辑。
一：人货场模型
人货场模型是传统企业经常用的。在解读“传统卖场业绩怎么来？”的问题的时候，从人（消费者与业务员）、货（商品）、场（卖场）进行分析（如下图）。
掌握人货场的意义是：人货场模型是一个典型的并行逻辑模型。从三个角度解读问题，找到影响最大的因素。掌握了人货场的思路，以后其他类似的并列逻辑模型也能轻松掌握。
二：AARRR模型
AARRR模型是互联网企业经常用的。在解读“互联网如何实现用户增长？”的问题的时候，从拉新、促活、留存、转化、转介绍五个角度进行分析（如下图）。
掌握AARRR的意义是：AARRR是一个典型的串行逻辑模型。要先拉新，再有促活和留存，再有转发和转介绍。掌握了这种先做步骤A，再做步骤B的思路后，所有的串行逻辑模型都能轻松掌握。
三：OSM模型
掌握OSM模型的意义是：OSM是一套拆解指标的方法，掌握了这套拆解逻辑以后，就能熟练地拆解各种大目标，遇到新问题也能应对自如。
以上三个模型掌握以后，其他模型大部分大同小异，依葫芦画瓢也能轻松搞掂。
三、遇到新“模型”怎么办？
在业务模型领域，有新模型冒出来是很正常的事。比如这几年，阿里就先后推出了：AIPL、FAST、GROW等几个模型。说不定过今年又有新模型出来，该怎么办呢？
有个简单的懒人攻略，小伙伴们可以收下：所有的业务模型，本质上是围绕一个问题的指标的组合。因此遇到这些新模型，大家记得搞清楚三件事：
这个模型描述的是什么问题 组成模型的是哪几个指标 如何通过指标解读问题
比如GROW模型
这个模型，描述的是：类目是否有潜力 组成模型的有四个指标
复购力（Retain）: 指消费者更频繁 / 重复购买产品对品牌总增长机会的贡献；
价格力（bOOst）: 指消费者购买价格升级产品对品牌总增长机会的贡献；
延展力（Widen）: 指品牌通过提供现有品类外其他关联类型产品所贡献的总增长机会。
四、如何解读
推荐阅读
欢迎长按扫码关注「数据管道」