用这样的分析思维驱动业务 | 附实际案例

大家好，我是宝器！

今天这篇文章是好友在知乎上的分享，关于如何用分析思维驱动业务，分析思维之前有一篇文章也写过了，有兴趣的也可在看一下：一定要培养数据分析思维！

下面是今天这篇文章的具体介绍：

这两天老板让我分析一个之前没听过的业务，在与运营的交谈过程中，逐渐理清了分析框架，在处理数据的过程中，又逐渐补充了之前没有想到的分析维度。

从这件事，我回想起刚入门的时候，请教过一个朋友，数据分析师所具备的能力有哪些。其中她说了一个点，而且后面不论在网上查资料还是面试，都被着重强调的——分析思维。

那么什么是分析思维？想转行数据分析师又如何培养这种思维呢？以下内容分为：什么是分析思维、如何培养分析思维、实际案例。

01 什么是分析思维

小李啊，1月份的推广活动，帮我复盘一下。

小美啊，这个月要做个营销活动，你总结一下之前的数据，看看有什么点可以支持。

这些是不是经常碰到？或者，面试的时候，会被临时想象在某个场景下，问你如何分析。

可能这些分析主题是经常分析的，也可能是压根没接触过的。之前我面试的时候，就被问过：怎么看待我们APP的支付率是高是低，如果低了，怎么分析为什么低？如何分析天气对业务的影响？

老板或面试官给的主题，都是非常宽泛的，考验的点在于，你作为分析师，如何利用自己的经验，从多方面且有用的去分析各种问题。

这就是作为分析师，必须具备的分析思维。

拿到一个问题或者主题，要先知道从哪方面入手，以及这块业务所涉及的核心指标。

其次，在分析的过程中，不断丰富维度，找到之前做框架时没想到过的细节。最后，从整个分析过程中，如何结合实际业务，去发现问题，并且提出自己的观点。

02 如何培养分析思维

Excel、SQL、Python、SPSS、R、PowerBI......这些不论是数据处理还是可视化，只要想学，基本上都能学会，这属于硬技能。但数据分析师不仅仅是需要会这些，更看重的是软技能：沟通表达能力、业务洞察力，当然还有最基本的分析思维。

刚入行的时候，每次朋友给我强调分析思维分析思维分析思维，我就很头疼，到底分析思维怎么提高啊？

现在回过头来，我的分析思维，应该是在工作当中，不知不觉就提升了。每遇到一个新业务、新挑战，也就多补充了一些分析能力。

1.多问

• 事前：拿到一件事情，比如运营部要你给一份1月份会员用户的比例。懒的人呢，可能就直接给出一个数据 50%。机灵的人，会先了解运营部要这个数据的目的，问一下需不需要多几个月的（同比、环比、按月波动情况）。要先了解他们要这个数据来做什么，才能知道该提取哪些数据。也就是，明确分析目的。

• 事中：在明确目的之后，也就知道提取哪些数据、时间长度等等。数据出来之后，为什么1月份会员的比例上升/下降如此之多？这时候就需要去问运营，1月份是不是做过什么营销活动，是不是有过什么故障导致数据的异常。总之，各项指标了解得越清楚越好。

• 事后：分析结果已经给对方了，那么剩下来就是总结这次分析相关的重点，原来运营部关注的是这些指标，那么下一次再接到这样的任务，也就能明白该从哪里入手。

  
  

2. 了解业务

如果能做到第一点的多问，那么随着时间的积累，业务的了解会逐渐加深。但是在去问别人之前，要自己先了解得足够过。还是那个会员业务，在问之前，自己可以先去走一下流程。看看会员的权益有哪些、会员的月费是多少、卖会员的入口是否明显等等。然后有不明白的地方，再去问。久而久之，也就有了对业务的理解。

3. 形成分析模式

接触了不同的业务之后，对它们的业务重点、关注的指标都明确了。再接手到一个分析主题，也就能够一下子想到这个主题该从哪些维度去分析，该提取多久的数据，哪些是运营可能关注的重点，哪些是值得着重深挖的方面。

于是，就形成了一个完整的分析流程：

明确分析目的→列出分析框架→提取/清洗数据→数据可视化→写明数据变化原因→提出见解→完成一份报告。

4. 提升改进

形成模式之后，能够轻松的完成一项分析报告。但这只是最基本的，在分析数据的过程中，也需要思维发散，想到之前没想过的。

比如：1月份的会员比例提升了，是因为1-7号做了会员促销活动，那么可以继续分析，这个促销活动引流进来的会员，后续的购买情况，购买热门产品，产品评价如何，这批会员与之前的会员客单价有没有区别，活跃度怎么样。当然，也可以继续跟进，下个月这些会员的续费情况等等。

可能数据需求方并不需要你这些指标，或者压根没想过这些问题。你自己可以去尝试，分析出来的结果可能并不那么完美，只要你能够多想多尝试，分析思维也就能提升。

数据分析，就是在业务的理解之上，利用数据证实或推翻自己的推测。前提是，你要先有这些推测。

03 实际案例

举个栗子，饿了么这个弹窗：

饿了么弹窗路径

1.走一下路径

每次打开饿了么app，都会见到这个弹窗。以我个人的使用来说，通常我打开这个app是为了点外卖吃嘛，如果品质联盟的红包≥5元，我会直接点品质联盟红包，如果红包小，我会关掉弹窗。

这个弹窗，可走路径有4部分：顶部的会员、品质联盟红包、下午茶红包、推荐单独店铺的红包。各个部分如上图所示。

弹窗每天只出现一次，不论用户点击哪一块，返回弹窗都消失。所以弹窗的路径是一次性、四选一的。

2. 关注指标

现在知道了这块业务的路径，那么先想一下如果我是这个运营，我会关注哪些数据呢？其实大部分都主要关注：流量、订单、金额、转化率。

也就是：弹窗推送人数（即弹窗曝光数），4个路径的点击人数，进入各个路径之后的转化情况。

订单这块：会员路径是购买会员人数，当然会员页面底下也有外卖推荐，也可以继续分析这块的外卖订单。品质联盟、下午茶、店铺，这三块基本上就是看外卖订单及金额了。

当然还有可能关注其他的重点指标，此处只是根据我个人的经验去看的，大家可以继续发散。

3. 各个维度细分

可以先关注整体：弹窗曝光人数10000，点击弹窗人数8000，购买会员人数50，外卖下单4000，外卖金额80000。成交转化率、客单价、均单价等等。

再在此基础上再细分：

推送人群是圈的全部人群还是历史消费大于某个金额的？红包金额与点开率是否有关系？红包越大，点开率越高？这四个路径，点击排行是怎样的？品质联盟>下午茶>店铺红包>会员？每个页面的跳出率各是多少？

点击弹窗的用户，每日留存怎样？会不会很多用户每天/每次进入app都是直接点弹窗的？

点了弹窗之后，这些用户是直接在这几个路径当中产生下单了，还是跳出弹窗，搜索自己喜爱的店铺进行下单？

这些问题，需要用数据去解答。解答之后，可能得出一些结论。比如推送的红包大，用户下单率高，那么如何衡量红包成本与用户下单之间的ROI，寻求收益最大化。

比如店铺的点击率，可以判断出推荐的这个店铺是否符合用户预期。比如用户每次都点击了弹窗，但从别的路径购买了品质联盟店铺的外卖，是不是说明品质联盟推荐的店铺没有猜中用户心思，需不需要在品质联盟这里加个搜索？或者推荐算法是否需要优化？

说在最后

以上呢，是根据个人经验来写的。案例那块，因为没有实际的数据，也没接触过外卖业务，所以看法比较片面，但分析步骤基本上就是那样的。大家可以自己找一些例子，去思考，如果我是他们的运营者或者分析师，我会关注什么，怎么从分析当中提升我的收益。

以上，希望对你有用，也欢迎关注我们一起运营的另一个公众号分享「数据分析与Python」：