数据分析中的参考系：5大生命周期理论

人类有史以来，从来没有停止对宇宙的探索，从生命、陆地、海洋、宇宙、暗物质到黑洞，虽然我们依然对宇宙生命充满了无知和迷茫，但是在这个过程中却总结出了很多关于生命周期的理论。关于生命周期，简单点说，就是人会生老病死，花会花开花落，宇宙中的万事万物都在进行有始有终的关于生死的周期性演绎。引用老子在《道德经》中说法，即道生一，一生二，二生三，三生万物。万物变幻，九九归一。

到如今，生命周期的概念被广泛应用在社会、政治、经济、企业和技术领域，通俗理解就是从新生到消亡的过程。下面，我分享在数据分析领域常见的5中关于生命周期的理论，分别是企业生命周期、产品生命周期、用户生命周期、技术生命周期和数据生命周期。

一 企业生命周期

根据相关数据显示，发达国家中小企业平均寿命不到7年，而在中国，小企业的平均寿命仅2.5年。如果你是创业者或者求职者，你肯定非常关注这个问题，作为创业者，你更需要思考如何让企业生存下去，如何做成一个伟大的百年企业；作为求职者，你更需要注意企业是否能够继续走远，这决定了你是否加入这家企业，以为你未来的生存保障。

什么是企业生命周期？简单来说就是企业创建与成长的动态轨迹，包括初创期、成长期、成熟期、衰退期和死亡期。

在伊查克·爱迪斯《企业生命周期》一书中，把企业生命周期分为10个阶段，即：孕育期、婴儿期、学步期、青春期、壮年期、稳定期、贵族期、官僚化早期、官僚期和死亡。他生动准确的总结出了企业不同发展阶段的特征，并给出了相应的应对策略，详细内容推荐大家阅读本书。

企业生命周期与数据分析有什么关系呢？当然有重大的关系了，我们知道企业在不同的发展阶段，从企业战略规划来看，短中期战略是不一样的，比如企业初期更看重快速占领市场份额和获取更多的流量，而不太关注利润；企业在成长期，可能既要注重市场发展，又要打磨产品，提升用户体验；等企业到了成熟期，由于市场份额相对固定，这个时候企业更看重收入和利润，而在企业处于衰退期，伴随着而来的可能是转型或者二次创业。

因此，做数据分析的同学，对于业务的理解就要与企业的发展战略吻合，在搭建业务指体系的时候，尤其是寻找每个阶段的北极星指标的时候，可能是不一样的，这个是我们开始进行分析和搭建指标体系的大前提，如果脱离了这个大前提，那后面的工作无异于天马行空。

二 产品生命周期

作为企业老板或者产品经理，都会非常重视产品的发展和产品生命周期，没有一款产品是经久不息的。

产品生命周期，简称PLC，由美国哈佛大学教授雷蒙德·弗农提出，他认为：产品生命是指市上的的营销生命，产品和人的生命一样，要经历形成、成长、成熟、衰退这样的周期。就产品而言，也就是要经历一个开发、引进、成长、成熟、衰退的阶段。

那么，到底什么是产品生命周期？在人人都是产品经理网站上，我看到过一个比较通俗的解释：从产品诞生开始，在无外力使其腰斩或发生重大转变的情况下，自然走向衰老的过程。

然而，产品发展过程中，外力的突然出现可能导致一些产品的腰斩or巨大转变，比如快播。再比如现在的共享单车ofo，当产品发展到一定阶段降低了某种出行质量，最简单的，人行道上放满了单车，在某些场景下降低了通行的流畅度，如果一开始国家就出台政策干预的话，不可以无桩停车，可能现在不会有如雨后春笋般生长的共享单车市场了，也或者它会是另一种形态。我们现在所说的生命周期指的是正常的走向衰退。

典型的产品生命周期一般可以分成四个阶段：

(1)第一阶段：介绍(引入)期

　　指产品从设计投产直到投入市场进入测试阶段。新产品投入市场，便进入了介绍期。此时产品品种少，顾客对产品还不了解，除少数追求新奇的顾客外，几乎无人实际购买该产品。生产者为了扩大销路，不得不投入大量的促销费用，对产品进行宣传推广。该阶段由于生产技术方面的限制，产品生产批量小，制造成本高，广告费用大，产品销售价格偏高，销售量极为有限，企业通常不能获利，反而可能亏损。

(2)第二阶段：成长期

　　当产品进入引入期，销售取得成功之后，便进入了成长期。成长期是指产品通过试销效果良好，购买者逐渐接受该产品，产品在市场上站住脚并且打开了销路。这是需求增长阶段，需求量和销售额迅速上升。生产成本大幅度下降，利润迅速增长。与此同时，竞争者看到有利可图，将纷纷进入市场参与竞争，使同类产品供给量增加，价格随之下降，企业利润增长速度逐步减慢，最后达到生命周期利润的最高点。

(3)第三阶段：成熟期

　　指产品走入大批量生产并稳定地进入市场销售，经过成长期之后，随着购买产品的人数增多，市场需求趋于饱和。此时，产品普及并日趋标准化，成本低而产量大。销售增长速度缓慢直至转而下降，由于竞争的加剧，导致同类产品生产企业之间不得不加大在产品质量、花色、规格、包装服务等方面加大投入，在一定程度上增加了成本。

(4)第四阶段：衰退期

　　是指产品进入了淘汰阶段。随着科技的发展以及消费习惯的改变等原因，产品的销售量和利润持续下降，产品在市场上已经老化，不能适应市场需求，市场上已经有其它性能更好、价格更低的新产品，足以满足消费者的需求。此时成本较高的企业就会由于无利可图而陆续停止生产，该类产品的生命周期也就陆续结束，以至最后完全撤出市场。

对于数据分析的同学，不仅要对数据敏感，还要对自己公司的产品敏感，比如产品冷启动的活动分析提供更有价值的策略，比如产品流量分析、路径分析，A/B测试等，都需要了解产品，对产品最好的了解，就是从产品生命周期进行产品定位，然后多去使用、多点点，脱离产品的数据分析都是无稽之谈。

三 用户生命周期

所谓的用户生命周期指一个客户对企业而言是有类似生命一样的诞生、成长、成熟、衰老、死亡的过程。

用户生命周期中的用户，主要是使用产品的用户，为什么要关注用户生命周期，它很重要吗？是的，可以很肯定的告诉你，现阶段的企业除了注重产品本身，另一大块就是用户，也就是流量，这是将产品变现的关键，影响企业的整个利益。

比如：总收入=用户数*转化率*客单价

因此，想要让产品价值最大化，就需要提高用户数和转化率，所以很多企业目前都非常重视用户增长，用户增长也是数据分析里面非常重要的一部分。

下面以一个APP的用户运营为例，进行介绍：

我们来看一些实际的场景：

• 新产品进行推广并获取用户的时候，需要在各种媒体曝光、通过渠道推广和营销拉来新用户。

• 产品推广一段时间需要从建设体系、运营体系指定好规则与权益，以及用户的成长体系，产品的认知教育体系等等，站在C端体验的角度做好用户的培养。

• 业务增长很快时，可以围绕从忠诚度以及背后的数据沉淀与提炼方面，进行再利用的思考，为带来更多有价值的用户来做更多的事情。

• 如果用户因为某些原因卸载或离开后，需要对于离开的用户进行老用户关怀、邮件推送、好友召唤等，用这些手段进行唤回。

  
  

以上的这些业务场景，背后就是利用产品、用户周期的不同阶段，采用不同的策略。

对于数据分析来说，我们主要关注的有用户价值提升、用户行为分析、用户画像、四象限法分层、RFM模型，这些模型应用，在后期的用户分析，我们会针对性进行介绍。

总之，对用户生命周期进行管理，归根结底就是为了让用户价值最大化。处于不同生命周期内的用户，用户价值是不同的，因此需要运营来针对处理，精细化运营。

四 技术生命周期

在技术领域，著名的摩尔定律在一定程度上揭示了信息技术进步的速度，其核心内容为：集成电路上可以容纳的晶体管数目在大约每经过24个月便会增加一倍。换言之，处理器的性能每隔两年翻一倍。

目前，关于摩尔定律，常见的三种说法分别是：

• 集成电路芯片上所集成的电路的数目，每隔18个月就翻一番。

• 微处理器的性能每隔18个月提高一倍，而价格下降一半。

• 用一美元所能买到的计算机性能，每隔18个月翻两番 。

关于技术生命周期，在1962年由Everett Rogers出版《创新的扩散》一书后才得到学研界的重视。

技术采用生命周期为一钟形曲线（Bell Curve），该曲线将消费者采用新技术的过程分成五个阶段，分别包括创新者、早期采用者、早期大众、晚期大众与落后者。

上述五个阶段的占整体使用人数比例分别为2.5%、13.5%、34%、34%与16% 。根据Roger的研究，上述五个不同阶段的使用者具不同特色，包括：

• 创新者（innovators）2.5% - venturesome, educated, multiple info sources, greater propensity to take risk （冒险家）

• 早期采用者（early adopters）13.5% - social leaders, popular, educated （意见领袖）

• 早期大众（early majority）34% - deliberate, many informal social contacts （深思熟虑者）

• 晚期大众（late majority）34% - skeptical, traditional, lower socio-economic status （传统百姓）

• 落后者（laggards）16% - neighbours and friends are main info sources, fear of debt（落伍者）

对于数据分析师来说，关于技术，我们主要关注企业目前整体的技术选型和数据分析相关工具选型和技能的掌握，包括数据采集、数据仓库、数据分析、商业智能（BI），用安全性和先进性权衡之下，高效率完成数据分析的工作。。

五 数据生命周期

对于分析师来说，无数据，也就巧妇难为无米之炊了，数据是数据分析师的米呀。当然数据的含义很多，包含的信息和价值也很大，对于数据做好管理是非常重要的。

数据生命周期，就是一种按照策略对数据进行管理的方法，基于大数据环境下数据在组织机构业务中的流转情况，定义了数据生命周期的6个阶段，具体各阶段的定义如下：

1. 数据申请：也指数据采集，指新的数据产生或现有数据内容发生显著改变或更新的阶段。对于组织机构而言，数据的采集既包含在组织机构内部系统中生成的数据也包含组织机构从外部采集的数据。

   
   

2. 数据传输：指数据在组织机构内部从一个实体通过网络流动到另一个实体的过程。

   
   

3. 数据存储：指非动态数据以任何数字格式进行物理存储的阶段。

   
   

4. 数据分析：指组织机构在内部针对动态数据进行的一系列操作活动的组合，如进行数据分析、挖掘建模等。

   
   

5. 数据归档：指数据经由组织机构内部管理人员进行归档保存的阶段。

   
   

6. 数据销毁：指通过对数据及数据的存储介质通过相应的操作手段，使数据彻底丢失且无法通过任何手段恢复的过程。

特定的数据所经历的生命周期由实际的业务场景所决定，并非所有的数据都会完整的经历六个阶段。