运营如何做数据分析？3个思路与8种方法！（怎么做数据运营分析）思维导图

以业务为核心的数据分析应该以业务场景为起点，业务决策为落点，这也是比较通用的一种方法，很多场景下都可以使用以下五个步骤进行推论。

书中提到了五个基本步骤——挖掘业务含义-制定分析计划-拆分查询数据-提炼业务洞察-产出商业决策。

关于这个方法，没有想到比较好的实例，书中有一个关于多渠道投放决策的例子，还不错，推荐去看看。

这个方法的场景是用于找到影响北极星指标的因素，也就是从两个维度进行区分（内部因素+外部因素、可控因素+不可控因素），将影响因子分为四个类别。

这本质上就是一种穷举，这种方法的最大弊端是容易漏，不论分析者是一个人还是一个团队，基本不可避免的会有遗漏。当然好处是，从四个区间对影响因子进行区分，能够比较直观的进行分析，从而以自己可控的方式进行对症下药。

具体问题（Detailed Question）

整体影响（Overall Influence）

单一回答（Single Answer）

规模化方案（Scaled Solution）

二、数据分析的8个方法

最基本的数据展现形式，用exel就可以完成。

关键数值。趋势图表，直方图、折线图、堆积图、饼状图。

单一的数值或者趋势比较宏观时，需要对其进行拆解。

比如每日新增，可以从渠道的维度进行拆解，分为应用宝、appstore、360手机助手等等，基于此我们可以查看不同维度的新增情况，进而做一些渠道推广的决策；

每日新增也可以从时间的维度进行拆解，比如发现新增的高峰时间段是中午一点，那么运营活动可以考虑集中在这个时间。

把符合某种特定行为或标签的用户进行分群，进行归类，比如“1月份来自北京的应用宝新增用户”。

我们可以针对这个分群的用户进行深度的分析，比如他们的爱好、消费水平、高频行为，进而针对性的进行用户运营或营销推广，比如对“放进购物车但是没有支付的用户”发放优惠券。

这个应该是最熟知的一种方法了，基本所有的用户行为都可以用漏斗来表现，不论是注册转化漏斗还是下单支付漏斗。

关注三个问题：

从若干个页面的uv/pv值，仅可以看到整体的转化率，实际上可能会存在偏差，从用户的行为轨迹可以从更实际的角度了解产品。

关注两类留存：

意义就不用解释了，但是真正实施过A/B测试的实际上应该是有限。

进行A/B测试的两个必备因素：

当一个商业目标与用户行为用户画像等信息有关联性时，可以使用数学建模、数据挖掘等方式进行建模，进而预测分析。

这就属于比较高阶的操作了，需要公司有一定规模且有足够的预算投入。