想要培養(yǎng)數(shù)據(jù)分析的能力，我認(rèn)為可以從兩部分來著手：一是數(shù)據(jù)分析方法論的建立，二是數(shù)據(jù)分析從入門到精通的知識(shí)學(xué)習(xí)。
那么該如何搭建自己的數(shù)據(jù)分析知識(shí)體系？數(shù)據(jù)分析的價(jià)值又在哪里？做數(shù)據(jù)分析有哪些具體的方法？又如何學(xué)習(xí)數(shù)據(jù)分析？
我把我之前的兩篇文章整理下，和大家分享一下這些問題。
Part 1 | 數(shù)據(jù)分析方法論 & 知識(shí)體系
1. 數(shù)據(jù)分析體系：道、術(shù)、器
「道」是指價(jià)值觀。要想做好數(shù)據(jù)分析，首先就要認(rèn)同數(shù)據(jù)的意義和價(jià)值。一個(gè)不認(rèn)同數(shù)據(jù)分析、對數(shù)據(jù)分析的意義缺乏理解的人是很難做好這個(gè)工作的。
「術(shù)」是指正確的方法論。現(xiàn)在新興的「Growth Hacker」（增長黑客）概念，從 AARRR 框架 ( 獲取、激活、留存、變現(xiàn)與推薦五個(gè)環(huán)節(jié)）入手進(jìn)行產(chǎn)品分析，這是一個(gè)非常好的分析方法。
「器」則是指數(shù)據(jù)分析工具。一個(gè)好的數(shù)據(jù)分析工具應(yīng)該能幫助大家進(jìn)行數(shù)據(jù)采集、數(shù)據(jù)分析、數(shù)據(jù)可視化等工作，節(jié)省時(shí)間和精力，幫助更好理解用戶、更好優(yōu)化產(chǎn)品。
2. 數(shù)據(jù)分析的價(jià)值
數(shù)據(jù)分析不能為了分析而分析，而要將落腳點(diǎn)放到業(yè)務(wù)、產(chǎn)品和用戶上。以產(chǎn)品經(jīng)理為例，數(shù)據(jù)分析應(yīng)該幫助產(chǎn)品經(jīng)理不斷優(yōu)化產(chǎn)品設(shè)計(jì)和迭代，驅(qū)動(dòng)產(chǎn)品和用戶增長。
當(dāng)我們上線了一個(gè)新的產(chǎn)品（product）或者功能時(shí)，需要對其進(jìn)行數(shù)據(jù)監(jiān)控和衡量（measure）。然后從監(jiān)控中采集到產(chǎn)品的用戶行為數(shù)據(jù)（data），并對這些數(shù)據(jù)進(jìn)行分析和總結(jié)（learn）。最后從分析中得出結(jié)論和觀點(diǎn)（idea），如果數(shù)據(jù)證明我們的新產(chǎn)品/功能是優(yōu)秀的，那么可以大力推廣；如果數(shù)據(jù)說明我們的產(chǎn)品還存在問題，就需要對產(chǎn)品進(jìn)行新一輪的優(yōu)化（build）。
在「產(chǎn)品——數(shù)據(jù)——結(jié)論」的不斷循環(huán)中，我們不斷用數(shù)據(jù)來優(yōu)化我們的產(chǎn)品，加快產(chǎn)品迭代的步伐、提升用戶體驗(yàn)。
3. 數(shù)據(jù)分析的方法
（1）流量分析
a. 訪問 / 下載來源，搜索詞
網(wǎng)站的訪問來源，App 的下載渠道，以及各搜索引擎的搜索關(guān)鍵詞，通過數(shù)據(jù)分析平臺(tái)都可以很方便的進(jìn)行統(tǒng)計(jì)和分析，分析平臺(tái)通過歸因模型判斷流量來源，產(chǎn)品經(jīng)理在分析這些流量時(shí)，只需要用自建或者第三方的數(shù)據(jù)平臺(tái)追蹤流量變化即可，第三方平臺(tái)如 Google Analytics 、 GrowingIO 等；
b. 自主投放追蹤
平時(shí)我們在微信等外部渠道投放文章、H5 等，許多產(chǎn)品都會(huì)很苦惱無法追蹤數(shù)據(jù)。
分析不同獲客渠道流量的數(shù)量和質(zhì)量，進(jìn)而優(yōu)化投放渠道。常見的辦法有 UTM 代碼追蹤，分析新用戶的廣告來源、廣告內(nèi)容、廣告媒介、廣告項(xiàng)目、廣告名稱和廣告關(guān)鍵字。
c. 實(shí)時(shí)流量分析
實(shí)時(shí)監(jiān)測產(chǎn)品的訪問走勢，尤其要關(guān)心流量異常值。舉個(gè)例子，某互聯(lián)網(wǎng)金融平臺(tái)因?yàn)橐粋€(gè)產(chǎn)品 Bug 導(dǎo)致用戶瘋狂搶購造成的流量峰值，產(chǎn)品經(jīng)理發(fā)現(xiàn)實(shí)時(shí)數(shù)據(jù)異常后迅速下線該產(chǎn)品修復(fù) Bug，避免了損失擴(kuò)大。
（2）轉(zhuǎn)化分析
無論是做網(wǎng)站還是 App，產(chǎn)品里面有很多地方需要做轉(zhuǎn)化分析：注冊轉(zhuǎn)化、購買轉(zhuǎn)化、激活轉(zhuǎn)化等等。一般我們借助漏斗來衡量用戶的轉(zhuǎn)化過程。
影響轉(zhuǎn)化率的因素很多，我們總結(jié)了三個(gè)大的方面：渠道流量、用戶營銷、網(wǎng)站 / APP 體驗(yàn)。以渠道流量為例，通過優(yōu)選渠道并且量化分配我們的投放資源，可以有效提升總體的轉(zhuǎn)化率。
（3）留存分析
在互聯(lián)網(wǎng)行業(yè)里，通常我們會(huì)通過拉新把客戶引過來，但是經(jīng)過一段時(shí)間可能就會(huì)有一部分客戶逐漸流失了。那些留下來的人或者是經(jīng)?；卦L我們公司網(wǎng)站 / App 的人就稱為留存。
在一段時(shí)間內(nèi)，對某個(gè)網(wǎng)站 / App 等有過任意行為的用戶，稱之為這個(gè)網(wǎng)站 / App 這段時(shí)間的活躍用戶，這個(gè)任意行為可以是訪問網(wǎng)站、打開 App 等等。
現(xiàn)在大家經(jīng)常會(huì)用到所謂的「日活」 （日活躍用戶量，DAU）、「周活」 （周活躍用戶量，WAU）來監(jiān)測我們的網(wǎng)站，有的時(shí)候會(huì)看到我們的「日活」在一段時(shí)期內(nèi)都是逐漸地增加的，以為是非常好的現(xiàn)象，但是如果沒有做留存分析的話，這個(gè)結(jié)果很可能是一個(gè)錯(cuò)誤。
留存是產(chǎn)品增長的核心，用戶只有留下來，你的產(chǎn)品才能不斷增長。一條留存曲線，如果產(chǎn)品經(jīng)理不做什么的話，那么用戶就慢慢流失了。
這是一個(gè)常見的留存曲線，我把它分成了三個(gè)部分：第一部分是振蕩期，第二部分是選擇期，第三部分是平穩(wěn)期。
從產(chǎn)品設(shè)計(jì)的角度出發(fā)，找到觸發(fā)留存的關(guān)鍵行為，幫助用戶盡快找到產(chǎn)品留存的關(guān)鍵節(jié)點(diǎn)。之前我們發(fā)現(xiàn)我們產(chǎn)品里面，使用過“新建”功能用戶的留存度非常高；于是我們做了產(chǎn)品改進(jìn)，將“新建”按鈕置于首頁頂部刺激用戶使用，效果非常好。
硅谷流行的 Magic Number（魔法數(shù)字）也是留存分析的一部分，比如 Facebook 發(fā)現(xiàn)「在第一周里加 10 個(gè)好友」的新用戶留存度非常高。作為產(chǎn)品經(jīng)理，我們也需要通過數(shù)據(jù)分析來不斷探索我們產(chǎn)品里面的魔法數(shù)字，不斷提高用戶留存度和活躍度。
（4）可視化分析
用戶體驗(yàn)，是一個(gè)非常抽象的概念，我們可以對其進(jìn)行形象化。目前一個(gè)普遍的方法就是對用戶的數(shù)據(jù)進(jìn)行可視化，以熱圖的形式呈現(xiàn)。
借助熱圖，產(chǎn)品經(jīng)理可以非常直觀了解用戶在產(chǎn)品上的點(diǎn)擊偏好，檢驗(yàn)我們的產(chǎn)品設(shè)計(jì)或者布局是否合理。
（5）群組分析 & 挖掘用戶需求、改進(jìn)及優(yōu)化產(chǎn)品
千人千面，產(chǎn)品經(jīng)理對用戶精細(xì)化的分析必不可少。不同區(qū)域、不同來源、不同平臺(tái)甚至不同手機(jī)型號的用戶，他們對產(chǎn)品的使用和感知都可能存在巨大的差異。產(chǎn)品經(jīng)理可以對不同屬性的用戶進(jìn)行分群，觀察不同群組用戶的行為差異，進(jìn)而優(yōu)化產(chǎn)品。
之前我們做過一次分析，網(wǎng)站的總體注冊轉(zhuǎn)化率是 6%；但是使用 Chrome 瀏覽器的新用戶注冊轉(zhuǎn)化率高達(dá) 12%，使用 IE 瀏覽器的新用戶注冊轉(zhuǎn)化率才 1%。這樣一分的話，問題就很明顯了，極有可能是瀏覽器兼容性的問題，產(chǎn)品經(jīng)理應(yīng)該關(guān)注一下這個(gè)問題。
Part 2 | 數(shù)據(jù)分析知識(shí)學(xué)習(xí)
從入門到精通：互聯(lián)網(wǎng)數(shù)據(jù)分析的書籍清單！
任何一個(gè)技能的學(xué)習(xí)，都有從淺到深的過程，數(shù)據(jù)分析也不例外。因此我把推薦書籍劃分成幾個(gè)段位，更便于大家挑選。
1. 入門版
適合對數(shù)據(jù)分析的入門者，對數(shù)據(jù)分析沒有整體概念的人，常見于應(yīng)屆畢業(yè)生，經(jīng)驗(yàn)尚淺的轉(zhuǎn)行者。
深入淺出數(shù)據(jù)分析 ：HeadFirst 類的書籍，一向淺顯易懂形象生動(dòng)，可以對分析概念有個(gè)全面的認(rèn)知。
誰說菜鳥不會(huì)數(shù)據(jù)分析 ：不僅講解了一些常見的分析技巧，并附帶 Excel 的一些知識(shí)以及數(shù)據(jù)分析在公司中所處的位置，對職場了解亦有一定幫助。
赤裸裸的統(tǒng)計(jì)學(xué) ：作者年輕時(shí)是個(gè)追求學(xué)習(xí)意義的學(xué)霸，后來自己從統(tǒng)計(jì)學(xué)中發(fā)掘了很多可以應(yīng)用到生活的地方。這也是本書的主旨，結(jié)合生活講解統(tǒng)計(jì)知識(shí)，生動(dòng)有趣?？梢员苊饨y(tǒng)計(jì)學(xué)一上來就大講貝葉斯概率和隨機(jī)分析的枯燥。
同樣類似的書籍還有「 統(tǒng)計(jì)數(shù)字會(huì)撒謊 」，這本書知名度要高點(diǎn)，不過我還沒看…
2. 進(jìn)階版
具有一定的行業(yè)針對性，要求具備一定的分析常識(shí)，適合網(wǎng)站分析師，商業(yè)分析師以及數(shù)據(jù)產(chǎn)品經(jīng)理。
精通 Web Analytics 2.0 ：此書雖老，但其中很多思想和流量分析的案例仍然很有借鑒意義，現(xiàn)在紙質(zhì)書只能上淘寶買舊書了。
與此類似的有「 網(wǎng)站分析實(shí)戰(zhàn) 」，是國內(nèi)一本講網(wǎng)站分析的書，沒有上面經(jīng)典，但勝在新出，很多案例和理念都有及時(shí)的更新。
深入淺出統(tǒng)計(jì)學(xué) ：Headfirst 類書籍，可以幫助你快速了解統(tǒng)計(jì)方面的知識(shí)。
數(shù)據(jù)化管理：洞悉零售及電子商務(wù)運(yùn)營 ：黃成明著，講解在企業(yè)中應(yīng)用數(shù)據(jù)的例子，讀完受益匪淺，里面舉的很多例子都很接地氣。雖說偏向于零售業(yè)管理，但大道歸一，可適用于很多行業(yè)，當(dāng)時(shí)依據(jù)里面的理念規(guī)劃了美團(tuán)外賣面向 BD 的數(shù)據(jù)產(chǎn)品。
MySQL 必知必會(huì)：這本也是我當(dāng)年學(xué)習(xí) SQL 的入門書，薄冊子一本，看起來很快。SQL 是個(gè)性價(jià)比很高的技能，簡單而強(qiáng)大。任何想進(jìn)一步提高自己數(shù)據(jù)分析技能的產(chǎn)品/運(yùn)營/分析師 同學(xué)，都建議點(diǎn)亮 這個(gè)技能點(diǎn)。
互聯(lián)網(wǎng)增長的第一本數(shù)據(jù)分析手冊 ：我司 GrowingIO 出的一本數(shù)據(jù)分析的增長手冊（封面和目錄見下圖），我們一直在做互聯(lián)網(wǎng)行業(yè)數(shù)據(jù)分析知識(shí)的普及，目前我們已經(jīng)做了 15 期「 GrowingIO 數(shù)據(jù)分析公開課」 ，面向產(chǎn)品經(jīng)理、運(yùn)營等等，這里是我們整理出來的「互聯(lián)網(wǎng)增長的第一本數(shù)據(jù)分析手冊」。為大家提供常見的分析手段講解，如漏斗分析，同期群分析等等。可點(diǎn)擊書籍名字在 GrowingIO 技術(shù)論壇中免費(fèi)下載。
3. 高階版
更高階的數(shù)據(jù)相對來說專業(yè)性較強(qiáng)了，如涉及到企業(yè)內(nèi)部數(shù)據(jù)治理，數(shù)據(jù)結(jié)合的業(yè)務(wù)分析，數(shù)據(jù)可視化等。當(dāng)然，還有數(shù)據(jù)挖掘算法之類的更深入的東西，這塊沒有研究就不瞎推薦了。
決戰(zhàn)大數(shù)據(jù) ：阿里巴巴前數(shù)據(jù)副總裁車品覺老師所著，講解了阿里巴巴在企業(yè)內(nèi)部治理數(shù)據(jù)過程中的心得，所講“存-通-用”數(shù)據(jù)管理三板斧和“從數(shù)據(jù)化運(yùn)營到運(yùn)營數(shù)據(jù)”，字字珠璣，可堪借鑒。
精益數(shù)據(jù)分析 ：此書優(yōu)勢在于將企業(yè)分成了幾個(gè)大的行業(yè)類別，并分門別類的講解了每個(gè)行業(yè)的商業(yè)模式特點(diǎn)及分析技巧，對使用者的分析能力要求較高，且必須具備相應(yīng)的業(yè)務(wù)知識(shí)。
The Wall Street Journal Guide to Information Graphics ，華爾街日報(bào)負(fù)責(zé)商業(yè)分析的人做的可視化指南，精華且實(shí)用，我之前在公眾號上寫過讀書筆記「 華爾街日報(bào)是這樣做數(shù)據(jù)可視化的（1） 」，可供大家參考。
《數(shù)據(jù)倉庫經(jīng)典教程》：網(wǎng)上有人整理出來的資料，優(yōu)點(diǎn)是簡單明了，不像正常的數(shù)據(jù)倉庫教材厚厚一本。
| 結(jié)語
數(shù)據(jù)分析是一門多學(xué)科、多領(lǐng)域的交叉學(xué)問，涉及到的東西非常多。要想做好數(shù)據(jù)分析，應(yīng)該有一套完整的思維體系，在價(jià)值觀、方法論和工具三個(gè)層面上儲(chǔ)備相關(guān)知識(shí)。同時(shí)立足于產(chǎn)品和用戶，用數(shù)據(jù)來打磨產(chǎn)品，用數(shù)據(jù)來檢驗(yàn)迭代，不斷提升用戶體驗(yàn)。
數(shù)據(jù)分析網(wǎng)認(rèn)證作者：張溪夢
聯(lián)系客服
