数据运营和数据分析区别_线上运营数据分析

《运营中的数据分析》

前言：

2018年就这么结束了，给18年的关键词是：“毫无感觉”又“充实满满”。

毫无感觉：低头做事情，忘记了时间的流失。工作小例：上周（2019年1月18日）和一个同事中午吃饭回来，走到公司大门前，突然看到墙上多了很多喜庆的图案贴，惊讶喊出来：哇，应该是圣诞节，想想不对又说，是元旦节。

然后，同事就像看傻子一样看着我、、、

充实满满：是一年对自己工作状态和生活状态的总结。未入职场前，经常“鄙视”那些通宵加班和日日加班的人，认为他们是不懂和没有生活的人，而今自己却变成了曾经最“鄙视”的人！但我喜欢现在的感觉！

年末又年初，偶尔慢下来，给自己个总结、沉淀的机会。

以下是自己在业务管理过程中关于数据运营和分析个人理解和总结。

正文：

数据运营，数据分析

两个词，18年里算是虐我千百遍，而今我却待她如初恋。当你懂她时，她也就爱上了你。

数据化运营，更多的是偏向一种思维，即用数据说话的思维，是一种运营人员都应该必备的技能。个人觉得这会是未来运营人都需要具备的思维，包括数据收集、处理、分析等。

有这种感受可能也和我们公司在数据产品和数据体系上存在的缺陷，导致我们不得不具备和学习提升这种能力和思维。

数据分析，是数据化运营的基础，即用适当的统计分析方法对收集/已有的大量数据进行分析，再汇总和理解消化，求最大化地开发数据的功能，以此来驱动指导运营。

这里就先主要聊一下基础：数据分析。

听起来高大上，第一印象就是一定是那些玩数据可以玩出花的。

但个人觉得：一个优秀的数据分析师不仅需要掌握数据分析的基本原理与有效的数据分析方法，还需要具备一些其他要求。

备注：此理解也是在“茜姐”的一篇“分析师的黑匣子：需求拆解”的基础上总结的。说起茜姐，绝对是一个集情商、智慧、技术、业务等等技能的超人，是我在公司三年半遇到过最最牛最最全面的数据大咖，没有之一，可惜未能深入向茜姐学习，她就离职了。

总结为以下五点：

1、懂分析：需要掌握数据分析的基本原理与有效的数据分析方法，并能灵活运用到实践工作中，以便有效的解决问题；

2、懂业务：数据分析的前提就应该是懂业务，即熟悉行业知识，公司业务及流程，最好能有自己独到的见解。如果脱离行业认知和业务背景，分析的结果就像是脱了线的风筝，价值有限。

备注：如果一个新人在入职3个月还不能做到此要求，那一定不是能力问题，而是态度。

3、懂管理：一方面是搭建数据分析框架的要求，而搭建数据分析的框架需要具备管理、营销等理论知识来指导。

另一方面是数据分析结论的提出和指导意义的分析建议要求，没有管理理论的支撑，难以确定分析建议的有效性。

4、懂工具：需要掌握分析相关的常用工具，我常用的就是Excel，基本能解决我专业线100%的需求，当然了还会有一些如：Access、Spss、SAS等专业的工具。但是只要能解决问题的工具都是好工具，因人而异吧。

5、懂设计：即图表的设计，譬如图形的选择、板式的设计、颜色的搭配。这点我也是在张垚工作观察到，后在自己述职报告上老板们的点评深深领悟到的：讲究内容的同时，也需要照顾观众的视觉体验。

说了这么多废话，那么我们该如何进行数据分析呢？具体步骤又是怎样呢？

上面提到：因为公司和业务在数据产品和数据体系上存在“缺陷”，使得我们在业务运营的过程中常常因为数据的原因痛不欲生，故就啰嗦和细细的总结下。

1、明确分析目的和思路

①明确分析目的：为什么要开展数据分析？要解决什么问题？，这是为了确保数据分析不偏离方向；

②搭建分析框架：将分析的目的分解成若干个不同的分析要点（如何具体开展数据分析，从哪几个角度分析？采用哪些分析指标？）

③确保分析框架有一定的逻辑性：通俗就是先分析什么，后分析什么，各个分析点之间具有逻辑联系。

推荐一些理论模型，管理方面：5W2H、SMART、时间管理、PEST、逻辑树、金字塔和生命周期；营销方面：4P（我最喜欢用的）、用户使用行为、SWOT等

案例：提升C端摄影师实勘率

A、分析目的：提升C端摄影师实勘率，

B、搭建分析框架：C端摄影师实勘率=C端房源摄影师实勘量/C端在售房源量，故要提升C端摄影师实勘率，需要分解分子和分母的影响因素。

大致可拆解为如下图：

C端摄影师实勘率影响因素拆解

C、确保分析框架有一定的逻辑性：先分析C端在售房源量，后分析C端房源摄影师实勘量。

2、数据收集（准备）

按照确定的数据分析框架，收集相关数据，包含一手数据（可直接获取的数据）、二手数据（经过加工整理）。

一般数据的来源：

1、公司数据库（基于业务产生的数据），但一般我们业务固定的取数大概有（贝壳云盘、指标平台等），这里感谢才兄，给我阐述了公司的数据库大致情况。

2、线下统计：如在职人数、门店量。

3、互联网：如政府网站（GMV、交易量）。

4、市场调研：如线下批量采集。

获取数据方式：

1、如果会一定的SQL，也能够通过考试并开通权限，那么就简单了可以自给自足。

如果不会，那就像是你发现了宝藏，但是不知道如何开采一样。

2、向BI部门提数据需求。关于提数据需求说一个小技巧：一次性尽可能全面的提需求，把有可能的影响因素都提出来。

整理了一个提数据需求模板：

①说明需求背景：为什么需要数据，使用数据做什么，解决什么问题。因为不同的运用场景，数据的逻辑和侧重点不一样；

举两个不同需求场景：

A、提供给上级做汇报：关键点很可能是传递全面/高度概括的主要指标信息。

B、评估下属或分城市完成情况：关键点则是在是否传递潜力提升地方以及提升的方法举措。

②数据来源及字段；

③数据字段的定义：范围、时间、计算方法、颗粒度；

案例：

方式A：帮我提取最近一段时间摄影师拍摄万需要多久上传的数据；

方式B：帮我提取12月1日-12月15日期间，所有摄影师的拍摄完成时间、上传时间、摄影师所属城市、摄影师接单量、摄影师拍摄量、预约经纪人所属品牌、门店的数据。

对比两种方式，很明显方式B更清晰、字段更全、以及可能影响的因素都考虑到了。这样相对减少BI同事的工作量和思考时间以及二次提数据需求的可能性。

3、数据处理

对收集的数据进行加工整理，形成适合数据分析的形式。

数据处理方法：

①数据清洗：A、重复数据处理（函数：COUNTIF（rangge，criteria）、【开始】-【条件格式】-【突出显示单元格规则】-【重复值】）

B、确实缺失数据处理：平均值代替、删除缺失数据。

C、检查数据逻辑错误：函数IF

②数据转化；

③数据抽取：字段并列、字段合并、字段匹配。譬如：字段2018年12月15日，提取其中的月份；

④数据计算：A、简单计算（+-*/），B、函数（sum、Average、DATEDIF）。C、数据分组；D、数据转换。

4、数据分析

用适当的分析方法及工具，对处理过的数据进行分析，提取有价值的信息，行程有效结论。

主要作用：现状分析、原因分析、预测分析。

分析方法：

①对比分析（目标、时间跨部门、行业、活动前后）；

②分组分析（对分析的对象进行同一纬度的分组，比较。譬如：VR城市实勘率和非VR城市实勘比较分析）

③结构分析（总体内各部分占总体的比例）；

④平均分析法（与平均值对比，譬如A城市实勘率比北区整体实勘率平均值低X%）；

⑤交叉分析法；

⑥综合评价分析法（对多个指标进行优先级和加权重算得分的方式，譬如：城市的健康指数）；

⑦杜邦分析法（收益的多因素拆解分析法，类似于鱼骨图）；

⑧漏斗分析法（业务流程转化，譬如：线上流量的商机转化）；

⑨矩阵关联分析法（两个重要属性间的关联，四象限）

常用的分析工具:①数据透视表；

5、数据展现

规则和技巧：图片＞表格＞文字。

常用图（Excel里面都有，可以打开一个个浏览下，下面截两个图例）

饼图：

饼图示例

瀑布图:

瀑布图示例

折线图、柱形图、条线图、散点图、雷达图。

常用表功能：突出显示单元格、项目选取、数据条、图标集、迷你图；

图表互换：平均线图、双坐标图、瀑布图、帕累托图、旋风图、漏斗图、矩阵图、发展矩阵图、气泡图

6、报告撰写

通过对数据全方位的科学分析来评估运营质量，为决策者提供科学严谨的决策依据，以降低运营风险。

撰写原则：

①规范性：名词术语标准统一，前后一致；

②重要性：重要性高低顺序阐述；

③谨慎性：数据真实、完整，分析过程科学、合理、全面。

④创新性。

报告作用：

①展示分析结果：以某种形式将数据分析结果清晰的展示给决策者；

②验真分析质量；

③提供决策参考；

分析报告种类：

①专题分析报告：A、单一方面和问题进行分析；B、分析较为深刻。

②综合分析报告：A、全面性；B、分析相关因素的内外部联系；

③日报数据通报：A、进度性（同目标的进度比较）；B、规范性（基本情况、完成未完成原因分析、找出存在问题、提出措施和建议）；C、时效性。

报告的结构：

总-分-总

一、开篇：

①标题页（基本观点、概括内容、分析主题、提出问题），要求：直接、确切、简洁。

②目录：

案例：

视觉传达运营分析报告

③前言：A、分析背景：为何开展此次分析？有何意义？B、分析目的：分析是为了解决什么问题？达到何种目的；C、分析思路：如何开展此次分析？主要通过哪几方面开展？

二、正文：

核心部分：根据之前的分析思路确定每项分析内容，利用数据分析方法，一步步分析，通过图表及文字结合方式，形成报告正文。

案例：

报告正文示例

正文特点：

①报告最长最核心的部分；②包含所有数据分析事实和观点；③数据图表+文字相结合分析；④正文各部分应具有逻辑关系。

三、结论和建议

结论：以数据分析结果为依据得出的分析结果；

建议：是根据数据分析结论对运营面临的问题提出改进方法。备注：建议要保持优势和改进劣势；

案例：

结论和建议示例

四、附录

主要包括：专业名词/指标说明、计算方式、重要原始数据等

示例：

附录示例

总结：

以上是一个非专业数据分析人员工作以来的运营经验和数据理论相结合的个人观点，勿喷。

数据对于每个人都是公平的，如何运营好数据和数据中有什么奥秘需要我们去挖掘！

18年是变化的一年，也是是充实的一年；

19年年初，给自己定下了一个目标：打造个人IP，那么就从今儿开始！

无论过往如何，今次起保持：正直！善良！积极！乐观！

给自己

本文标签：数据分析(9)分析框架(1)充实满满(1)提升C端摄影师实勘率(1)茜姐(1)