本文适合：任何需接触数据分析工作的运营、产品、市场等童鞋~
有什么用：帮助运营童鞋解决工作中常遇到的数据问题，轻松玩转数据，真正用数据驱动运营。
阅读时长：可学习的知识点较多，建议学习时长为15-30分钟！
文章内容：
1. 不知道该分析哪些数据？从哪些角度入手分析？
2. 要等待分析师漫长的排期？能否自己搞定数据分析？
3. 作为小白的运营童鞋，如何制作让老板满意的好看图表？
4. 如何快速找到数据背后的问题和原因？
在这个数据驱动运营的时代，数据不仅是数据工程师和分析师的事情，在工作中也要求运营从业者有一定的数据分析能力，更有人说“数据分析能力是未来运营的分水岭”。从我自身角度出发，真心觉得数据能更好推动运营策略和工作的开展。
但运营童鞋多是数据小白，没有编程和技术基础，那我们该怎么分析并用好数据呢？今天从运营常见的数据问题出发，希望让大家能快速地入门数据分析，让数据更好地为工作服务，别白白浪费数据的价值。
一、不知该分析哪些数据？从哪些角度入手？这是运营小伙伴们最头痛的问题，不知道该关注、分析哪些数据，就算拿到数据后，也不知道到底从哪些方面去分析这些运营数据。给小伙伴们整理一些运营常见的数据指标，也总结了一些比较适用的分析角度，希望有用~
1. 互联网运营关注的常见数据指标比较多，请耐心看完或收藏。
流量
访问：PV、UV、IP（最常见）；跳出率、平均访问时长、平均访问页数等；使用设备、操作系统、浏览器、地域分布等访问行为；
注册：注册人数、注册走势、累计注册人数、达成率等；
渠道&推广：来源渠道分布、总消费、展示量、点击率、点击率、平均点击价格、转化率、转化成本、ROI等；
用户
活跃/登录：DAU、WAU、MAU、活跃率、登录人数等；
留存：次日留存率、周留存率、月留存率等，还有按渠道去分析留存率；
流失：流失数据容易被遗忘，包括流失率，流失人数、每日平均流失人数等；
付费：付费人数、付费转化率、单笔订单平均金额等，更多看订单数据；
其他：每日评论人数、收藏人数、分享人数等
头像：一方面分析用户属性：关注年龄、性别、学历、职业、地域、婚否、收入、兴趣等；另一方面分析用户行为：登录次数、活跃率、累计消费金额、最近一次购买、购买次数、复购率等；
订单
付费人数、新增付费人数；
总金额、每日订单数、平均每日成交额、客单价；
付费金额、付费毛利、付费利润、复购率、ARPU、付费各个路径转化等；
内容
PV、UV；
UGC、PGC
文章数、关注数、阅读数、互动数（评论、点赞等）、传播数（转发、分享等）；
活动
活动页PV、UV
新增人数、参与人数、登录人数、转化人数
转化成交金额、ARPU
优惠券发放/使用人数、营销成本、营销转化率、ROI
分享人数、分享次数等。
数据要根据活动类型而定；
服务
电商、O2O等行业易涉及，包括：
咨询人数、咨询转化率、退货率、退款率、好评率、差评率、投诉率等；
APP
各渠道下载量、激活数、新增注册数、获客成本；
启动次数、启动人数、停留时长；
push到达率、打开率等，其他参考以上数据。
数据分析有各种高大上的分析原则，比如AARRR模型、5W2H等，但是运营毕竟不是专业的数据分析师，主要能用好这些原则就够了~
对比：分成横向和纵向对比，比如纵向的同环比分析，横向的不同产品、不同渠道的对比等；
走势（变化）：指标随时间的变动，表现为增幅（同比、环比等）；
分布：这个好理解，比如说用户不同年龄段的分类、不同职业的分布、不同地域分布等；
细分：从多层级去了解数据，比如分析全国不同省份不同城市的具体订单数据，从全国—省份—城市一一下钻深入分析；
转化：主要体现在结果的最终转化、各个路径的转化，比如通过整个注册流程的转化分析来优化细节；
预测：根据现有情况，估计下个分析时段的指标值。
举个实际例子吧~
某水果O2O平台想确认未来一周各品类应准备的数量，若没有数据的支撑，那只能由人工结合经验得到一个大致结论，一般误差比较大导致水果浪费较多。该怎么解决这个问题呢？
当有了往常数据，数据走势有了一定的规律，可通过数据预测来得到一个比较合理、比较准确的数值，再通过不断预测—验证得到一个最佳方案，保证水果备货刚刚好，减少浪费，节约成本，这就是数据的价值。
（绿色：日常数据走势；黄色：未来10天数据预测）
二、要等待分析师漫长的排期？能否自己搞定数据分析？分析师身负多个部门的数据分析工作，有时从提需求到最终拿到数据，2、3天都过去了，且不说分析结果是否是你想要的，就时效性而言，这份数据结果的意义也减弱了，如何变身自己的“专属分析师”呢~
数据分析的整个过程：
确定指标—数据收集—数据整合—数据处理/建模—数据分析—数据呈现（可视化）—报表汇报
确定指标：不多说了，可参考一下第1个问题。
数据收集：可通过公司数据库埋点获得，可通过第三方平台获得，也通过一些记录的本地数据获得。
数据整合：运营人要看的数据太多了，有数据库，有各种第三平台的数据（友盟、统计、推广、公众号等），每次都需要从不同平台取数据，太分散了，最好能在一个数据平台集中管理数据。
数据分析：可参考分析方法，比如“求和、计数、同环比、多粒度下钻”等分析，一般在excel中需通过写公式搞定。
数据呈现（可视化）：简单地说，即如何制作好看的图表，请直接学习第3个问题。
报表汇报：将数据通过表格、图表或其他形式向领导汇报。
如何不依赖分析师，自己搞定数据分析呢？
学习一些数据分析理论。（数据思维）
了解、熟悉业务，这点很重要。（业务思路）
学习一些数据分析工具。（工具辅助）
以我的个人经验来看，真正把握这些真真是够了~毕竟我们不是专业的数据分析师，能做好业务分析足以！
三、运营童鞋如何制作让老板满意的好看图表？没有哪个老板喜欢杂乱的表格数据，颜值才是王道啊。简单地说，就是数据如何可视化，让数据直观、明了。
分析数据占比：分析单维度的数据占比可用饼/环图、分析多维度的数据占比，可用旭日图和矩形树图。
比如，用户性别的占比分析只有“性别”一个维度，用饼/环图展示，男女比例非常直观，比如下图明显是男性用户偏多，若用户群体符合初衷和产品特征，那运营方式不妨可以尝试一些“可爱风”，也许这样更能吸引男性用户。营销活动也可以考虑选择一些科技类产品作为奖品，也许更能促进男性用户的购买力，达到活动目的。
（单维度：用户性别分析）
（多维度：不同地区不同渠道的订单分析）
分析数据同环比趋势：分析单维度的同环比可用指标卡、分析多维度的同环比可用双轴图。
同环比太常见了，几乎什么数据都要跟之前有个对比，这样才能更体现目前数据的“运营价值”。
最常见就是PV、UV的同环比了，比如UV环比下降了，是正常还是不正常。正常是因为UV可能存在一定规律，可能周五的UV就比周四低，那数据属于正常。若没有固定规律，那有异常波动一定要寻找背后的原因，尽快处理问题，以防再犯。
（单维度：PV环比和UV环比分开）
（双维度：PV环比和UV环比放一起）
分析数据走势：最常用的是折线图，柱状图也可以表达，直观度略低于折线图。
（双折线图）
（柱状图）
分析地区分布：全国、省份分布可用行政地图，更详细的地域分布可用经纬度地图。
用户地域分析也是非常重要的，这可能决定了公司业务会在哪些区域重点投入、重点销售。这也是公司广告需重点投放哪些区域的数据指导，对于每年竞价投入几百万、几千万的公司，正确的用户地域分析可节省很多不必要的投入，给公司省钱老板可乐意了。
（行政地图）
（沈阳地区轨迹动态地图）
（各省份注册用户数完成率）
分析任务完成进度：单项指标可用计量图，多项指标可用子弹图，进度完成情况一目了然；
（单项KPI完成进度）
（各项运营指标完成进度）
分析用户活跃频次变动：可用桑基图。
（用户活跃情况变化）
分析词频：比如用户的职位分布，可用词云~
（用户职位分布）
分析转化效果：那肯定用漏斗图最最合适。
（用户咨询转化率）
关于转化，分享一个自己身边的真实故事：
之前在一家电商公司工作，每天网站流量都不低，但最终的支付转化率始终不高，从流量—注册转化还可以，从注册—浏览转化也还可以，但就是浏览—支付转化不高。
通过不断找原因，通过用户调研和数据分析（埋点）发现大部分用户都到了支付页，但支付入口在移动端不太明显导致很多用户弃买，这当然要改，优化后整体转化率确实提高了。通过数据发现问题—找原因—优化—通过数据验证可行性，这真的是一个良性循环。
所以每个数据图表都有适合的使用场景，用好各种图表很重要，因为它直接影响到数据的直观和美观程度。
四、如何快速找到数据背后的问题？做了那么多的数据工作，最终无非是为了从数据中去发现问题，不断优化运营策略。不论数据是上升了还是下降了，肯定有其变化的原因，这里以用户数据变化为例了解一下快速找到问题的思路~
Ps：这只是个人结合工作得到一些经验，不一定非常准备，大家可结合自己的网站和产品去分析~
节假日波动：大部分产品都会受到节假日、周末的影响，办公软件节假日/周末数据一般都会下降，电商产品节假日/周末数据一般都会上升。
上线、改版：上线不一定单指功能上线，比如营销活动上线、广告渠道新上都算是上线，网站任何变动都可以理解成“上线”。
异常、故障：服务器故障、渠道被迫下线、网站访问不了、链接异常等，链接访问不了是比较常见的情况。
以上3种都不是，那就下钻从渠道入手，看哪个渠道数据有异常，再结合具体问题进行分析。（Ps：有时候从渠道发现异常的，所以这个流程的顺序不是绝对的）
以上几种都不是，实在找不到原因，只能跟老板说：“原因未明，将持续观察趋势，以确认其偶然性”。哈哈，开玩笑哈~
有些问题显而易见，有些问题排查需要一些时间，看数据最终的意义还是要结合实践。看数据—发现问题—解决问题—再看数据—问题解决，或者看数据—发现增长—找到原因—继续应用，总之：取其精华去其糟粕，你懂得~
总之，数据对运营来说非常重要，分析好相关数据，真正发挥数据的价值，用数据来指导运营工作，真正实现数据驱动运营，不要让其成为一句空话哈！
-End-