数据分析之如何用数据?

标签: 数据分析 数据 | 发表时间:2013-10-02 17:49 | 作者:漓江
出处:http://www.woshipm.com

光知道怎么看数据,还是不成,你得熟悉这些数据拿到手上之后怎么去用它,怎么让数据显示出来它本身的威力来。最后总结下来有这么几个部分。

用数据

第一个部分,是看历史数据,发现规律。以社区中的活动和电商中的促销为例,这些都是常见的活动,活动做得好的话有意想不到的效果。在做这样的活动,最好是拿到前一个月或者两个月的历史数据。对电商来说,从这里面要去分析各个品类的销售情况,那个品类销量最大,那个品类销量最小,每月或者每周的平均增长率和符合增长率是多少。通过原始数据把上面的这些指标分析出来之后,就可以看到哪些品类是优势品类,不用促销就可有很大的量,哪些是弱势的品类等等,这样可以确定出来拿那个品类出来做促销。对于内容社区也是一样,我们要从内容分类,和内容类型两个维度上去看,找到数量少类型单一的分类,对于这些分类下的内容数量及质量都需要提高。

第二部分,是从历史数据和现有数据中,发现端倪,找出问题所在。我们在工作中,每天都会接触到大量的数据,但是大部分看数据就流于表面了。例如对于社区来说,很关注总注册用户数,每日登录用户数,每日新用户注册数。这些数据不能说不可以看,但是更要看到最重要的数据点:每天有多少老用户登录、每天发布的内容中有多少能够称得上是优质的精品内容,这两个数据决定着说这个社区的质量怎么样,对于内容社区来说,初期如果不重视质量建设,那么等用户到50W、100W之后再去看质量,已经有点晚了。还有一个是市场部门用的会很多,在市场宣传过程中,我们会有很多广告和链接放出去,每天要监测这些链接数据量,当出现数据波动非常大的时候我们应该怎么去做,是要看到链接放置的媒体出现了问题,是不是对方做活动突然吸引了大量的人来,还要去看到我们的着陆页面,是不是吸引用户点击等等。数据就是我们的助手,帮助我们发现问题,同时顺藤摸瓜找到问题的根源所在。这个能力是非常重要的,不管是不是做数据相关工作的人,都要能够掌握。

第三部分,数据预测。通过分析数据,发现其中的规律,那么则可实现数据驱动运营,驱动产品,驱动市场。例如,对电商来说,知道一年内每个月的各个品类的增长率,也清楚各月之间的影响情况,那么按照这个量就可预测未来月度里面交易量的增长情况,我们能够达到什么样的水平。同时,在某个大型活动完结之后,不是立即看数据,要看活动结束后一个月后的数据,这样才能看到多少用户是因为活动的奖品过来,活动结束之后就走了,为什么选一个月,因为在一个月内流失率什么的就一目了然了。

第四部分,学会拆解数据。这个拆解数据在我看来有两方面的维度一个是每年的数据指标怎么去分拆到每个季度,或者每个月,这个有点绩效驱动的意思了。另外一个就是说每天产品的运营数据,推广数据或者销售数据有很多,要会对这些数据进行拆分,知道每个数据都是来自哪些方面,增高或者降低的趋势是什么。

近几年数据分析在互联网领域非常受到重视,无论是社区型产品,工具类产品,还是电子商务,都越来越把数据作为核心资产。确实数据分析的越深,越能够是在精细化的运营,在很多时候工作的重点才有据可依。但是要注意两方面的问题:

1,不能唯数据论,数据有时候能够反馈一些问题,但是也要注意到在有些时候数据并不能说明所有问题,也需要综合各方面的情况整体来看。同时要有数据分析的思维,不仅仅是互联网行业几乎所有的行业每天都会产生大量的数据。所以最重要的是有这种数据粉丝的思维,知道怎么通过数据分析找出规律,发现问题,对将来做出预测及拆解。

2、找到适合自己产品的数据指标来。不同的产品特性,用户使用习惯也都不一样的,需要找到适合自己产品的指标参数而不是随大流,不是简单的PV、UV就可以了。例如对于内容型产品来说,每天的PV,UV是一个非常重要的指标。对于社区型网站来说,每天的登陆数据和进行有效操作的用户则是需要关注的。而对于电子商务网站来说,订单数及客单价是核心,但是于此同事转化率和重复购买率则是需要同样关注的。在移动互联网上这种的数据参数更是多样,最重要的是我们要学会通过自己用户行为特征来找出界定产品健康程度的标准,这样能让我们更好地观察自己产品的好坏。

via:中国统计网


本文链接《 数据分析之如何用数据?
微信号:woshipm,产品干货天天推荐,欢迎订阅

相关 [数据分析 数据] 推荐:

Excel 数据分析

- - ITeye博客
用Excel做数据分析——直方图. 已有 0 人发表留言,猛击->> 这里<<-参与讨论. —软件人才免语言低担保 赴美带薪读研.

扯扯数据分析

- - 互联网分析
在别人的眼里数据分析既是很深奥的职业,也是被人挑战的职业,更是让你又恨又爱的职业. 其实这些都不重要的,重要的是对此行感兴趣,骨子里有量化一切的 意识. 很多人首先脑海中出现的是1、2、3……等等,为何有这样的印象. 其实是我们数据分析师为了更好的运用“统计学”所以要将许多 数据想尽办法来转化为1、2、3这样的数据形式,从而更深入、科学的分析data,不扯这个了,这个没什么意思,看图:.

数据分析那些事

- - 小蚊子乐园
今早突然有个想法,就是经常有网友会对数据分析方面有一些困惑,并且咨询我该怎么办. 并且经常是同样的问题,所以觉得有必要对一些经典共性的问题进行整理,与大家分享,这里并非标准答案,仅作参考. 欢迎提出自己对数据方面的疑问,将在此篇将持续更新,敬请关注. ----------------------------------------我不是完美的分割线--------------------------------------- .

谈大数据分析

- - 人月神话的BLOG
对于数据分析层,我们可以看到,其核心重点是针对海量数据形成一个分布式可弹性伸缩的,高查询性能的,支持标准sql语法的一个ODS库. 我们看到对于Hive,impala,InfoBright更多的都是解决这个层面的问题,即解决数据采集问题,解决采集后数据行列混合存储和压缩的问题,然后形成一个支撑标准sql预防的数据分析库.

数据分析之如何用数据?

- - 互联网分析沙龙
光知道怎么看数据,还是不成,你得熟悉这些数据拿到手上之后怎么去用它,怎么让数据显示出来它本身的威力来. 第一个部分,是看历史数据,发现规律. 以社区中的活动和电商中的促销为例,这些都是常见的活动,活动做得好的话有意想不到的效果. 在做这样的活动,最好是拿到前一个月或者两个月的历史数据. 对电商来说,从这里面要去分析各个品类的销售情况,那个品类销量最大,那个品类销量最小,每月或者每周的平均增长率和符合增长率是多少.

Twitter收购数据分析公司BackType

- zou guangxian - 36氪
Twitter刚刚宣布已经收购BackType,一家帮助公司和品牌衡量社交媒体影响力的数据分析公司. BackType在博客上宣布这一消息时称团队将集中精力为Twitter发布商合作伙伴开发工具. 总部位于旧金山的BackType是一家由YC孵化的创业公司,自2008年以来已获得130万美元投资. 作为交易的一部分,BackType将停止BackTweets(帮助内容发布商了解推讯是如何转化为网站流量和销售额)的新用户注册.

数据分析中遇到的“圆”

- simple - 所有文章 - UCD大社区
与十年前不同,当今令数据分析师迷茫的,可能不再是数据很少,而是数据很多;今天不是不知道玩好数据的重要性,而是不知道玩错数据的危害性,即所谓甜蜜的烦恼. 一个数据分析师,如果能体会到,当下数据存在的核心问题,并且能清楚解决办法,就可以精益求精了. 这次想跟大家讲的是一个由受、想、行、识四个部份所组成生生不息的圈(Feedback Loop),彼此互相推进.

数据分析师的基本素质

- AWard - 小蚊子乐园
摘自《谁说菜鸟不会数据分析》第一章.     Mr.林看到小白斗志昂扬的样子非常高兴:别光说不做啊,要成为一名优秀的数据分析师,并非一件容易的事. 虽然所学的专业与数据分析不相关,但你可以通过工作中的实践学习数据分析,需要付出大量的时间和精力,不经一番寒彻骨,怎得梅花扑鼻香.     下面,我给你介绍一名合格的数据分析师需要具备的五大基本能力和素质.

新读图时代:500px.com数据分析

- holic536 - 东西
500px是一个由世界各地的摄影爱好者组成的高品质图片社区. 网站旨在寻找最优秀的摄影人才,分享和发现精彩的照片,找到志同道合的朋友. 网站创建于2003年,2009年500px重新改版升级成为2.0版. 从2009年的1000用户发展到现如今的4.5万用户,也就是在社交网络兴起之后,网站发展更加迅猛.