数据管理能力和数据分析的思路

首先，这里提到的数据不仅仅是‘number’而是‘data’。‘data’相比‘number有更多的信息量、属性和测量维度，请在阅读以下内容时始终保持这一共识。为什么数据分析师、会计师、金融分析师等与数据相关的工种都很有价值？因为数据是模糊现实的客观呈现（为什么理论数学是所有理论和实用科学的基础），它以理性的方式讲述现实，以量化的方式衡量客观存在。通过对数据的深入分析和挖掘，可以得到现实的最近似解读，引导人们制定最有效的引导现实的策略。当然，对于活动操作来说，数据部分的工作并没有那么神秘，但本质是一样的：如果你通过数据管理掌握了负责业务的最近似现实，如何通过数据分析从总数据中挖掘有效信息。简单来说，老板问你最近的活动效果如何，你可以从多个角度解释活动效果是好是坏，数据的支持让你的结论无可辩驳；这些数据的支持来自于你严格的数据分析和挖掘过程。因此，希望能给大家介绍一下这部分数据，了解活动运营需要有效的基本数据管理能力，才能掌握最近负责业务的现实。同时，需要掌握一些基本的数据分析工具，进行有效的数据分析和挖掘。我们将必要的活动操作需要掌握数据管理和分析能力作为这部分知识的边界，数据管理和分析学科也是深远和无穷无尽的，直到现在仍有新的数据分析理论和方法创建，如果对这部分感兴趣可以深入研究。1、基本数据管理能力数据管理的本质是帮助我们尽可能了解现实，了解您的产品、策划案例和特殊活动是否真实有效地影响用户，呈现的实际结果是由什么实际过程带来的，操作动作的效果是否比可能的选择更好或更差，投资成本是否值得返还票价。通过数据管理了解现实的过程是挑战直观认知的过程。领导个人喜欢表扬的项目是成功的项目，表面上没有输出的项目是毫无价值的项目，你认为更多的用户对好的内容有同样的想法吗。可怕的是，就个人实际接触而言，数据管理往往不被用作掌握现实的工具，而是作为掩盖问题、创造虚假现实的手段来欺骗上级、合作伙伴、客户和市场。常见的方法是写下乐观的结论，帮助实现目标（项目很受市场欢迎，可以增加资源），然后反向挖掘数据，帮助支持实际结论不是那么严格的数字（我们的产品广告用户点击率很高——实际上只是因为广告商有彩票iPhone利益点），隐藏那些会得出悲观结论的真实数字（被彩票欺骗的用户对产品不感兴趣），并逐渐倾向于相信一些错误的片面数据，并经常被催眠。你一定没少做这种事。你一定没少做这种事。然而，我们也明白，在竞争状态下，面对市场、客户和上级，我们需要夸大和包装一些虚假的结论来让项目生存，争取更多的时间窗口和资源。然而，这个过程并不影响你对真实现实的掌握。只有知道了，才能评估用数据管理创造的错觉所争取的资源，弥补之前的错误带来的第二次机会。所以在开始这部分之前，请准备好你的心态：这部分数据管理不会教你如何包装和呈现数据美丽和看似合理，市场上很多课程，我想分享和倡导数据管理，更多的是如何通过数据管理帮助你掌握真正的现实。在数据管理下真正掌握现实是什么？我认为至少需要包括三个部分：对现实有一个完整的客观描述（将模糊的现实转化为定量结论——销售大量产品——销售1000个产品）需要对现实描述有一个评价标准和结论（比昨天卖了两倍，所以今天卖得很好）需要追溯和定量描述现实的原因，形成一个完整的逻辑描述（因为今天的温度急剧下降，促使许多观望用户下订单，上述三个部分构成了最基本的数据管理框架，代表着你对完整现实的掌握。也就是说，你能经得起领导经典三大灵魂的折磨：做得好不好？也就是说，你能经得起领导经典三大灵魂的折磨:你做得好吗？有多好？好在哪里？(嗯，其实我也在教领导在另一个领导系列课程中不断问这三个问题，希望大家能完美接上。）原因上，领导会喜欢问这三个问题，这也代表了这三个问题背后隐含的和完整现实的意义。做什么，怎么做，怎么提高？让我们分开看看这三个部分应该做什么，如何做以及如何提高这一部分的能力。描述现实意味着掌握完整和客观的现实全貌，通过外表看到本质。很多时候，结果被视为唯一的现实，实际上是片面甚至误导性的。结果和现实是完全两件事，结果只是最直观的现实的一部分（但不否认结果是唯一的现实），只知道结果往往很难得出结论和指导下一个行动，但掌握现实，你的结论和后续行动将非常清楚。构建业务数据管理框架的本质是构建与业务相关的所有现实数据框架，并进行逻辑拆解和解释，以得出有效的结论。完整性是构建框架的第一步。只有当这一步完整时，才能为下一步的数据管理步骤奠定基础。(1)先问问自己一个问题。影响这项业务的所有相关实际因素是什么？由于这是一个问题，我们已经掌握了问题分析领域，参考问题分析文章的方法论，这个问题属于一个相对混乱的问题，我不知道最终分析的结果可能是什么，拆卸元素需要什么，所以我们使用无脑的6W2H方法来帮助我们贫穷（具体参考前面的skyhalife）：WHO：穷举所有描述用户现实的数据项，用户基本肖像，WHERE等级的用户：所有描述场景现实的数据项、漏斗模型、资源交付效果等WHAT：所有描述产品现实的数据项、转化率、产品销售数据等*知识点*：穷举还在继续，只要认为是帮助认清完整现实的数据，就应该纳入框架，继续使用其他‘Ｗ’和‘H帮你拆解，直到穷举完成与该项目相关的所有数据。这部分能力的提高，本质是在数据拆解和解释的过程中，不断积累自己的业务熟悉度，知道对于不同的业务场景，哪些数字需要注意重要的隐含性，在一定程度的能力积累后，你可以跳过上述拆解过程，在大脑中可以建立这个框架。但是，在熟练操作或接触新的业务场景之前，建议完全应用上述流程，以帮助您打开前几次掌握完整现实的过程。然而，在熟练操作或接触新的业务场景之前，建议完全应用上述过程，以帮助您打开前几次掌握完整现实的过程。然后你现在有一堆混乱的数据，他们已经完全解释了现实，但你仍然不能理解，不能得出有效的结论，因为他们只是无序的数字，需要进一步的逻辑拆卸和解释，也就是说，我们需要进行接下来的两个步骤。(2)衡量好坏。今天晚饭一个人吃了50块钱的麻辣烫。这个数字对你有什么感知？不是吗？但如果我告诉你，在同一家店里，一个30元的麻辣烫套餐被称为“情侣套餐”，显然你会得出“你是猪吗”的结论。这一步要做的就是给你现在手里的这堆乱七八糟的数字做个评价。很多直男脑子里只有1和0两个结果，正和负的结论是显而易见的。但一个数字既不是0也不是1，如何评价没有绝对规则。通过比较得出相对结论是唯一的方法，得出的好坏结论并不是绝对的好坏，而是相对的好坏。以上理论解释了一个困惑许多直男的史诗问题：纪念日送给女朋友多贵？在大多数情况下，答案比她最好的朋友收到的要贵。所以这部分给每个数字下一个结论，关键是找到合理有效的参考标准：广告点击率，点击成本行业，类似业务，我最后一个项目；用户的ASP值，一个群体的平均值；产品销售转型，竞争产品，之前的日均峰值分别是多少？这一部分的能力提升是显而易见的，也就是你经常接触的数据纬度，你是否记得他们的参考和衡量标准。这部分能力的提高是显而易见的，即你经常接触的数据纬度。你记得他们的参考和测量标准了吗。当然，在掌握了这个模块的能力之前，强迫自己在一个完整的数据框架下对所有数据的测量标准进行全面的梳理和理解，你基本上就会上路。现在你有一堆混乱的评价数字，你可以得出一些明显的结论，我的页面转换率很差，但你仍然不能完全描述整个现实，因为这些数字之间没有逻辑关系，也就是说，我们下一步要做。（3）构建逻辑，形成完整的现实描述。许多数据分析工作在上一步停止，因为结论似乎非常清楚（点击率高，用户喜欢，销售好，产品受欢迎，页面停留时间长，用户愿意购物），因为对于那些将数据管理视为预期管理工具的人来说，这个阶段实际上可以得出许多有效支持预期结果的片面结论，一些主观或客观的因素让他们停下来，开始组织自己的项目好消息。但仔细研究会发现，这些单点数字结论总是可以被质疑和挑战的，这就是为什么你经常被领导挑战得无法回答的原因。但仔细研究会发现，这些单点数字结论总是可以被质疑和挑战的，这就是为什么你经常被领导挑战得无法回答的原因。因为数据没有逻辑，所以没有完整的现实描述，所以结论必须是不完整和具有挑战性的。完整有效的数据管理框架是对现实的严格逻辑描述，严格逻辑是必要因素。因为数据很容易欺骗人，正如上面提到的，单点数据可以得到很多结果，而无需逻辑地推倒，人们倾向于相信积极的结论，忽略其他更多的可能性，导致误导。建立一个完整和严格的逻辑是克服这一点的有效方法，这并不复杂：假设结论：你首先看看你手中的所有数字，大致描述数字之间的关系，应该有一些一般的猜测，首先记录这些猜测。确保你的猜测是一个完整的逻辑描述(*知识点的两个基本逻辑描述推断和归纳:因为-所以-因为-所以；因为1、2、3、4所以X）。例:这种营销活动的销售效果较差，因为引入错误的客户导致转化率较低。验证:将手中的数字放入逻辑描述中，验证逻辑是否成立。例:转化率是否低，客户肖像是否不一致。反证：为了避免在猜测开始时构建的逻辑描述本身不完美，您需要尝试反证您的结论，并从手中的评估数字中找出是否有可能使逻辑失败的结论。如果发生这种情况，请重新假设，或者对数字与逻辑之间的冲突进行新的假设-验证-反证。例:但是广告的点击率很高，似乎驳斥了引入错误客户的结论——一个新的假设:广告点击率高是因为广告中放置了无关的诱导信息(免费提取iPhone)，以验证类似的诱导信息是否在其他先例中产生过相同的结论。不断尝试结合手中的数字，经历上述过程，形成一个或多个严格的逻辑描述，直到没有更重要或需要的描述可以梳理。这意味着你真正掌握了一个项目的所有现实，这是有效数据管理的本质，也是制定后续战略优化行动的基本保证。一个企业和一个团队真正需要能够客观地面对成败，得出有效的结论。在这个时候，你可以自信地说，领导可以随便问问这个项目的情况。写总结就更简单了，无非是通过一些可视化的工具，简单而清晰地呈现这些逻辑。如何可视化市场上教材太多，这里不教搬迁知识，自己去找。当然，上述三个部分的完全实施是极其复杂和耗时的，所有项目的严格实施显然是不现实的。因此，更重要的是了解数据管理的真实操作原理。面对复杂的数据管理工作，这套理论为您提供了一个数据管理工作的介绍和方法，以便您能够在不出错的情况下进行数据管理工作。当每一步的工具使用越来越熟练，随着你业务能力的逐步提高，你的数据管理能力可以让你轻松、高效、有针对性地掌握项目的事实，而不是那些每次花大量精力无目的地运行数据，写报告结论，你是一个降低维度的打击。二、如何通过数据分析工具完成数据挖掘并得出结论？我们开始解释第二部分，如何通过数据分析工具帮助您完成数据挖掘和得出结论，这与如何从单点数字挖掘数据管理部分的价值和有意义的步骤相对应。这部分不会介绍太具体的数据分析工具。同样，市场上也有很多现成的方法可以学习。在经历了十年的蹦迪生活之后，我不知道什么是回归分析和概率计算。但我想分享的是数据分析工具背后更重要的数据分析想法，从某种意义上说，这些想法是真正强大的数据分析工具，帮助你理解数据分析工具的本质，什么场景应该如何分析数字，避免过度强调方法分析过程导致错误的结论。掌握这些想法，工具是现成的技能，需要时可以随时百度。常见的数据分析思路(工具)在活动操作中需要掌握：1. 趋势分析为什么一家公司仍在增长，业务规模仍然巨大，但如果增长率略有下降，市值将疯狂下降。因为资本市场对公司的估值实际上是基于公司的