不知该分析哪些数据？从哪些角度入手？

不知道应该分析哪些数据。从哪些角度进行分析？等待分析师长时间的安排？你能自己做数据分析吗？作为小白的运营童鞋，如何制作出让老板满意的好看图表？如何快速发现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问题，也要求运营商在工作中具备一定的数据分析能力。有人说“数据分析能力是未来运营的分水岭”。从我自己的角度来看，我真诚地认为数据可以更好地促进操作策略和工作的发展。但是运营童鞋大多是数据小白，没有编程和技术基础，那么如何分析和利用好数据呢？今天，从操作中常见的数据问题出发，我希望您能快速介绍数据分析，更好地服务于工作，不要浪费数据的价值。不知道应该分析哪些数据。从哪些角度入手？这是运营合作伙伴最头疼的问题。他们不知道该*和分析哪些数据。即使他们得到数据，他们也不知道从哪些方面分析这些操作数据。为朋友整理一些常见的操作数据指标，总结一些适用的分析角度，希望有用~1、互联网运营中常见的数据指标(更多)，请耐心阅读或收集流量1)访问:PV、UV、IP（最常见）；跳出率、平均访问时间、平均访问页数等。；使用设备、操作系统、浏览器、区域分布等访问行为；2)注册:注册人数、注册趋势、累计注册人数、达成率等；3)渠道&推广:来源分布、总消费、显示、点击率、点击率、平均点击价格、转化率、转化成本、ROI等。；用户1)活跃/登录:DAU、WAU、MAU、活动率、登录人数等；2)保留:次日保留率、周保留率、月保留率等。并根据渠道分析保留率；3）损失：损失数据容易被遗忘，包括损失率、损失人数、日平均损失人数等；4）付费：付费人数、付费转换率、单个订单平均金额等，更多订单数据；5）其他：每日评论、收藏、共享等6）肖像：一方面分析用户属性：*年龄、性别、教育、职业、地区、婚姻、收入、兴趣等；另一方面分析用户行为：登录次数、活动率、累计消费金额、最新购买、购买次数、回购率等；订单：付费人数、新付费人数、总金额、日订单数、平均日营业额、客户单价、付费金额、付费毛利润、付费利润、回购率、ARPU、各种付费路径转换等；内容：PV、UV；UGC、PGC、文章数、*数、阅读数、互动数(评论、喜欢等)、传播数(转发、共享等)；活动:活动页面PV、UV、新增人数、参与人数、登录人数、转化人数、转化交易金额、ARPU、优惠券发放/用户数量、营销成本、营销转化率、ROI、分享人数、分享次数等，数据应根据活动类型确定；服务：电子商务、O2O等行业容易涉及，包括咨询人数、咨询转化率、退货率、退款率、表扬率、不良评论率、投诉率等；APP：每个渠道的下载量、激活次数、新注册次数和客户获取成本；启动次数、启动次数和停留时间；推送到达率、开放率等，以及上述其他参考数据。2、适用的分析角度和方法数据分析有各种高分析原则，如AARR模型、5W2H等，但操作毕竟不是专业的数据分析师，主要可以充分利用这些原则~比较：分为水平和垂直比较，如垂直环比分析、水平不同产品、不同渠道比较等；趋势（变化）：指标随时间变化，表现为增长(同比、环比等)；分布：这很容易理解，如不同年龄段的用户分类、不同职业分布、不同地区分布等；细分：从多层次了解数据，如分析全国不同省市的具体订单数据，从全国-省-城市深入分析；转型：主要体现在结果的最终转型和各路径的转型上，例如，通过对整个注册过程的转化分析来优化细节；预测：根据现状，估计下一个分析期的指标值。让我们举一个实际的例子~在这种情况下，一个水果O2O平台想要确认每个类别在未来一周应该准备的数量。如果没有数据的支持，只能通过人工结合经验得出一个大致的结论。一般来说，大误差会导致更多的水果浪费。例如，一个水果O2O平台想要确认每个类别在未来一周应该准备的数量。如果没有数据的支持，只能通过人工结合经验得出一个大致的结论。一般来说，大误差会导致更多的水果浪费。如何解决这个问题？有了通常的数据，数据趋势有了一定的规律，可以通过数据预测获得更合理、更准确的值，然后通过不断的预测验证获得最佳方案，确保水果库存刚刚好，减少浪费，节约成本，这就是数据的价值。(绿色:日常数据趋势；黄色:未来10天数据预测)等待分析师长时间安排？能自己做分析吗？分析师负责多个部门的数据分析，有时从提高需求到最终获取数据，2、三天过去了，更不用说分析结果是否是你想要的了。就及时性而言，数据结果的意义也减弱了。如何成为自己的“专属分析师”~数据分析的整个过程：确定指标-数据收集-数据集成、数据处理/建模、数据分析、数据呈现和报告。确定指标:不多说，可以参考第一个问题。数据收集：可通过公司数据库埋点、第三方平台和一些记录的本地数据获得。数据集成：运营商需要看到太多的数据，包括数据库和各种第三个平台的数据（联盟、统计数据、推广、公共账户等）。每次都需要从不同的平台上获取数据，这太分散了。最好在一个数据平台上集中管理数据。数据分析：可参考“求和、计数、同环比、多粒度下钻”等分析方法，一般在excel中需要写公式。数据呈现(可视化)：简单来说，就是如何制图，请直接学习第三个问题。报告:通过表格、图表或其他形式向领导汇报数据。如何不依赖分析师，自己做数据分析？1、学习一些数据分析理论。(数据思维)2、了解和熟悉业务是非常重要的。(业务思路)3、学习一些数据分析工具。(工具辅助)根据我个人的经验，真正把握这些真的够了~毕竟我们不是专业的数据分析师，做好业务分析就够了！运营童鞋如何制作出让老板满意的好看图表？没有老板喜欢凌乱的表格数据，面值才是王道。简单来说，就是数据如何可视化，让数据直观清晰。分析数据比例：可用饼/环图、多维数据、旭日图和矩形树图分析单维数据比例。例如，用户性别的比例分析只有一个维度：“性别”。它显示了蛋糕/环形图。男性和女性的比例非常直观。例如，下图显然有更多的男性用户。如果用户群符合初衷和产品特点，您不妨尝试一些“可爱的风格”，这可能会吸引更多的男性用户。营销活动也可以考虑选择一些科技产品作为奖品，这可能会促进男性用户的购买力，达到活动的目的。同环比趋势分析数据：同环比可用指标卡分析单维度，同环比可用双轴图分析多维度。同环比太常见了，几乎所有的数据都要和以前比较，这样才能更好地体现当前数据的“运营价值”。最常见的是PV、比如UV环比下降，是正常还是不正常？正常是因为UV可能有一定的规律，周五的UV可能低于周四，数据正常。如果没有固定的规则，必须找出异常波动背后的原因，尽快处理问题，防止再次发生。分析数据趋势：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。分析区域分布:行政地图可用于国家和省份的分布，经纬度地图可用于更详细的区域分布。用户区域分析也非常重要，这可能决定了公司业务将*哪些领域和销售。这也是公司广告需要*哪些领域的数据指导。对于每年投资数百万或数千万的公司，正确的用户区域分析可以节省大量不必要的投资，并为公司省钱。老板很高兴。分析任务完成进度:单指标进度可用计量图，多指标进度可用子弹图，完成情况一目了然~分析用户活动频率变化:可用桑基图。分析词频：例如，用户的职位分布，可用词云，具有3D效果哦~分析转化效果：必须使用漏斗图是最合适的。关于转型，分享身边的一个真实故事。案例前，我在一家电子商务公司工作。网站流量每天都不低，但最终支付转化率总是不高。流量-注册转换还可以，注册-浏览转换也可以，但浏览-支付转换率不高。通过不断寻找原因，通过用户研究和数据分析（埋点），我们发现大多数用户已经到达了支付页面，但移动终端上的支付入口并不明显，导致许多用户放弃购买。当然，这需要改变。优化后，整体转化率确实提高了。通过数据发现问题-找到原因-优化-通过数据验证的可行性，这确实是一个良性循环。每个图表都有合适的使用场景。充分利用各种图表非常重要，直接影响数据的直观性和美观性。注：以上数据图表均来自BDP个人版的在线数据可视化分析工具，拖动即可制图~如何快速发现数据背后的问题？做了这么多数据工作，最后只是为了从数据中发现问题，不断优化操作策略。无论数据是上升还是下降，都必须有其变化的原因。以用户数据变化为例，了解快速发现问题的想法~Ps：这只是个人结合工作获得的一些经验，可能不是很准备。可以结合自己的网站和产品来分析~节假日波动:大部分产品会受到节假日和周末的影响，办公软件节假日/周末的数据一般会下降。节假日/周末的电子商务产品数据通常会上升。在线、修订：在线不一定仅指在线功能，如在线营销活动，新的广告渠道是在线，网站的任何变化都可以理解为“在线”。在线、修订：在线不一定仅指在线功能，如营销活动在线、新广告渠道在线，网站的任何变化都可以理解为“在线”。异常、故障：服务器故障、渠道被迫离线、网站访问、链接异常等，链接访问更常见。以上三种都不是，那就从渠道入手，看哪个渠道数据异常，再结合具体问题进行分析。（Ps：有时从渠道中发现异常，所以这个过程的顺序不是绝对的）以上几个都不是，真的找不到原因，只能对老板说：“原因尚不清楚，将继续观察趋势，以确认其偶然性。”有些问题很明显，有些问题需要一些时间来调查，数据的最终意义应该与实践相结合。看数据-发现问题-解决问题-再看数据-解决问题，或者看数据-发现增长-找到原因-继续应用。简而言之，你知道~