成为数据⼤神,你要具备这样的数据敏感度
你⼼中的数据⼤神是怎样的?他好像拥有⽕眼⾦睛,⼀眼就看出你做的PPT⾥⾯的数据异常,随时能提出⼀个数据证明你的⼩结论有问题,然后以⼀个数据问题迅速推翻你整个报告的结论,结果就是你做了整整⼀个⽉的分析,全毁了,从头再来。
这样的⼈逻辑性极强且对你的汇报有⽣杀⼤权,最重要的是他有极强的数据敏感度。
那么,什么是数据敏感度?
所谓的数据敏感度,其实就是在⼤脑内建⽴了数字和业务之间的联系,⽽优秀的数据敏感度,就是能够⼀眼看出数据的问题和背后可能的原因。
什么叫⼀眼看出?
•如果你是游戏⾏业的,我告诉你这款MMORPG的次留是20%,你能知道我款产品在⾏业⾥处于什么样的⽔准,游戏前期可能存在什么样的问题等
•如果你是O2O⾏业的,我告诉你外卖订单量相⽐于昨天下跌了10%,你能很快判断出问题的影响⾯和造成订单量下跌的可能原因
•
如果你是电商⾏业的,我告诉你我这款产品的复购率是40%,你能很快判断出我这款产品⼤概是什么类型的产品,在⾏业内是什么样的⽔准
做到这程度,就叫优秀的数据敏感度。如何提升数据敏感度呢?
秘籍:熟悉业务
数据敏感度练成的基础是⼀定要对业务⾮常熟悉,⽆数次的推测及验证都是有⽤的宝贵经验。
接下来我们会根据分析师数据敏感度⾼的三个表现来给出提升数据敏感度的⽅法。
⒈如何快速判断数据是⾼了低了还是错了:熟记关键指标的⼤数、观察趋势、紧盯异常值
这种快速判断是基于平时对业务数据的熟记与使⽤的,请相信每个⼈的记忆⼒有好坏之分,但是只要下功夫,熟记业务的关键指标,了解他们的基本规律,经过⼀段时间的积累,你看这些数据的时候肯定会觉得胸有成⽵。
记忆数据的技巧也是有的,不需要记全,只需要把关键指标的⼤数记下来,忽略⼩数,每天早上养成
看报表的习惯,观察趋势,盯紧异常数,多看⼀些别⼈是怎么分析异常原因的案例。慢慢地,对各项数据有了基本概念之后,理解数据背后的业务逻辑关系,这样在阅读报表时也能很快发现异常值,及时进⾏追踪。
后的业务逻辑关系,这样在阅读报表时也能很快发现异常值,及时进⾏追踪。
但是对于想转⾏的新⼈,或者说应届⽣来说,这个时候还没有接触到具体业务的机会,怎么办?
对于新⼈或⾯临转⾏的⼈来说,这两种类型的⼈都缺少对本⾏业的通识,第⼀件要做的事就是背数据,记住这个⾏业的⾏业平均数据和各项通⽤指标的定义,这么做是为了对整个⾏业有个总体的认知。
⽐如游戏⾏业,可以查询应⽤宝、360、硬核等各家平台发布的游戏数据,对市⾯上的各种游戏类型的留存、付费等数据有⼀个整体的整理和记忆,⽐如Arppu、Arpu、次⽇留存、三⽇留存、七⽇留存、⽉留存、付费率等等。
⽐如电商⾏业,流量*转化率*客单价*复购率这个公式则是重中之重等等。
⒉知道所有指标是怎么来的,知道它们的意义以及相互的关系,进⽽判断数据异常的原因
提升敏感度的时刻想着三个问题:
•数据怎么来的?
理解业务,分析溯源,同时也要判断数据来源的可靠性
•指标维度有哪些?
理解评估标准,不同业务有不同的关键业务指标,利⽤思维导图积累相关业务的指标体系,多总结多问为什么;指标体系经常⽤于数据细分原因,知道数据构成才能更快地拆分数据,到异常原因。
•数据如何说明业务?
指标在业务中的应⽤,业务数据正常⽔平是怎么样的,受节假⽇或者活动营销的影响的数据⼜是怎么样的,要多对⽐,结合环⽐同⽐明⽩数据⾼低的意义等。
⒊拿到数据,能够根据分析⽬标很快理出分析框架,得出结论。
假如你是百度外卖的运营负责⼈,某天移动端的订单量⽐前⼀⽇下降了5%,你的⽼板要求你对这⼀变动做出合理解释,你如何应答?
其次先明确指标变动的异常程度和影响⾯,订单量⽐前⼀⽇下跌5%,是否⼤到必须加以重视。
以2015年百度外卖B轮融资计划书展⽰的数据看,其拥有3000万的注册⽤户,⽇订单数量超过110万,客单价可达50元左右。以此数据估算,假设2016年底注册⽤户数达到6000万,⽇订单数据量突破200万,客单价基本不变,那么5%的订单量下滑意味着当⽇损失500万营收。天然的单⼀突发事件⼏乎不可能造成这么⼤的损失,因此⾜以引起团队的重视(这⾥只是以融资计划书的付费数据为例,实际上作为运营负责⼈,这些数据都是内部可直接获取的)。
确定需要引起重视后,就需要寻求数据分析的⾓度,排查异常原因,我们以游戏⾏业为例,分析影响数据异常变动的原因可能有哪些,这⾥的思考模式其实就是⾦字塔结构思维模式:
①先考虑全局指标
包括⼀定时间内新增⽤户量、总体付费率、总留存率、⽤户活跃度、各环节总转化率、搜索功能使⽤率、翻页率、崩溃率等。全局指标⽤于分析对全体⽤户产⽣影响的共性原因,绝⼤部分问题都会在全局指标上体现出来;
②再看分渠道指标
可以按不同⽤户属性(新⽼⽤户)、⽤户来源(下载渠道)、⽤户⾃然属性(地域、性别)⽹络环境(⽹络运营商、⽹络接⼊⽅式)等维度观察不同渠道数据是否存在异常。
③在上述两项指标基础上,再考虑⽤户⾏为数据
③在上述两项指标基础上,再考虑⽤户⾏为数据
外卖订单量怎么提升重点观测⽤户在不同时间段、不同需求类型下的⾏为,从⽽定位到由于某⼀细分⼈的定向变化产⽣的数据异常;
④时间因素
外界环境的影响也可能对产品数据造成影响,因此观测环⽐和同⽐数据都很重要。
典型如“⽉末效应”,即⼀定规模的⽤户体因⽉底流量耗尽⽽减少上⽹⾏为,造成整体流量的下滑。另外,对于⼀款外卖产品⽽⾔。天⽓变化也会造成数据波动,通常阴⾬天⽓的订单量会⾛⾼。
同样的,“周⼀效应”“寒暑假效应”也是游戏⾏业⽐较常见的效应,游戏dau在周⼀往往会⾛低,在寒暑假往往会⾛⾼;
⑤其他产品线监控
百度集团旗下的其他产品线变动也可能成为造成订单量下滑的原因,例如91应⽤市场改变了App⼴告
的展⽰位置,或是搜索引擎的算法调整降低了⽹民常⽤关键词的权重等(通过下载来源的分渠道数据可以明显看到哪个下载来源的数据有减少);
⑥舆情监控
定位到具体的问题和原因后,给出对应的结论和解决⽅案,⽐如修复某个bug,针对竞争对⼿的营销策略做出同等⼒度的折扣反击等。
分析出问题原因只是第⼀步,提出解决问题的⽅案才是最关键的。
版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198,我们将在24小时内删除。
发表评论