數據分析步驟
做好數據分析需要考慮三個問題，數據從哪來，數據到哪去，數據怎麼去？今天我們來講講數據怎麼去的問題，也就是數據分析步驟。
一、定義
「勿忘初心，方得始終」，做數據分析前要想好針對的問題是什麼，想通過數據分析解決什麼問題，數據分析的結果能幫助你達到什麼目的，對現階段你的產品有何實際的意義。
基於分析目的確定分析範圍。比如你想分析用戶流失原因，你分析的範圍就是流失的用戶，你不能去分析新增的用戶，再比如電商類產品，你想對高價值用戶進行分析，那麼什麼是高價值用戶，那麼你可能確定範圍：「xx年xx月xx號-xx年xx月xx號，購買次數5次以上，總金額在3000元以上的用戶」，這些都是我們在數據分析之前需要確定的，只有範圍確定清楚了，分析的數據才具有指導意義。
規劃分析的進度和質量。比如說你要做數據的採集，你就需要考慮清楚用什麼樣的技術手段採集數據，用什麼樣的方法進行分析，然後這個過程中產生的誤差多大範圍內是可接受的，或者是自身有了預判，我知道這種數據分析方式會帶來什麼樣的影響，對最後的結論帶來多少幹擾。
二、測量
測量包含收集獲取數據和數據預處理。
收集獲取數據。是用問卷的方式定量分析？還是從伺服器調取日誌進行分析...，這些都是數據的來源
預處理：比如說做調查問卷，對於回收來的問卷我們需要判斷哪些數據是有效的，哪些數據是無效的，比如調查問卷共15道題，用戶就答了一道題，這個就屬於無效問卷，需要剔除出去，這個時候他的數據是不完整的，放進去反而會影響最終的數據結果。同樣對資料庫的數據也需要預處理，比如說你想統計新增用戶，但是來了很多羊毛黨用戶，這部分用戶對你是沒有價值的，也需要處理掉。預處理的好壞，直接決定數據分析結果的質量。
三、分析
分析包含對數據的統計描述和針對問題的歸納和總結。
數據的統計描述。統計是對數據的定量分析，描述是對數據的定性分析，就是對你的數據進行定性和定量的客觀性描述。
問題的歸納總結。這個是最重要的，也就是拿出我們的結論，數據本身沒有價值，數據分析的結果纔有價值。
四、改進
改進就是找到問題的解決方案和降低負面影響。
給出解決方案。比如最近產品用戶流失比較厲害，你通過調查問卷和用戶訪談瞭解用戶流失原因，當得到分析結果以後，你需要給出解決方案。是你的體驗沒做好，還是競爭對手挖牆腳，亦或是你的商品價格提高了...這些都是原因，找到主要原因，給出專業的解決方案，老闆要的是方案，不關心你分析的過程。
降低負面影響。比如電商的購物流程，瀏覽商品--》加入購物車--》下單--》支付--》完成購買，你通過漏斗模型分析，發現從加入購物車到下單流失很多，你通過數據分析發現流失的原因是設計上的問題，那麼就可以重新優化設計方案，降低負面影響。
五、控制
數據分析是一個持續性的過程，所以需要持續的跟蹤反饋，比如做數據的日報、周報、月報，它是一個非常持久的工作，而且數據分析的結果發出去以後，不同的人可能會有不同的看法，那麼我們產品經理就需要收集不同的觀點。
更新迭代。更新迭代是我們產品經理的一份重要的工作內容，不論是功能上的更新迭代，還是數據上的更新迭代。有的人可能說為什麼要做數據上的跟蹤迭代呢？因為數據具有時效性，我們分析的往往是一個時間段內的數據，數據會隨著時間的推移發生變化，根據這些變化，我們需要做一輪新的數據分析。
總結：這就是數據分析的步驟，這5個步驟大家可以應用到自己的實際工作中，有問題歡迎加微信yw5201a1交流。
更多乾貨請關注微信公眾號：chanpinliu880
aHR0cDovL3dlaXhpbi5xcS5jb20vci94VWk2b2hQRU5FNUxyVmZCOXgzWA== (二維碼自動識別)
推薦閱讀：
