数据分析学习笔记（1）：数据分析的思维模式

今天开始，二手要开始一个新的题，基际案例，来和大家聊一聊「关数据分析那些事儿」。本期是开篇，简单介绍数据分析思维模，今后我们会结合更多案例来数据分析做进步阐述。

一、数据分析的思维模式

1. 数据有么

日的工作中，二手经面对项目汇报、项目复盘和 KPI绩效考核等之类的考验。试想，在一个项目汇报中，是你唾液横飞的阐述自己的观想法具有说，还是展示几张规整的数据增长曲线具有说呢？答案显然是后者。，数据和数据分析在工作中是非实的并且非重要的。

2. 怎样进行数据分析

从么地方着手数据分析，怎样进行数据分析，及怎么获取数据等，这些问题曾经深深的困扰着二手。后来，在慢慢的摸索中，二手发现：如果从数据分析的思维层面来说，这实就是两个方面的探索和思考——维和指标。

数据分析归根结实是：根据你的初始目的同，制定同的维，及得到同维指标数据，最后可视的方式展示来。

3. 数据分析的思维模式

维：维是事物或现象的某种特征。

举个例子：你想要了解某个 APP 用户为，那么，你可能需要关注用户在该页访问时长、流失率、各个模块击率等。这里说访问时长、流失率、击率其实都是为了分析用户为而要了解各个维度。

举个例子：你想要道用户的忠诚度，你需要更的关注产品的用户留存、访问频度等度。

总的维度的选择看的初始目的什么。

指标：用于衡量事物发展程度的位或方法。

再看上面的例子：指标就是上面到的各个维的具体数值。

从分类来讲，指标可以分为绝数指标和相数指标。绝数指标反映是规模大小指标，如：口数、GDP、收入、用户数，而相数指标主要用来反映质量好坏指标，如：利润率、留存率、覆盖率等。

二、三个常用的数据分析维度

以电商业为例，手和大家分享三个常用数据分析维度。

1. 体趋势分析

过日常体数据分析，可以快速掌握这个品体状况，及时响应出现异常波动。

举个例子： UV、PV 在数据指标上有明显的异动，果不是一预测原因（618或者双11预热阶段数据下降），么很能页面或者场出某问题，需要及时关注。

再举例子：如果当页面、场景的UV 或者整体 APP 的 UV 呈持续下滑趋势，明用户可能对当页面越越不感趣了。

体的景不同，PV 和 UV 的趋势可能会反映不同的息，在支付购买等重决策流程中，在转化率不变的情况下，比值低了说流程顺畅，用户体验相对较好。而阅读编辑性的页面一来讲，比值高些会好。

2. 流程效率析

在一个多控件组的页面上做了细致的埋点，每个埋点的体指标则代表了用户对该模块的关注和使用程度。一通过对比这些埋点的数据来判断模块间的布局是否理。

举个例子：在商详情页中，二手之前为最的「立即购」或者「入购物车」是点击率较的模，可是通过埋点数据显示，「规格」的点击数据竟然「立即购」还要，这很乎意，通过埋点数据可得，在日后的优中，规格的显示重被突。

3. 用户行为分析

户行为分析涉及的点很广，如户设备终端分析、地域分析、户在某场景的停留时长、转率、流失率等等，具体的指标好坏要结合具体的场景分析。

举个例子：分析用户流失率时，可能会有多条路径，是接返回、跳转到处，是断报，不情况可能应不问题。如接返回过高，可能是用户商品不感兴趣；如跳转到处过高，有可能是模块设不合理，被引流走掉了；如是断报，则可能是系统问题，也可能是没有用户很好指引，用户接途退出。

以上是数据分析的思模式，即根据场梳理要关注的度，结合度的具指标来做分析。

接下，二手会努力准备一些实际案例一详细阐述。待家的关注。

欢迎关注作者的公众号：「二计」

图片素材作者：Paarth Desai