101次从入门到放弃，终于找到一个数据分析利器！

说到数据分析&＃xff0c;可能很多小伙伴都是这样&＃xff1a;“纵使爱它千万遍&＃xff0c;它待我如初恋”&＃xff0c;每每下定决心入手学习&＃xff0c;可是又不知道从哪开始&＃xff0c;复杂的算法、庞大的数据、眼花缭乱的代码......最终还是止步于头脑斗争&＃xff0c;无法付诸实际行动。

我有个朋友&＃xff0c;在一家互联网公司做数据运营&＃xff0c;不到三年就当上了运营主管&＃xff0c;上周和他吃饭&＃xff0c;特地和他请教了运营人做数据分析时的痛点及数据分析的正确打开方式&＃xff0c;给大家做一个分享。

运营人做数据分析难在哪&＃xff1f;

互联网行业发展快&＃xff0c;为了能更好的感知变化&＃xff0c;就需要做数据分析&＃xff0c;从海量实时的数据中挖掘出有价值的商业信息&＃xff0c;要做好这点&＃xff0c;一方面需要公司的战略支持&＃xff0c;另一方面也要求自己有能力。

从公司战略支持上&＃xff0c;配备了专门的数据部门&＃xff0c;平常工作包括数据看板搭建&＃xff0c;数据埋点&＃xff0c;数据库维护等。对运营工作的支撑来看&＃xff0c;数据看板存在几个常见且严重的阻塞&＃xff1a;

1、展示的数据图表固定不变&＃xff0c;缺乏灵活性&＃xff0c;不能做探索分析。

数据看板最多看看日活、月活、留存及一些订单转化数据&＃xff0c;这也仅限于“查看”&＃xff0c;无法做探索分析&＃xff0c;要发现某个产品转化渠道UV数据异常&＃xff0c;原因也只能凭经验&＃xff0c;比如天气、系统故障、节假日等原因&＃xff0c;得出的结论对运营工作支持的作用不大。

2、部门配合沟通成本高&＃xff0c;实现效率低。

遇到没有的数据图表可以向技术部门提数据看板需求&＃xff0c;比如添加XXX路径漏斗转化分析数据图表&＃xff0c;技术部门判断为永久性展示的固化图表需求后再进行埋点收集数据&＃xff0c;结果从需求评审到需求落地经历半个月&＃xff0c;劳心劳力且无法保证数据分析的时效性&＃xff1b;

3、业务数据和行为数据是分开的两套数据库系统&＃xff0c;无法放在一起分析。

比如订单转化路径和最终订单量数据&＃xff0c;在行为数据看板上观测客户的购买行为&＃xff0c;在业务数据看板上查看客户的实际下单的订单数量&＃xff0c;最终的转化率需要自己手动计算&＃xff0c;现有的埋点数据只能收集到用户点击“立即购买”按钮的次数&＃xff0c;实际场景是点击付款按钮的次数到最终付款的人数存在偏差&＃xff0c;而核心路径下的偏差数据正是我们需要重点分析挖掘的内容。

从用户注册表、用户信息表中获取总注册用户数、9月新增注册数和9月流失用户数&＃xff0c;使用指标卡组件计算出9月新增客户数为26、流失客户数为2&＃xff0c;根据2019年新增注册客户数折线图&＃xff0c;可以看出9月新增客户数在正常变化幅度内。