曾經(jīng)有個(gè)運(yùn)營總監(jiān)告訴說，有個(gè)分析師給我做了個(gè)分析，運(yùn)營目標(biāo)要完成，最重要提提升流量，因?yàn)檗D(zhuǎn)化率提升太難，需要涉及到東西太多了。流量提長就是要引入流量，然后做了各個(gè)渠道的分析，各個(gè)流量測算。
看到這篇文章，感覺對數(shù)據(jù)分析一些點(diǎn)總結(jié)蠻好的，分享給大家。數(shù)據(jù)分析要產(chǎn)生真正的價(jià)值，或者說要讓業(yè)務(wù)方，管理層感覺到真正的價(jià)值，其實(shí)需要非常多的東西：
1、要有數(shù)據(jù)，而且的確需要足夠多的數(shù)據(jù)。是正常的數(shù)據(jù)積累。
2、分析師能不能把業(yè)務(wù)方的問題理解透，請注意是透，而不是理解了。
3、真正知道目前公司資源，在給出建議與方案的時(shí)候能結(jié)合公司實(shí)際情況，也就是接地氣。
曾經(jīng)有個(gè)運(yùn)營總監(jiān)告訴說，有個(gè)分析師給我做了個(gè)分析，運(yùn)營目標(biāo)要完成，最重要提提升流量，因?yàn)檗D(zhuǎn)化率提升太難，需要涉及到東西太多了。流量提長就是要引入流量，然后做了各個(gè)渠道的分析，各個(gè)流量測算。
他說：然并卵，我就是沒有錢，有錢還要你說.....，還要找你分析什么啊!!!
好了，扯扯一起來看看本文吧!
1.走得太快，沒空回頭看路
初創(chuàng)公司里的人們仿佛一直在被人念著緊箍咒：“要么快要么死，要么快要么死。”他們是如此著急于產(chǎn)品開發(fā)，以至于他們常常沒有空想用戶對產(chǎn)品的具體使用細(xì)節(jié)，產(chǎn)品在哪些場景怎么被使用，產(chǎn)品的哪些部分被使用，以及用戶回頭二次使用產(chǎn)品的原因主要有哪些。而這些問題如果沒有數(shù)據(jù)難以回答。
2.你沒有記錄足夠的數(shù)據(jù)
光給你的團(tuán)隊(duì)看呈現(xiàn)總結(jié)出來的數(shù)據(jù)是沒有用的。如果沒有精確到日乃至小時(shí)的變化明細(xì)，你無法分析出來數(shù)據(jù)變化背后看不見的手。如果只是粗放的，斷續(xù)的統(tǒng)計(jì)，沒有人可以解讀出各種細(xì)微因素對于銷售或者用戶使用習(xí)慣的影響。
與此同時(shí)，數(shù)據(jù)儲存越來越便宜。同時(shí)做大量的分析也不是什么高風(fēng)險(xiǎn)的事情，只要買足夠的空間就不會有system breakdown的風(fēng)險(xiǎn)。因此，記錄盡可能多的數(shù)據(jù)總不會是一件壞事。
不要害怕量大。對于初創(chuàng)企業(yè)來說，大數(shù)據(jù)其實(shí)還是比較少見的事情。如果正處于初創(chuàng)期的你果真(幸運(yùn)地)有這樣的困擾，Porterfield(本文)推薦使用一個(gè)叫Hadoop的平臺。
3.其實(shí)你的團(tuán)隊(duì)成員常常感覺自己在盲人摸象
許多公司以為他們把數(shù)據(jù)扔給Mixpanel, Kissmetrics,或者Google Analytics就夠了，但他們常常忽略了團(tuán)隊(duì)的哪些成員能真正解讀這些數(shù)據(jù)的內(nèi)在含義。你需要經(jīng)常提醒團(tuán)隊(duì)里面每一位成員多去理解這些數(shù)據(jù)，并更多地基于數(shù)據(jù)來做決策。要不然，你的產(chǎn)品團(tuán)隊(duì)只會盲目地開發(fā)產(chǎn)品，并祈禱能踩中熱點(diǎn)，不管最終成功還是失敗了都是一頭霧水。
舉例：
有天你決定采用市場上常見的病毒營銷手段吸引新用戶。如你所愿，用戶量啪啪啪地上來了。可此時(shí)你會遇到新的迷茫：你無法衡量這個(gè)營銷手段對老用戶的影響。人們可能被吸引眼球，注冊為新用戶，然后厭倦而不再使用。你可能為吸引了一幫沒有價(jià)值的用戶付出了過高的代價(jià)。而你的產(chǎn)品團(tuán)隊(duì)可能還在沾沾自喜，認(rèn)為這個(gè)損害產(chǎn)品的營銷手段是成功的。
這種傻錯(cuò)誤經(jīng)常發(fā)生。而如果你的企業(yè)在一開始就建立起人人可自助使用的數(shù)據(jù)平臺，來解答他們工作中最重要的疑惑，則可以避免上文所說的悲劇。
4.把數(shù)據(jù)存放在不合適的地方
先讓我們來看一個(gè)正確示范吧。Porerfield提到他有個(gè)客戶整合了NoSQL, Redshift,Kitnesis以及Looker的資源自創(chuàng)了一個(gè)數(shù)據(jù)分析框架。這個(gè)框架不僅能在很高的量級上捕獲及儲存自己的數(shù)據(jù)，還能承受每月數(shù)以百萬計(jì)的點(diǎn)擊流量，還能讓所有人查詢自己想要的數(shù)據(jù)。這個(gè)系統(tǒng)甚至可以讓不懂SQL語言的小白用戶們真正理解數(shù)據(jù)的意義。而在數(shù)據(jù)分析的世界里，基本上如果你不會SQL, 你就完蛋了。如果總是要等待工程師去把數(shù)據(jù)跑出來，那就是把自己陷入困境。而工程師在不理解需求的情況下建立的算法或者買的軟件對于使用者來說往往是個(gè)煎熬，因?yàn)樗麄儗?shù)據(jù)的使用往往與前者不再同一水平線上。
你需要讓你所有的數(shù)據(jù)都存放在同一個(gè)地方。這個(gè)是關(guān)鍵關(guān)鍵最關(guān)鍵的原則。
讓我們回到前文那個(gè)假設(shè)存在的公司。他們做了一個(gè)又一個(gè)病毒營銷，但是沒有把用戶活動數(shù)據(jù)放在同一框架內(nèi)，所以他們無法分析一個(gè)活動是如何關(guān)聯(lián)到另一個(gè)活動的。他們也無法進(jìn)行一個(gè)橫跨日常運(yùn)營以及活動期間的數(shù)據(jù)分析比較。