技术流的老司机，左手SQL右手BI，溜的飞起。其实SQL、Python是数据挖掘；PPT、BI是数据展示。学会了当然很棒，不会也没关系。
事实上，数据分析很简单。
本文2250字。
数据分析不是技术流，是一种思维习惯。能帮你梳理业务，找到方向，达成目的数据分析，才是真数据分析。而建立这种思维习惯，你只需要记住
3个步骤
，掌握
3个模型
。
这就是
极简数据分析法
。
这三个步骤是，
确定目标、列出公式、确认元素
。
我们以某互联网金融公司A为例。
假设A公司正准备上市，当前核心目标为
利润
。
针对利润，我们列出公式。上面公式中，利润拆解成了
付费用户数、投资金额、投资时长、对应利率
四个元素。其中
对应利率
取决于资产端，跟用户侧关系不大。
因此如果我想提升核心KPI—利润，就要尽可能的提
升付费用户、投资金额
和
投资时长
。
恭喜你，已经找到了
发力点。
注意，核心目标会随着业务发展不断
变化
，比如用户运营，App初期看重新增，中期看重转化，后期看重留存。如果仍然难以确定，
看看你的核心KPI
。
确认需要提升的元素后，问题来了。
- 如何提升每个元素的量级？
- 怎样制定策略，分配资源？
- 如何验证策略是否有效？
你需要掌握3个模型。
适用范围：需要多个步骤达成的元素。
比如投资用户数。
达到投资用户的状态，需要多个步骤。每个步骤都存在
转化率
，放在一起就成了层层缩减的漏斗。
漏斗模型作用：提升量级。
通过提升转化率，提升单个元素量级。
有了漏斗模型，就可以分析每层漏斗衰减的原因。有些原因显而易见，有些需要做A/B测试。你可以
逐层提升转化
；也可以改变用户路径，
减少漏斗层级
。
比如，支持H5内投资的理财产品漏斗，要比下载App投资的漏斗少2个层级，转化率要高很多。
盈利还是亏损，有时只取决于一个漏斗。
注意，优化漏斗是个长期过程，需要每天关注。
适用范围：具有多重属性的单个元素。
比如，本文公式中的投资用户，就有
投资金额和投资时长
两个属性。可以将其作为横纵坐标轴，把所有投资用户分成四组。
电商品类运营
有个经典坐标，按
流水和利润
划分品类。
用户运营也有个经典坐标，叫
RFM坐标
。
R=最近一次行为(Recency)
F=行为频率(Frequency)
M=行为量级(Monetary)
这里的行为指
和你的核心目标密切相关
的行为。比如在本文的金融产品中，就是
投资
。
R代表可触达
，毕竟6个月没来投资的用户，说不定都卸载了，甚至已经忘了你这个App；
F代表忠实度
，高频次的使用App，虽然ta可能每次只投几块钱的活期；
M代表价值
，比如累计投了50万，这可是个高净值用户。
多维坐标作用：精细化运营。
通过多维坐标将用户分组，对不同组用户采取对应的运营措施。
首先，一定有一个象限是好的。
比如下面的坐标图，高金额、高时长的A象限，就是好的。
A象限
的用户，是
核心用户
（俗称爸爸），公司的
现金牛
，你的重点运营对象。
A象限
往往占整体流水的
80%
。你的活动效果好不好，运营策略给不给力，往往要看这些爸爸们的反应。你甚至可以建立一个微信群，把爸爸们都拉进去，多多交流，做好服务，时不时发个红包啥的。
接下来，你要把B、D两个象限的用户往A象限拉。
D象限，是高潜力用户。
可以定向发一些大额度长期标的优惠券，比如投20w，6个月，送3000元红包。提升他们的
投资时长。
B象限，是高忠诚用户。
虽然可能没什么钱，但使用频次很高。可以定向发送梯度优惠券，比如投资1000送10元，投5000送投资80元，投10000送200元，逐步拉升他们的
投资额度。
A是现金牛，D是A的孵化器，B用户价值低但忠诚度高，产品开拓新场景后也有可能进化成现金牛。
重要性，
A>D>B。
资源有限时，请参照此排序。
时刻牢记，投入产出比！忘了的都去复习
《破解这「七宗罪」，你才能晋升高级运营》
多维坐标的适用范围非常广。比如鸟哥笔记公众号里的文章，也可以按阅读量和点赞率做一个二维坐标，分析下如何写出叫好又叫座的文章。
比如你可以按事物价值的精力投入和价值衰减速度建立二维坐标，优化你的精力分布。
适用范围：随时间变化的用户属性元素。
比如投资用户数。
分组表格的原理，是将某一周（或一天，一个月）进入App的新用户，作为单独的一组用户。
上面的表格，就是
投资用户分组表格
。
横向看
