数据运营入门：方法论＋案例

目的： 通过对运营数据进行分析，帮助我们进一步对用户进行差分运营。

核心： 分析问题包含哪些方面，在占比高并且自己可以发力的点上去优化。

Part 2 数据分析流程

一、拆分工作项

运营是一个包含了诸多琐碎事项的工作，运营人员要会拆分自己的工作项，并根据不同工作项的特点有针对地对特定的运营数据进行分析，才能事半功倍。

那么怎么拆分工作项呢？可以按照面对的用户群体分解，通常与用户分级联系在一起，将工作拆分成面向所有普通用户、面向活跃用户、面向付费用户等等。也可以按照项目将自己的工作进行拆分。还可以按照时间顺序确定不同阶段的目标，根据自己的目标来拆分工作项。

二、建立指标体系

拆分完工作项后，针对每一个工作项有不同的指标，我们要根据工作项的特点进一步拆分和细化运营数据指标，然后通过对每一个指标的分析来判断运营问题并不断优化运营方案。

拆分的维度可以按照数据的包含结构，也可以按照每一个工作项包含的子项进行拆分。

以用户运营为例，用户运营包含了用户的拉新、促活、留存、付费转化等方面。而就拉新来说，关键的指标有注册用户的规模、增长速度；渠道质量——注册渠道有哪些，渠道的注册转化率如何；注册流程质量——完成注册的用户数、注册流程中用户蹦失节点统计；注册用户行为追踪——完成注册后用户的行为统计。

三、细化分析目标

细化分析目标是指根据运营目标，确定能够进行优化的数据点。这一步是为接下来的数据提取处理分析奠基的。

举个简单的例子，假如现在做完一场活动，想知道下一次举办相同或相似活动时有哪些地方可以优化，需要关心的点除了最终参与效果还有：活动推广的渠道有哪些，每一个渠道的参与路径是怎样的，路径中的每一步参与人数有多少，转化率达到多少，等等。明确了分析目标后，就可以确定要提取的数据点有哪些。

四、提取处理数据

在提取数据这里涉及一个数据埋点的问题，在产品设计的早期，运营人员就要规划好运营关键点，列出埋点清单提交给开发人员，以免后期运营过程中想要查看某一个数据但却没有数据记录信息。

此外，提取出来的数据要经过一系列的处理后方可进入分析阶段。

那么常见的数据处理包含哪些内容呢？

首先，对拿到的数据，我们要进行数据清洗——对数据里的重复项、缺失项、矛盾项以及异常的波峰或者波谷进行处理的过程。对于重复项去重的方法有很多，在此就不做赘述。缺失数据最常见的处理方法是用平均数值填补，这个平均可以是所有数据的算术平均值，也可以是一段时间内的平均值等。而矛盾项指的是错误的数据，如原本应该都是1位的数字，提取到的数据中却出现了不是一位的数字、姓名的字段里出现了邮箱等等，这个时候要检查是数据提取时出现的错误还是数据录入时的错误，如果是提取时的错误并且错误对结果分析的影响较大时，应该及时反馈给相关负责人。

采集到的数据要尤其注意波峰和波谷，因为这往往是问题分析的关键所在。一般来说数据产生波峰或波谷的原因有获得了额外的推广机会、系统出现了故障、统计有bug等等。

其次要对数据做进一步的加工。因为提取出来的数据可能不是适合直接拿来分析的，这个时候往往就会用到一些函数和工具。

经过上述的清洗、加工步骤，得到了可以用以进行初步分析的数据。针对这些数据做进一步的处理，以期进行深入的分析。

五、数据分析总结

1、数据分析方法

常见的数据分析方法有对比分析法、结构分析法、平均分析法、权重分析法、杜邦分析法等等。

（1）对比分析法

指按照不同的维度进行对比，以探寻数据的变化，发现其中蕴含的规律或启示。

对比的维度包含了：与预期目标对比、不同时间段的对比、与同行对比、与运营前的效果对比、不同用户间的对比、不同操作间的对比，等等。