数据分析师该如何做好数据运营？

一位高级数据分析师职位通常是数据职能架构中的火车头，可以负责一个子产品或模块级别的项目，带领团队来全面解决问题，把控手下数据分析师的工作质量。技术方面，能掌控数据分析的整个过程，对数据采集、埋点、造型、进入数据仓库的清洗有良好的手段，能够回答数据的任何问题。

前两年，LinkedIn对全球超过3.3亿用户的工作经历和技能进行分析，公布了2015年最受雇主喜欢、最炙手可热的25项技能。其中位列榜首的是统计分析和数据挖掘。而2017年中国劳工统计局的最新就业率报告统计该职业在2017年已有50万从业人员，预估到2018年将有80万从业人员(增长53.4%)。

据CPDA数据分析市场研究人员估计，到2020年全球每年产生的数据量将达到35ZB，也就是3500万亿GB。事实上，数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素。

一、数据运营已成为必需的职位

从2011年到现在，数据分析的百度指数持续上涨。2014-2015是重要节点，原因是从2009年移动互联网开始以来，随着智能手机第一波换机潮和第二波换机潮，带动移动互联网发展。大量的企业入场，让增长的成本变得非常高，于是通过数据分析的精细化运营，变得越来越重要。

很多人在做数据运营初期，对体系没有深入的了解，而做数据运营，最重要的是有流程化、数据采集和分析的思维（具体可查看马海祥博客《常见的数据分析基本思路及手法》的相关介绍）。

数据运营的职责是什么？

主要来说，有以下3点：

数据规划：收集整理业务部门数据需求，搭建数据指标体系；

数据采集：采集业务数据，向业务部门提供数据报表；

数据分析：通过数据挖掘、数据模型等方式，深入分析业务数据；提供数据分析报告，定位问题，提出解决方案。

淘拍拍的运营总监说：“我和智联招聘和Boss招聘沟通的时候，大家发现近期运营岗相关的，都有一个必写的岗位职责就是会数据分析。”那么包含数据分析的运营工作，该怎么做呢？李冬青分享了他的数据运营工作的一些经验：我个人认为目前市场上的互联网产品服务形态可以大致分为四类，工具服务类、电商服务类、O2O服务类以及内容服务类。我们今天经常看的信息平台今日头条、知乎等就是在做内容服务类的平台。例如：“兑吧”的产品形态应该是介于工具和内容相结合的，更偏的是什么？就要看它本身的自己商业价值定位了。

做运营一定要关注一个真正的与商业模式相关的数据指标。

运营分三个层次：运作，运营，运行。

运作是通盘大格局考量，需要视野和高度；

运营是方法论，需要针对不同层面，不同时期情况制定相应策略；

运行是执行力，在固有工作分工模块上进行长期的操作，也就是所谓的杂七杂八。

运作就是规划，需要高度需要视野，而运营是需要对不同层面不同时期，找到或者合理的方法解决问题。

运行就是在合理分工模块下我们不断重复我们的工作。

二、数据规划是整个数据运营体系的基础

数据规划，首先要明确目的，确立需求，然后找到合适的方法去采集数据。数据规划有两个重要概念：指标和维度。

举个实际的案例，我前两天碰到一个同学，他问我一个问题，他们的产品即将上线，要迭代下一步的产品，他要去收集数据或者卖点，帮助他下一步的运营做工作，他们产品没有上线没有相应的数据怎么办？

我告诉他，不一定产品上线才有数据，数据来自我们的身边。你在前期做运营准备工作的时候，对你产品的定位和市场的调研，你的同行竞品或者类似竞品的数据，有没有做相应的采集？然后再看你要做的工作。

这个问题的答案很简单，因为这是一个指标的定义，指标用来衡量具体的运营效果，比如 UV、DAU、销售金额、转化率等等。指标的选择来源于具体的业务需求，从需求中归纳事件，从事件对应指标。

1、如何选择核心指标？

首先，它要与和产品或者商业价值紧紧挂钩；

第二，它可以反映客户的价值需求；

第三，指标要简单易懂，方便与产品或者技术协作；

第四，能够计算汇总，有延续性或者阶段性。

2、如何规划核心指标？

指标的选择来源于具体的业务需求，从需求中归纳事件，从事件对应指标（具体可查看马海祥博客《分类型数据可视化的操作方法及案例分析》的相关介绍）。

3、分析指标的过程

（1）、明确需求：对页面进行数据分析；

（2）、归纳事件：事件的最终结果，包括点击推广链接、访问下载页、开始填写信息、填写信息完成下载；

（3）、对应指标：下载量 = 访问流量 CTA 点击率注册转化率。

整个指标体系包括访问流量、CTA点击率、注册转化率三个可操作的指标，基于可操作的指标，才可以更好地优化核心指标。

三、什么是维度？

维度是用来对指标进行细分的属性，比如广告来源、浏览器类型、访问地区等等。

数量型指标：Web的pv、uv、访问量，App的DAU、NDAU等。

质量型指标：平均访问时长、访问深度、跳出率等。

什么是多维度分析？

我们在每天观察数据的时候，某天下午5点流量暴增，是为什么？

然后，我们从落地页面维度拆解，就可以发现流量主要落地页是E和G两个页面，最后我们就可以得出结论：下午5点从微信突然涌进大量流量到E和G页面，与内容的同学同步了一下，是他们在微信上推了一个落地到E和G页面的活动。

新媒体人最头疼的问题就是阅读量和活跃度上不去，一如既往的写稿子发稿子，然后领导审，然后不断的发，你的流量永远增长不了。其实新媒体在社会矩阵上，要不断的尝试，然后统计哪个时间段阅读量最高，哪个文章的类型有评论？什么样的优惠活动或者下载页面会造成用户的转发？连续至少五次的尝试，把数据汇总在一起，然后再调后台的标签，进行对比，你就知道为什么你发的内容没有阅读和转发了。

选择维度的原则是：记录那些对指标可能产生影响的维度，以及尽量记录全面的、多维度的数据。

数据运营需要和业务部门（市场、销售、运营、产品等）不断沟通，只有做好数据规划，接下来的数据采集和数据分析才能更加高效。

四、数据采集是数据分析的基础

传统的数据采集是一件非常花时间、精力、人力的事情，对于很多企业来说是一个巨大的门槛。过去数据分析整个流程经常是80%的时间在数据采集上，只有不到20%的时间是用于数据分析的。

现如今我们的用户经过了大量教育，行为和意识已经固有化，我们害怕他不来，害怕他离开，所以我们在适应他，在大行业环境下，我们的生存越来越难。

1、采集什么数据

最早我们只说网站的PV是多少，而现在，我们会看一个用户在我网站，从来到走它一共浏览了几个页面，多长时间？从哪个环节离开的？这个环节中操作了什么？这都是有机可寻，可以给我们后期做活动和营销提供很好的数据切入点的。

最早做营销的时候，靠口碑和转发可以获得大量用户进来，今天已经不可能了。因为你不知道你即将面临的用户的喜好和操作行为，这需要找他们的行为轨迹。也就是说把你平台这批用户的行为轨迹，用数据方式呈现之后再做运营策略活动，才能从海量数据中，找到我们要的种子用户（具体可查看马海祥博客《如何以客户为中心进行数据挖掘与分析》的相关介绍）。

2、如何采集数据

埋点、可视化埋点、无埋点。

埋点，也称打点，是通过在网页或APP中手动添加统计代码收集需要的数据。打点又可以细分前端打点和服务器打点。例如我们要收集用户注册数，就需要在注册按钮处加载相应的统计代码。Google 、百度统计等工具采用的就是这一方法。

埋点存在的问题：工程量大、周期长，容易发生漏埋、错埋的情况。

可视化埋点：通过可视化交互的方式来代替手动埋点。

无埋点：加载SDK采集全量的用户行为数据，自定义分析所有行为数据。

3、数据可视化

数据经过收集处理后，下一步就需要可视化，数据可视化在运营应用中的主要形式包括：图表、图形、数据看板。

搭建数据看板是除了数据报表之后最主要的一项工作，是指将关键业务指标和相关数据指标显示在一个面板中，以可视化图形的方式展现出来。

五、数据分析是数据运营的重点工作

前面的数据规划和数据采集都是为数据分析服务的，我们的最终目的是通过数据分析的方法定位问题，提出解决方案，促进业务增长。

以前80%的时间用于采集和清洗数据，不到20%的时间用于数据分析。

现在80%的时间用于数据分析，把时间花在更有价值的事情上。

简单列了几个分析方法和应用场景。第一是流向标记，这个大多数用在广告投放，就是流量标记。只有流量标记才能清楚的知道哪个投放标准和渠道是优质的，哪个渠道的用户是我们想要的？下一步就可以加大预算或者提高。

1、维度细分

孤零零的一个数据指标，是很难发现问题的。我们需要从多个维度出发，比如地区、平台、浏览器、访问来源等等，拆解指标，定位问题。

2、漏斗分析

用户在使用产品的过程中，天然存在着系列转化路径，例如注册、下单、下载等等。运营需要各个路径的转化率，包括总转化率及每一步的转化率。

除了横向拆解每一步的转化率，我们还可以从时间维度观察每一步转化率的变化趋势。

3、热图

热图是很常见的一种数据分析图表，也称热力图，是以特殊高亮的形式显示用户页面点击位置或用户所在页面位置的图示。借助热图，可以直观地观察到用户的总体访问情况和点击偏好。

六、数据驱动的分析流程

在数据分析中，最重要的一点，就是要建立数据驱动的流程。完善的流程可以帮助你快速定位问题、解决问题。从设立增长指标开始，找到小的聚焦领域，分析数据、提出假设、排优先级、开展实验、分析优化，不断循环，直到找到问题所在，并且推动你的指标有一定改善。

每个产品每个数据都有自己的生命周期，既然是成熟，一定是基于他的产品理论出来的，不一定适合你，你可以参照但是不要完全复制。任何技巧都有自己的生命周期。所以与其依赖技巧，不如依赖流程。

流程：

1、明确目标；

2、根据目标去分析目前的情况以及存在的问题；

3、提出可能解决目前问题或者实现目标的想法；

4、排列一个想法测试的优先级；

5、开始测试，通过试验来验证或者推翻我们的想法。

然后开始新一轮的分析、假设、排优、测试，在不断优化中实现增长。

以Growinglo为例，这是我常用的一个数据分析统计工具。在国外用的比较多，但是价格不菲，大家看一下这个页面，其实是一个落地页面，我们分用户触达、用户号召、用户展示，右边是一个大图，左边切了几个小图。

我们经常做活动，但是分析活动页面做的不多，首先看数据规划。

1、数据规划

整个内容落地页，最终是希望更多的用户完成我们设定的行为目标（下载量，注册量或成交量），所以电子书下载量是我们的OMTM，通过对这个指标进行拆解，我们得到了下面这个公式：

下载量 = 访问用户量 CTR注册转化率

落地页的两种类型：点击落地页和线索产生落地页。这个落地页属于点击落地页，它是起流量分发的目的，为线索产生落地页提供流量。

结合我们做内容专题的目的，“下载电子书”点击率，也就是公式中的CTR。

然后再看整个落地页上线。

2、数据采集

通过无埋点的圈选采集数据，根据指标建立整个落地页的看板。

数据采集之后，我把几个关键数据整成一个看板。从这个看板中我们很清楚时的知道，哪一块是我需要调整的，哪一块是做的好的。用户在哪个行为做了终止和延伸？那么我怎么判定？其实就是做定量分析和定性分析。

3、数据分析

数据分析分为定量分析和定性分析。

（1）、定量分析

定量分析在增长中很重要，起指导方向的作用。它会告诉你什么地方有机会增长，什么地方可以做测试。其次是衡量结果，帮助你调整方向。

切记：数据是死的，人是活的，不要太纠结。

这是用热图工具查看的时候，包括热点包括出现的情况，就是哪个地方是用户关注度最高的。

（2）、定性分析

我们基于定性分析，通过访谈、使用调研，可以得出几个结论：

①、页面主色调太淡，不够鲜艳，文字和背景对比不突出；

②、文字信息排版太稀疏，一个页面看完需要多次下拉。

（3）、提出假设

基于以上的定性分析和定量分析，我们提出以下假设：

①、更换落地页背景色，有助于降低跳出率；

②、增加更多的【下载电子书】按钮，有助于提升点击率；

③、将电子书图片添加链接，有助于提升转化率；

④、减少页面空白，增加信息密度，有助于提升转化率。

（4）、排优先级

影响力、自信心、难易度三个角度去打分：

影响力：这个想法对我们业务增长的作用有多大；

自信心：是否确定这个想法能够有效。

难易度：实施的难易程度；

综合以上三个角度，排出比较合理的优先级。

于是我们把「将落地页背景颜色换成主页色调」和「新增2个下载电子书的banner」这两条作为高优先级，开始实验。

以上就是一个针对内容运营的完整数据运营的优化。运营数据体系是靠习惯养成的，尤其是做一个核心指标，先做竞品，将自己真实的产品自己从头走到尾，你的疑问就是你的产品需要解决的问题。

最后，三个工作思维方式建议：

1、目的性思维，每一件事情的背后都有他要做的原因，知道了目的，再去找方法解决实现，运营做一件事情，首先要考虑要达到什么效果。

2、要懂得筛选干货，懂的取舍，对你现在的工作提供切切实时的方法，或者让你有所启发，才是干货。

3、从整体考虑问题衡量利弊，每次运营改动不但要看我们想要改动的地方，还要看看这次改动所带来的整体影响。

马海祥博客点评：

除了公司高层，数据分析师是唯一站在高处俯视全局的人，一家公司的各项工作，几乎都可以在数据上直观体现出来。

强大的分析和思辨能力，使数据分析师拥有鹰一般的眼睛，深度参与公司的管理和商业行为，成为一个谋划者甚至决策者，是数据分析师可以上演的逆袭。

本文发布于马海祥博客文章，如想转载，请注明原文网址摘自于http://www.mahaixiang.cn/sjfx/1952.html，注明出处；否则，禁止转载；谢谢配合！