数据分析&挖掘
数据分析并非信手拈来的，数据分析是有其一定的框架可遵循的。
数据分析的框架可以分为3个主要步骤：
理解行业业务
将数字转化为结论
结论的验证与实践
1. 理解行业业务
对任何问题的优化，其前提都是对行业业务及岗位需求有着基本的理解。
数据只有依附在实际业务上，才能从概念转化成具有实体意义的内容。
2. 将数字转化为结论
数据分析是一个分析+探索的过程。我们有时是带着问题和假设去分析、验证，有时是纯粹地在数据中探索，但无论怎样的形式，我们都需要数据将我们导向一个理性的结论。
获得理性结论是一个非常关键的环节。当我们跟一些同行交流下来，大家在做数据分析的时候经常得出一些看上去很正确的结果，但这些结果其实对业务指导的价值却很小。
这样的结果是因为分析还不够深入，并且没有把握住业务核心，才会导致看上去很正确的观点，在实际的指导中却没有很好的效果。
3. 结论的验证与实践
获取结论后，我们可以尝试将理论投入实践：
演绎论证已有结论
利用结论去优化业务
对结论进行演绎和论证，是从多维度证明我们的结论的可操作性。
通常我们可以用其他产品的已有数据去佐证这个结论，我们也可以在无数据的情况下，开展产品的版本AB测试来收集数据，去实验、验证结论的可行性。
无论是用什么样的方法，都是为了证明数据获得的理性结论，是能够实际且有效地指导业务完成优化。
数据分析三个通用思路
在梳理完数据分析框架后，我们转向数据分析思路。数据分析思路并没有优劣之分，不同的分析场景需要不同的思路去应对，这里我列举了三个通用的基本思路：
AARRR
RFM
5W2H
1. AARRR——海盗模型
一个产品自上线开始，AARRR模型便从用户获取、留存激活，再到营收传播等流程，贯穿了产品&用户联系的全链过程，整体用户进入产品后产生的每一板块的数据都是分析点。
AARRR的思路比较适合分析产品的整体情况。特别是产品还处于早期测试阶段的时候，我们就可以用这个思路去做产品的场景分析，从每一步的场景模拟去找到产品优化改进的点。
2. RFM——用户价值分析体系
RFM是用户价值的分层、评估体系。
我们在传统的用户分群模式中，将用户直接分为：大R、中R、小R，按照累计的充值金额去粗暴地做用户划分，很难在这个基础上做到更加精细化的策略应对。
RFM就给出了比较全面、有规范的分层模式，可以把用户分群为，例如高价值、中等价值、潜在价值等等层次。依据RFM给出不同层次的用户需求，我们可以为不同的用户策划出更为精细化的运营策略。
3. 5W2H——分析的基层框架
5W2H是最为常见的事件分析思路。
我们在做数据分析的时候，其实大部分处理方式的底层思路，均可归属到5W2H的思路。
我们会去梳理：
发生了事件？
事件发生在哪里？
什么时候发生的事情？
事件的关联群体？
事情是发生的理由？
然后根据5W获得事件处理方案：
我们该如何处理？
我们的事件处理程度？
这是一个比较宽泛，同时也是经常用到的分析思路。
更多数据分析方法及案例关注公众号：数数科技
数数科技是最专业的游戏企业数据服务商，欢迎试用数数demo：
https://www.thinkingdata.cn/?source=%E7%9F%A5%E4%B9%8E
让数据价值触手可及
网友评论