由于工作需要，我每天工作大多数时候会围绕「数据」展开。
最近因为新人入职加上团队内部分享，便稍微梳理了这一年多来在数据运营上的些许心得和提议。
数据运营是什么
数据运营是指数据的所有者通过对于数据的分析挖掘，把隐藏在海量数据中的信息作为商品，以合规化的形式发布出去，供数据的消费者使用。
简单来说，数据运营便是基于沉淀数据做出分析，提供结论，并为决策等提供参考。
目前，越来越多的互联网公司和团队会设立独立的「数据运营岗」。这种趋势在未来势必会继续延续，而对于想进入互联网行业的新人们，是否具备数据分析能力也将成为重要的选人标准。
关于「数据分析」的百度指数一直呈现上升趋势。
image
为什么要做数据分析
对于不同行业，做数据分析的业务目的各有不同。但是抛开具体业务本身，进行数据分析的主要原因有如下三种。
现状分析
知其然。
数据分析的第一层目的就在于快速诊断当前业务的健康度。 以一个 App 活跃度为例子，对于其活跃度的现状分析很可能会从如下几个纬度去分析：
-
App 的装机量 VS 竞品 App 的装机量
-
App 日活/月活用户数 VS 竞品 App 日活/周活/月活用户数
-
App 用户平均停留时间 VS 竞品 App 用户平均停留时间
-
App 用户的开启次数 VS 竞品 App 用户的开启次数
-
...
这里希望引起重视的是：对于数据分析而言，单纯的描述性数据并不具备意义。数据分析一定要有所对比，无论是与过去，还是与竞品。
定位异常
知其所以然。
在业务开展的过程中，经营数据发生波动是很常见的事情。而数据分析的第二层目的，就在于了解为什么经营数据会发生波动，以便采取相应的反馈。
在利用数据分析定位异常波动的过程中，需要穷极思维，只有这样你才可以真正了解到「其所以然」。
举个简单的案例，在某一天网站的 UV 突然呈现 20% 的增长，那么你需要知道的不仅是这个增长是来源于什么渠道的上升，更要知道是因为什么动作导致这个渠道的来源上升。
预测未来
用数据预测未来在如今已经不是什么新鲜词汇了，AI 毕竟就是最典型的案例。
但实际业务开展中，我们在没有 AI 的帮助下，也是可以利用 数据分析对未来做出简单的预判。
通过历史数据了解用户的习惯，分析用户的行为偏好，是可以对用户的接下来动作做出部分预测的。
数据分析的常规步骤
- 明确数据分析的目的
- 确定数据分析的纬度
- 收集数据
- 清洗数据
- 套用模型进行数据分析
- 生成数据报告
在数据分析开始前，明确目的很重要。在数据分析过程中，保持目标感同样重要。
除此之外，对数据的清洗也很重要。
这一部分比较复杂且细，我就不在这里展开讲，有空可以再分享。
数据分析的新手误区
1. 数据不够多，后台功能不够强大，我做不了分析
保持目标感很重要。在提出数据不够多的问题前，先思考如下几个问题：
- 我为什么要这个数据？
- 这个数据是否真的必要？
- 如果没有这个数据能否有其他测算方法？
人是懒惰的，我们肯定希望结果是直接的，但往往百事不能尽如人意。能够从同样的数据中挖掘出不一样的结论，便是价值的体现了。
2. XXX 数据也很好看，我们这么做也一定很好看
抛开业务实际情况进行预测是很傻 X 的行为。做数据预测的时候，一定要明白你的用户是谁，参照物的用户是谁。
3. 数据清洗是什么？
简单来说，就是把干扰数据从数据表单里面剔除出去，防止他污染结果。
常见的做法包括不限于：
- 剔除极端数据
- 剔除异常数据
- ...
4. 说了这么多，数据分析应该是门很专业的课程。
数据分析是一门专业的学问，跟写作、学英语一样，他需要练习。
但具备基本的数据分析能力，并不需要过多复杂的工具。简单的 EXCEL 使用技巧就可以帮助你完成工作中 80% 的分析工作。
而且对于互联网从业者而言，无论是内容，还是产品运营，数据分析都属于属于基本能力。
如何提高自己的数据分析能力？
推荐一本书籍《刻意练习》。
对于大部分人而言，我们的智商都在同样的层次，能力高低其实只是心理表征导致的。
斯诺格拉斯提出的多水平模型认为，在不同的认知阶段有不同的表征，即知觉阶段对物理特征的表征，工作记忆阶段对言语表象和视觉表象的表征，以及长时记忆阶段的命题表征或语义表征。
提高数据分析能力的方法很简单：
- 投入时间，提高自己的数据敏感度；
- 刻意练习，用数据思维去思考问题；
- 寻找导师，不断根据反馈调整方法。
无论如何，学习一个技能的过程是痛苦的。因为他要求你从舒适区走出来，但这种提升又是愉悦的。
以上。
image
网友评论