前提：
非计算机专业，大四实习时负责了一段时间DMP的数据运营，老板给了我一本《深入浅出SQL》，几天时间把书刷了一遍；觉得自己入门了，又刷了一本《深入浅出数据分析》，学过概率论，所以看起来也比较简单。两本深入浅出看完，工作上开始用Access+excel做数据分析周报，老板觉得还不错，被表扬之后就开始异想天开，买了一本《算法导论》（这一步跨的有点儿大），虽然有数学分析的基础，但是学起来还是很费劲（实际上就坚持看了两页）。兜兜转转几年时间，工作也几经变化，从前端开发到后端开发，再到数据管理平台（包括：数据采集、数据模型定义、数据服务）的产品，慢慢的给自己补充了数据结构、数据库、java、JS、Echarts、算法等等各个方面的知识，现在才能说我入门了数据分析……
数据分析不能说是一个岗位，更应该理解为一项能力。不仅互联网行业的产品运营、产品经理需要数据分析，快消行业/金融行业更加需要数据分析；不限行业、不限岗位，有数据分析的能力其实能在一定程度上有更加理性的思考。（PS：最近在看一本《统计数据会说谎》，后续打脸了我再把这一段删掉）
前面说了很多废话，直接上干货吧。
正文：
1.为什么需要数据分析？
其实很简单，一个问题不知道为什么的时候就需要数据分析，理科生觉得这样最简单粗暴；当然要客观的看待数据分析的结果，很多时候不能帮你解决问题，只能帮助你分析问题。
2.如何学习数据分析？
会使用SQL/Excel的同学可以直接进入第三步……实践最重要！！！
3.如何进行数据分析？
我们根据数据分析的场景出发，给出几个解决方案；
场景1：网页数据分析
场景说明：最基础的场景，以分析线上的用户的网页行为数据为例，首先最重要是确认一下有什么数据，然后再确认需要输出哪些指标；
个人解决方案：一般需要进行网页数据分析的个人可能是产品经理/产品运营，分析方法可以参考：https://www.jianshu.com/p/059550afd088
产品解决方案：有预算的前提下，产品级别的解决方案太多，GA、百度指数、神策都可以考虑……推荐阅读：https://maxket.com/tag/google-analytics/
场景2：线下活动收集Leads的数据分析
场景说明：一般线下活动的数据都是用户手工填写的数据表，那就需要我们整理成Excel文件，不过更加推荐的方式是用二维码+H5的方式在线下活动收集数据，除了减少数据整理的一步之外，还能引导活动用户关注公众号（给小礼品），把线下的场景放到微信生态中，方便运营；分析的目的可能是Leads的客户画像分析，或者是想要衡量不同活动的效果；
个人解决方案：使用Excel或者BDP（个人免费版）就可以解决；Excel的数据透视图和图表功能强大，BDP的个人免费版为线上的工具，对数据安全要求不高的推荐使用，可视化的效果非常好（对比Tableau，产品结构简单易懂，适合新手使用，特别是个人版本是免费……），确定好维度和指标再选择好需要呈现的图表，就能非常简单的出效果，至于用什么图表呈现效果，参考图1。
图1 图表使用选择（引用）
产品解决方案：如果有一定的预算，可以考虑SCRM产品，结合微信生态数据，打通线上线下数据；如果还有额外预算，收集到的OpenID可以在腾讯中投放广告；SCRM产品推荐：https://mp.weixin.qq.com/s?__biz=MzA5MzE0NDMyNw==&mid=2651978514&idx=1&sn=6170d3da379eabb8c74a095d9870ea70&chksm=8b870f7abcf0866c41b567651c1d4a196d89c12f9986ca85f2149f4ac29506426e1521068186&scene=4&rd2werd=1#wechat_redirect
场景3：渠道效果分析
场景说明：复杂的数据分析场景，这里举例了不同渠道（线上线下、前后端）的效果的用户数据分析；可能会有人质疑，这样的工作应该会成立项目组，不是一个人能完成的吧，其实不然；任何的数据分析都是在制定规则的前提下，如果我们自己就能制定出有效的分析规则，再找到执行规则的工具（Excel、python等），也能实现复杂场景的数据分析；
个人解决方案：
Step1：收集数据；线上的数据存放在数据库中（网页监测数据、CRM数据），线下的数据可以整理成Excel，有一些广告监测工具可能是用报表的方式给到前端监测的数据，对于微信体系的数据，可以找管理公众号的同事，从微信后台获取微信粉丝数据； 现在非常流行的Webinar，数据也可以以Excel的方式提供 ；
Step2：整合数据；不同渠道的数据整合这里就涉及“用户”这样的一个概念，不同的系统中“用户”的标识是不一样的，微信中用OpenID（或者是UnionID），使用的第三方产品也会有自己的user_id，负责的CRM系统还会有三户模型（客户、用户、账户）；整合数据这一步就是为了把“一个人”的数据关联到一次；比较常用的可以关联多个系统之间的标识有：手机号、邮箱、身份证号等等，要求数据分析人员了解业务数据的字段含义，学过SQL的同学应该了解，找到这些标识之后可以用join把用户的数据关联起来，Excel中Vlookup函数也可以起到同样的效果；
Step3：衡量指标制定及可视化展示；在串联了用户在不同渠道的数据之后，可以制定指标衡量渠道效果；同场景2；
产品解决方案：针对复杂的场景，很多企业服务公司提供了全套的解决方案，从数据收集到最后的数据可视化呈现，在个人解决方案中的Step2个人很难做到，标准的DMP/CDP产品会提供ID Mapping的功能； 当然，预算也会相应很高。
网友评论