数据分析有清晰的分析思路/框架很重要
构建分析框架首要的是明确数据分析的目的，我觉得可以按照三个不同的对象来区分：行业环境、企业自身、业务与用户，对于不同的分析目的应该应用不同的分析方法模型，具体可以看下图：
分析目的 .png
参考文章中提到，互联网行业的盈利模式：
1、出售商品或服务（电商、o2o...)
2、广告盈利(google、百度)
3、直接收费（游戏公司）
接下去以电商行业为例，借助经典分析模型，熟悉一下搭建指标体系的思路和过程以及业务分析模型的应用。
心智模型+5W2H
在动手数据规划之前，我们可以先利用心智模型结合5W2H模型整理一下
Why：用户的购买动机
What：用户主要购买的产品/服务是哪些
Who：用户特征：性别构成、年龄分布、地域分布、学历分布、收入分布、注册时间
When：购买时间分布、购买间隔分布
Where：购买渠道
How：用户的支付方式销量分布，用户更喜欢用什么支付？
How much：价格段销量分布、用户购买频次分布如何
数据规划的重要性
要开展数据分析，自然要先有数据在手，在数据采集之前当然需要规划好你需要什么样的数据来支撑你的分析目的，本无主要从用户与业务角度展开，所以在数据规划这一步主要做好：收集业务需求和搭建指标体系两方面工作，具体的步骤可以归纳为：
1、明确需求，分解业务场景（where）：
电商行业，一个总的目标自然是商品/服务的销售，销售可以分解为一系列业务场景：引流/拉新>转化>促活>留存>变现，也可以参考AARRR模型
2、归纳事件（who&what）：
事件是由用户产生的，可以基于用户的行为模型归纳事件
3、对应指标(how much)：
按照数据类型指标大概可以笼统地分为几类：量、比率、变化/差异、变化率
4、细分维度（对指标可能产生影响的维度）
渠道、业务类型、地区···还有前期分析中罗列的一些用户特征等
大致整理一下可以产生如下表格:
业务目标：商品 服务的销售.png
当然在具体某个环节或者对象上还可以套用一些模型：
RFM模型
RFM模型是衡量客户价值和客户创利能力的重要工具和手段。该模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱3项指标来描述该客户的价值状况。数据源的准备只需要四个字段：客户名称、交易日期、交易次数、交易金额。
流量模型
还有一些万用的原理和模型
金字塔原理/逻辑树模型
可以利用思维导图来训练培养结构化分析思维，将问题层层拆解细分，向下逐步展开
。。。
笼统地总结了一下思路，详细地再找机会补充 ~
还要感谢一下以下两位大神的文章，受益匪浅：
[分析师需要掌握的35个商业模型（一） - 空白白白白的文章 - 知乎]
(https://zhuanlan.zhihu.com/p/35442601)
[分享五大经典业务分析模型 - 蒋小北的文章 - 知乎]
(https://zhuanlan.zhihu.com/p/54319224)
网友评论