沉默的數(shù)據(jù)

大數(shù)據(jù)時(shí)代携御，似乎做什么事情都要"聽聽數(shù)據(jù)的"，因?yàn)閿?shù)據(jù)不會(huì)說假話既绕，所以無論產(chǎn)品發(fā)展啄刹，策略調(diào)整，都跟著數(shù)據(jù)走準(zhǔn)沒錯(cuò)凄贩。畢竟數(shù)據(jù)是用戶真實(shí)反饋嘛誓军。
數(shù)據(jù)確實(shí)不會(huì)說假話，但是同樣疲扎，數(shù)據(jù)也不會(huì)說話昵时。經(jīng)過數(shù)據(jù)倉庫的整理，數(shù)據(jù)不再是雜亂無章的椒丧，但是整整齊齊的數(shù)據(jù)也只是數(shù)據(jù)壹甥，不是知識(shí)。面對(duì)這些數(shù)據(jù)壶熏，這些倉庫表句柠，這時(shí)候就需要有人來解讀其中的內(nèi)容,幫助數(shù)據(jù)把信息表達(dá)出來。這種人，是數(shù)據(jù)分析師溯职，這種行為管怠，就叫數(shù)據(jù)分析。

分析師:數(shù)據(jù)的代言人缸榄。
簡(jiǎn)單說一下，理論上來說祝拯，分析師是要通過數(shù)據(jù)中表現(xiàn)的用戶的反饋甚带，得知產(chǎn)品好壞是否受歡迎，同時(shí)對(duì)產(chǎn)品提出優(yōu)化調(diào)整策略(包括產(chǎn)品本身和推薦策略)佳头。
設(shè)想是好的鹰贵，實(shí)際上并沒有這樣，很多公司都有這個(gè)職位康嘉，但是部分?jǐn)?shù)據(jù)分析師很尷尬碉输，只是成了提數(shù)，做報(bào)表的"大表哥""大表姐"亭珍。對(duì)優(yōu)化調(diào)整完全沒有話語權(quán)敷钾。因?yàn)閭鹘y(tǒng)的軟件開發(fā)中，產(chǎn)品/研發(fā)/測(cè)試這三種角色就像游戲中的戰(zhàn)法牧組合一樣肄梨，穩(wěn)定牢固阻荒，新加入的分析師呢？根據(jù)數(shù)據(jù)反饋對(duì)產(chǎn)品提出優(yōu)化方法众羡，算產(chǎn)品么侨赡？自己寫sql，Java粱侣，python計(jì)算羊壹，算研發(fā)么？自己驗(yàn)證數(shù)據(jù)保證數(shù)據(jù)準(zhǔn)確性齐婴，算測(cè)試么油猫？都不算，當(dāng)然尔店，更算不上是領(lǐng)導(dǎo)眨攘。在團(tuán)隊(duì)里找好定位，發(fā)揮分析師作用嚣州，和基礎(chǔ)技能一樣重要鲫售。

數(shù)據(jù)分析-定義

數(shù)據(jù)分析本質(zhì)上是統(tǒng)計(jì)，對(duì)數(shù)據(jù)進(jìn)行詳細(xì)的研究该肴，提取出有意義的信息情竹，概括總結(jié)形成結(jié)論的過程。是對(duì)歷史的總結(jié)匀哄。

數(shù)據(jù)分析-方法

excel/python/r/mr/spark等工具秦效。

本文對(duì)數(shù)據(jù)分析的方法不做詳細(xì)的解說雏蛮，可以參考《深入淺出數(shù)據(jù)分析》等書詳細(xì)了解。

數(shù)據(jù)分析-內(nèi)容

分析有三寶:主題結(jié)論數(shù)據(jù)好阱州。
做分析之前挑秉，一定要知道此次分析的目的，不能無頭蒼蠅一般亂撞苔货。有主題有結(jié)論有數(shù)據(jù)論證犀概，才是一次好的分析。
產(chǎn)品追求的核心是用戶夜惭，用戶數(shù)這個(gè)簡(jiǎn)單的指標(biāo)姻灶，可以清楚的反應(yīng)產(chǎn)品的使用情況。但是不能僅僅關(guān)注用戶量這些指標(biāo)(新增/活躍/留存/流失等)诈茧，還要關(guān)注用戶的行為产喉，隨著產(chǎn)品形態(tài)的不同，具體關(guān)注的又不同敢会。比如網(wǎng)約車曾沈，關(guān)注的是人的打車頻率，車型的選擇走触，行程范圍晦譬；feed/短視頻，關(guān)注的是用戶的使用時(shí)長(zhǎng)互广；電商敛腌，關(guān)注的是用戶的GMV/行為路徑。不同產(chǎn)品有針對(duì)的設(shè)定指標(biāo)進(jìn)行分析惫皱，才能更好的體現(xiàn)用戶對(duì)產(chǎn)品的使用情況像樊，才能對(duì)產(chǎn)品提出有意義的優(yōu)化策略。

多數(shù)的時(shí)候旅敷，分析出來的結(jié)果會(huì)與基本認(rèn)知相符合生棍，不會(huì)每次分析都給人"眼前一亮"的感覺，這是正常的媳谁。

數(shù)據(jù)分析-可視化

分析出的結(jié)果怎么展示出來涂滴，也是非常重要的一步∏缫簦可視化的階段:

• 黑底白字的控制臺(tái)展示
  這個(gè)階段就根本稱不上可視化柔纵，不要給別人看了，還不如把數(shù)據(jù)整理到excel里對(duì)外提供锤躁。曾記得當(dāng)初第一次給公司高層展示搁料，黑底白字控制臺(tái)，敲兩個(gè)命令，出來幾行數(shù)郭计，領(lǐng)導(dǎo)看的一臉懵霸琴，這種情況，明明10分的工作昭伸，估計(jì)只能得5分梧乘。
• 頁面表格
  把命令行展示的數(shù)據(jù)，在頁面上用表格表現(xiàn)出來庐杨，只能說算一種"美化"宋下，最多增加下載功能。還是對(duì)數(shù)據(jù)的直接展示辑莫。
• 頁面圖表
  從折線圖/餅圖/柱狀圖開始，才是對(duì)數(shù)據(jù)的直觀展示罩引。對(duì)不同的產(chǎn)品形態(tài)用不同的展示方法各吨。地圖熱點(diǎn)/熱力圖來表示網(wǎng)約車的使用情況。漏斗圖來表示轉(zhuǎn)化情況袁铐，等等揭蜒。
  通過多種多樣的圖表，讓人一眼能看到數(shù)據(jù)的情況剔桨。再用表格來進(jìn)行詳細(xì)數(shù)據(jù)描述屉更，組合拳出擊，達(dá)到最好的效果洒缀。

數(shù)據(jù)分析-報(bào)告

通過分析得到的結(jié)果瑰谜，即便是圖表展示，往往也會(huì)讓人不太清楚树绩，需要分析師進(jìn)行解讀萨脑。所以分析師的又一個(gè)核心技能：寫數(shù)據(jù)報(bào)告。
面對(duì)的觀眾不同饺饭，數(shù)據(jù)報(bào)告又分為微觀和宏觀兩種渤早。

• 微觀
  對(duì)內(nèi)，為產(chǎn)品優(yōu)化而做的報(bào)告瘫俊。
  在新功能(包括產(chǎn)品界面布局鹊杖，推薦策略等)準(zhǔn)備上線之前，ab test的時(shí)候扛芽，根據(jù)用戶使用的反饋數(shù)據(jù)骂蓖，產(chǎn)出分析報(bào)告，給出此次改動(dòng)是否達(dá)到預(yù)期胸哥，可否上線的結(jié)論涯竟。策略有很多種類，并且更新很快，所以這時(shí)候應(yīng)該能做到自動(dòng)給出簡(jiǎn)單的數(shù)據(jù)報(bào)告的能力庐船。
• 宏觀
  對(duì)外银酬，讓用戶知道產(chǎn)品功能以外的內(nèi)容。
  這個(gè)不是必須的筐钟，但是是一種很好的宣傳:產(chǎn)品對(duì)現(xiàn)實(shí)世界的影響揩瞪。比如滴滴打車對(duì)擁堵的改善/碳排放的減少有什么貢獻(xiàn)(2015年中國(guó)智能出行大數(shù)據(jù)報(bào)告)，短視頻對(duì)區(qū)域旅游/網(wǎng)紅電商帶來的影響(目前還沒看到類似的報(bào)告)篓冲，行業(yè)報(bào)告(2016微博短視頻行業(yè)報(bào)告)李破。等等。

報(bào)告書寫壹将，就像寫作文一樣嗤攻，要有條理，如果包含多個(gè)主題诽俯，需要用線索穿起來妇菱，讓人流暢閱讀。

• 主題
  有針對(duì)才能進(jìn)行更好的分析暴区，得到結(jié)論闯团。如"用戶訪問情況概覽"，"登陸按鈕更換位置對(duì)用戶登陸的影響"仙粱，"留存與生命周期"房交，"各渠道用戶質(zhì)量分析報(bào)告"等。
• 統(tǒng)計(jì)周期
  標(biāo)明此次分析統(tǒng)計(jì)周期伐割。使用數(shù)據(jù)范圍候味。
• 結(jié)論
  通過分析得到了哪些結(jié)論，按照一定順序?qū)懴聛怼?/li>
• 數(shù)據(jù)驗(yàn)證
  對(duì)給出的結(jié)論隔心，一一加以驗(yàn)證负溪。
• 建議
  改進(jìn)建議/下次分析計(jì)劃。

數(shù)據(jù)分析-問題

不要被數(shù)據(jù)蒙蔽住眼睛济炎，不要迷信算法川抡。
在數(shù)據(jù)分析中，會(huì)遇到各種各樣的問題，導(dǎo)致分析結(jié)果并不能反應(yīng)真實(shí)的使用情況。下面分別介紹一下分析中可能遇到的誤區(qū)捷犹。

• 幸存者偏差(Survivorship bias)
  是一種常見的邏輯謬誤(“謬誤”而不是“偏差”)。指的是只能看到經(jīng)過某種篩選而產(chǎn)生的結(jié)果密幔，而沒有意識(shí)到篩選的過程，因此忽略了被篩選掉的關(guān)鍵信息撩轰。
  在二戰(zhàn)的時(shí)候胯甩，軍隊(duì)檢查戰(zhàn)斗返航的飛機(jī)時(shí)發(fā)現(xiàn)昧廷，機(jī)翼中彈情況很多，機(jī)身中彈情況很少偎箫，就認(rèn)為飛機(jī)機(jī)翼更容易中彈木柬，開始加固機(jī)翼。實(shí)際是這樣么淹办？不是眉枕，因?yàn)闄C(jī)身中彈的很多飛機(jī)都沒有安全返回己方機(jī)場(chǎng)。
  現(xiàn)實(shí)生活中也有怜森。在用戶主動(dòng)參與的活動(dòng)中非常常見速挑。比如appsotre里面對(duì)產(chǎn)品的評(píng)價(jià)，有一部分人(比如我)就從來沒在里面評(píng)價(jià)過副硅。我公司樓下對(duì)面有個(gè)徽菜飯店姥宝，極其差，但是在大眾點(diǎn)評(píng)上面評(píng)分還是三分多恐疲，有一些是刷單的伶授，還有一些吃一次不好吃就不再來，也不會(huì)在點(diǎn)評(píng)上打分流纹。這時(shí)候如果單純的從評(píng)分來看飯店好壞，很可能就是錯(cuò)的违诗。
  想要避免幸存者偏差漱凝，就一定要清楚，自己拿到的數(shù)據(jù)是否能代表全部用戶诸迟，如果不能茸炒，它代表的是哪些用戶。弄清楚這個(gè)的話阵苇，就不會(huì)掉到這個(gè)坑了壁公。
• 辛普森悖論
  當(dāng)人們嘗試探究?jī)煞N變量（比如性別與轉(zhuǎn)化率）是否具有相關(guān)性的時(shí)候，會(huì)分別對(duì)之進(jìn)行分組研究绅项。然而紊册，在分組比較中都占優(yōu)勢(shì)的一方，在總評(píng)中有時(shí)反而是失勢(shì)的一方快耿。
  比如公司有兩款產(chǎn)品A和B囊陡，想知道是更受男生歡迎還是更受女生用戶歡迎。從下面的表格中可以看到掀亥，單獨(dú)看AB兩款產(chǎn)品撞反，女生的轉(zhuǎn)化率都小于男生，可以認(rèn)為兩個(gè)產(chǎn)品都更受男生歡迎搪花。
  但是綜合兩個(gè)產(chǎn)品看遏片，女生的轉(zhuǎn)化率又高于男生嘹害，又可以說女生更喜歡公司產(chǎn)品。居然得到兩個(gè)相違背的結(jié)論吮便。
  這是為什么呢笔呀？從數(shù)據(jù)可以看到，兩款產(chǎn)品的總轉(zhuǎn)化率相差比較大线衫，男女分布又非常不平均凿可，這樣簡(jiǎn)單的將兩組數(shù)據(jù)相加匯總，得到的結(jié)果不能反應(yīng)真實(shí)的情況授账。
  如何避免辛普森悖論呢枯跑，在做整體分析的時(shí)候，要考慮不同產(chǎn)品的權(quán)重白热，做好降權(quán)敛助，以一定的系數(shù)去消除以分組資料基數(shù)差異所造成的影響，才能得到一個(gè)正確的結(jié)論屋确。

小結(jié)

數(shù)據(jù)分析的目的是把數(shù)據(jù)中的知識(shí)提煉并表達(dá)出來纳击，溫故而知新。
作為分析師攻臀，要明確自己要分析什么焕数，關(guān)注哪些指標(biāo)，明白指標(biāo)的定義以及計(jì)算規(guī)則刨啸，同時(shí)關(guān)注產(chǎn)品改動(dòng)堡赔，給出正確及時(shí)的分析結(jié)論。
給出清晰易理解的數(shù)據(jù)報(bào)告设联，是數(shù)據(jù)分析的意義以及分析師的責(zé)任善已。

歡迎關(guān)注

攻城錘的數(shù)據(jù)倉庫