这篇内容主要介绍与撰写分析报告相关的基础知识，其中会分享一些运营中常用的数据集、分析主题及指标，属于入门级内容。它无法让你在看完后就立刻能做出一份超赞的分析报告，却可以帮助你在成为分析高手的路上少走很多弯路。
一、什么是数据分析数据分析：分解和构建复杂的问题和数据集，进而把握工作中各种问题的要害，最终将原始数据，转变为推进现实工作的妙策。
其实在数据分析的定义中就已经表明了它的两个核心作用：发现问题，推进工作。
当然，我们可以将数据分析的作用分的更细一些：
* 理解现状——多是为了发现问题。
* 寻找原因——主要是为了改善现状，提升绩效。
* 预测未来——主要为了下一步的选择。
数据分析要素
这里值得强调的是：业务知识的水平将从根本上决定你的分析报告的价值。事实上，数据本身是没有价值的，只有数据与业务结合的时候，才能产生价值。
此外，分析方法这一级一般会成为高手和菜鸟的分水岭。统计学知识以及各类经济/管理/心里学模型都可以很大程度地帮助大家用更少的数据、更短的时间，做出更具可行性的决策。良心建议：身为运营的你，不管教育背景是什么，都建议去学习一下统计学。
至于各类模型，平时可以注意积累，在9款经典现代商业分析模型，帮你做更靠谱的分析这篇文章中，我也介绍了几个，大家有兴趣可以了解下。
三、数据分析的过程数据分析的过程
整个过程可以看成一个螺旋式上升的过程，修正优化一定程度上可以视为开始新一轮的分析，只不过这一轮的分析较之上一轮，也许是从实践角度有了提升，也许是从方法论角度有了提升，更好的情况是实践和方法论都有了进步。
最后两步是评价的过程，也是认知提升的过程，此处不多说了，下面对前几步说一下要注意的关键点。
1、明确目的：这份报告是为了对某一异常现象做出解释？为了提出改进建议？还是做出了某种预测，希望公司早做应对？清晰地描述你的分析目的，并且在整个过程中都要时刻记得这个目的，这样你的分析报告最终才不会写了很多，却没能把握重点。
2、问题拆解时要注意以下两点：
1）最终你要确保你面临的问题不是含混不清的，将问题拆解为可量化、可分析的组块
2）基于你的业务需求去拆解问题，不要太过发散
例如： 如何提升销量？
市场部可能拆解为：我们的广告做的怎么样？
销售部可能拆解为：哪些潜在客户更可能签单？
客户成功部可能拆解为：我们最好的客户希望得到什么？
3、数据采集与处理
数据采集一般分为内部数据采集和外部数据采集。互联网类产品，内部数据采集可以通过产品/网站埋点、人工记录等方式实现，外部数据采集则需要用到爬虫工具或者在一些平台上购买。
而数据处理，需要掌握一定的工具和处理方法，在 《运营工作中常用的一些数据处理方法（Excel篇）》、《知道这12个功能，让你10倍速处理运营数据 》这两篇文章中提到了一些数据处理的方法，有兴趣的可以查看。
这两个环节一定要注意的是：
1）一定要确保数据是可靠的：信度&效度
* 信度：取数逻辑是否正确？有没有计算错误？这属于准确性；每次计算的算法是否稳定？口径是否一致？以相同的方法计算不同的对象时，准确性是否有波动？这是稳定性。
* 效度：指标的变化是否能够代表该事物的变化？
2）关注数据中的异常值
* 区分分析中是否需要异常值，对分析产生干扰的，要处理
* 常用方法：替换、删除、更正
4、数据分析的关键则在于：
1）要找到可衡量业务的指标，最好能建立起指标体系：无指标难增长
2）学会如何区分好指标和不好的指标
* 好指标应该是核心驱动指标；
* 好的指标应该是比率或比例；
* 如果在做数据驱动，那么请减少虚荣指标、后验性指标
3）指标不在多，而在精，不要让无用的指标干扰你
5、一份好的分析报告应该是这样的：
一份好的分析报告的结构
四、运营常用的那些分析要素这一部分，分享一下笔者在实际运营工作中经常会用到的一些与数据分析相关的内容。
1、运营/市场常用的数据：
* 网站数据（主要是流量数据）
* 用户行为数据（客户分析、产品分析都会用到）
* 用户消费数据（尤其是电商类运营，这个数据很重要）
* 项目类数据（如一场活动、一次内容营销、一些付费广告等）
* 行业数据（外部数据，需要日常的收集或者找专业机构购买）
* 竞品数据（外部数据，需要日常的收集或者找专业机构购买）
2、运营/市场经常涉及的数据分析
* 流量分析：主要涉及趋势预测、渠道质量、网站内容、访客画像、转化效率等方面
* 用户价值分析：RFM、LTV等都是常用的模型
* 产品分析：AARRR模型是目前产品经理们最爱提到的模型
* 项目效果评估和复盘分析：多为描述性分析和因果分析
* 竞品分析：战略集团分析法算是相对成熟的模型
* 市场分析：BCG矩阵、波特五力模型、STP分析，都是常会用到的
3、《精益数据分析》中提到的一些分析指标——适用于互联网产品
* 增长率：主要考察营收增长、活跃用户增长
* 参与度：单位时间内的产品使用情况
* 用户黏性：DNU（每日新增）、DOU（日存老用户）、DAU/MAU（活跃用户）
* 获客成本：（营销成本+营销人员人力成本+营销工具成本）/获客量
* 客户终身价值：客户使用期内的付费总额
* 病毒性：客户转介绍的可能性及所需时间
* 流失率：单位时间内再也没回来使用/停止付费的客户
* 生存可能性：忠诚（付费）用户生成速度/用户流失速度
4、一些可以让你的表述更专业的概念
* 绝对数：在一定时间、地点条件下某个对象的总规模、总水平，是一种数量指标。
* 相对数：两个指标对比产生，反映这两个指标之间数量联系程度，是质量指标。
* 平均数：反应数据的集中趋势，和标准差是描述数据资料集中趋势和离散程度的两个最重要的测度值。
* 频数：将样本按照一定方法分若干组，每组内含有该样本的个体的数目叫做频数。
* 频率：某个组的频数与样本容量的比值叫做这个组的频率。
频数和频率配合使用，考察数据的分布情况
* 百分比：一个数占另一个数的几分之几的数，叫做百分数。百分数也叫做百分率或者百分比。
* 百分点：不同时期以百分数形式表示的相对指标（如：速度、指数、构成等）的变动幅度。
* 比率：总体中的一部分与总体作比较,一般用百分比的形式表示。
* 比例：总体中两个部分之间的比较，一般用几比几的形式表示。
* 同比：今年第n月与去年第n月比。
* 环比：同一年的第n月与第n-1月比。
始发于简书：Cari_Zhu
相关阅读
