很多人都說會數(shù)據(jù)分析的人比別人聰明,，實際上他們“聰明”在擁有分析思維，今天我們就來說說常見的數(shù)據(jù)分析思維,。

以下10種數(shù)據(jù)分析思維可能不會瞬間升級你的思維模式,，但說不定會為你以后的工作帶來“靈光一閃”的感覺，請耐心讀完,，靈光一閃的時候別忘了我,，你們的數(shù)據(jù)獵人DataHunter。

一,、分類思維

日常工作中,，客戶分群,、產(chǎn)品歸類、市場分級……許多事情都需要有分類的思維,。關(guān)鍵在于,，分類后的事物,，需要在核心關(guān)鍵指標上能拉開距離,！也就是說，分類后的結(jié)果必須是顯著的,。

如圖,，橫軸和縱軸往往是你運營當中關(guān)注的核心指標（當然不限于二維），而分類后的對象,，你能看到他們的分布不是隨機的,，而是有顯著的集群的傾向。

打個比方,，經(jīng)典的RFM模型依托收費的3個核心指標構(gòu)建用戶分群體系：最近一次消費時間（Recency）,、消費頻率（Frequency）、消費金額（Monetary）,。

在R/M/F三個指標上,，我們通過經(jīng)驗將實際的用戶劃分為以下8個區(qū)（如上圖），我們需要做的就是促進不同的用戶向更有價值的區(qū)域轉(zhuǎn)移,。也就是將每個付費用戶根據(jù)消費行為數(shù)據(jù),，匹配到不同的用戶價值群體中，然后根據(jù)不同付費用戶群體的價值采用不同的策略（如下表）

二,、矩陣思維

分類思維的發(fā)展之一是矩陣思維,，矩陣思維不再局限于用量化指標來進行分類。許多時候,，我們沒有數(shù)據(jù)做為支持,，只能通過經(jīng)驗做主觀的推斷時，是可以把某些重要因素組合成矩陣,，大致定義出好壞的方向,，然后進行分析。大家可以百度經(jīng)典的管理分析方法“波士頓矩陣”模型,。

三,、管道/漏斗思維

這種思維方式已經(jīng)比較普及了，漏斗分析分為長漏斗和短漏斗,。長漏斗的特征是涉及環(huán)節(jié)較多,，時間周期較長，常用的長漏斗有渠道歸因模型,，AARRR模型,，用戶生命周期模型等等,；短漏斗是有明確的目的，時間短,，如訂單轉(zhuǎn)化漏斗和注冊漏斗,。

但是，看上去越是普適越是容易理解的模型,，它的應(yīng)用越得謹慎和小心,。在漏斗思維當中，我們尤其要注意漏斗的長度,。

漏斗從哪里開始到哪里結(jié)束,？漏斗的環(huán)節(jié)不該超過5個，漏斗中各環(huán)節(jié)的百分比數(shù)值,，量級不要超過100倍（漏斗第一環(huán)節(jié)100%開始,，到最后一個環(huán)節(jié)的轉(zhuǎn)化率數(shù)值不要低于1%）。若超過了我說的這兩個數(shù)值標準,，建議分為多個漏斗進行觀察,。

理由是什么呢？超過5個環(huán)節(jié),，往往會出現(xiàn)多個重點環(huán)節(jié),，那么在一個漏斗模型中分析多個重要問題容易產(chǎn)生混亂。數(shù)值量級差距過大,，數(shù)值間波動相互關(guān)系很難被察覺,，容易遺漏信息。

四,、相關(guān)思維

我們觀察指標,，不僅要看單個指標的變化，還需要觀察指標間的相互關(guān)系,。有正相關(guān)關(guān)系（圖中紅色實線）和負相關(guān)關(guān)系（藍色虛線）,。最好能時常計算指標間的相關(guān)系數(shù)，定期觀察變化,。

相關(guān)思維的應(yīng)用太廣了,，往往是被大家忽略的。現(xiàn)在的很多企業(yè)管理層,，面對的問題并不是沒有數(shù)據(jù),，而是數(shù)據(jù)太多，卻太少有有用的數(shù)據(jù),。相關(guān)思維的其中一個應(yīng)用,，就是能夠幫助我們找到最重要的數(shù)據(jù)，排除掉過多雜亂數(shù)據(jù)的干擾,。

如何執(zhí)行呢,？你可以計算能收集到的多個指標間的相互關(guān)系,，挑出與其他指標相關(guān)系數(shù)都相對較高的數(shù)據(jù)指標，分析它的產(chǎn)生邏輯,，對應(yīng)的問題,，若都滿足標準，這個指標就能定位為核心指標,。

建議大家養(yǎng)成一個習慣,，經(jīng)常計算指標間的相關(guān)系數(shù)，仔細思考相關(guān)系數(shù)背后的邏輯,，有的是顯而易見的常識,，比如訂單數(shù)和購買人數(shù),，有的或許就能給你帶來驚喜,！另外，“沒有相關(guān)關(guān)系”,，這往往也會成為驚喜的來源,。

五、邏輯樹思維

一般說明邏輯樹的分叉時,，都會提到“分解”和“匯總”的概念,。我這里把它變一變，使其更貼近數(shù)據(jù)分析,，稱為“下鉆”和“上卷”,。

下鉆，就是在分析指標的變化時,，按一定的維度不斷的分解,；而上卷是反方向的匯總。

下鉆和上卷并不是局限于一個維度的,，往往是多維組合的節(jié)點,，進行分叉。邏輯樹引申到算法領(lǐng)域就是決策樹,。有個關(guān)鍵便是何時做出決策（判斷）,。當進行分叉時，我們往往會選擇差別最大的一個維度進行拆分,，若差別不夠大,，則這個枝椏就不在細分。能夠產(chǎn)生顯著差別的節(jié)點會被保留,，并繼續(xù)細分,，直到分不出差別為止。經(jīng)過這個過程,，我們就能找出影響指標變化的因素,。

六,、時間序列思維

很多問題，我們是找不到橫向?qū)Ρ鹊姆椒ê蛯ο蟮?，那么,，和歷史上的狀況比就將變得非常重要。其實很多時候用時間維度的對比來分析問題,，便于排除掉一些外在的干擾,，尤其適合創(chuàng)新型的分析對象，比如一個新行業(yè)的公司,，或者一款全新的產(chǎn)品,。

時間序列的思維有三個關(guān)鍵點：

一是距今越近的時間點，越要重視（圖中的深淺度,，越近期發(fā)生的事,，越有可能再次發(fā)生）；

二是要做同比（圖中的連線指示,，指標往往存在某些周期性,，需要在周期中的同一階段進行對比，才有意義）,；

三是異常值出現(xiàn)時,，需要重視（比如出現(xiàn)了歷史最低值或歷史最高值，建議在時間序列作圖時,，添加平均值線和平均值加減一倍或兩倍標準差線，便于觀察異常值）,。

時間序列思維有一個子概念不得不提一下,，就是“生命周期”的概念。產(chǎn)品生命周期理論（PLC模型）是由美國經(jīng)濟學家Raymond Vernon提出的,，即一種新產(chǎn)品從開始進入市場到被市場淘汰的整個過程,。用戶、產(chǎn)品,、人,、事都存在生命周期。

七,、隊列分析思維

隨著計算機運算能力的提高,，隊列分析（cohort analysis）這一方式逐漸展露頭腳。從經(jīng)驗上看,，隊列分析就是按一定的規(guī)則,，在時間顆粒度上將觀察對象切片，組成一個觀察樣本，然后觀察這個樣本的某些指標隨著時間的演進而產(chǎn)生的變化,。目前使用得最多的場景就是留存分析,。

隊列分析中，指標其實就是時間序列,，不同的是衡量樣本,。隊列分析中的衡量樣本是在時間顆粒上變化的，而時間序列的樣本則相對固定,。

八,、循環(huán)/閉環(huán)思維

循環(huán)／閉環(huán)的概念可以引申到很多場景中，比如業(yè)務(wù)流程的閉環(huán),、用戶生命周期閉環(huán),、產(chǎn)品功能使用閉環(huán)、市場推廣策略閉環(huán)等等,。

業(yè)務(wù)流程的閉環(huán)是管理者比較容易定義出來的，列出公司所有業(yè)務(wù)環(huán)節(jié),，梳理出業(yè)務(wù)流程,，然后定義各個環(huán)節(jié)之間相互影響的指標，跟蹤這些指標的變化,，能從全局上把握公司的運行狀況,，如脈脈的業(yè)務(wù)流程（如下圖）,。有了循環(huán)思維的好處是,，你能比較快的建立有邏輯關(guān)系的指標體系,。

九,、邏輯思維

邏輯思維即明白價值鏈,、明白各項數(shù)據(jù)中的關(guān)系，也就是因果關(guān)系,。

該方法的關(guān)鍵在于明白其中的關(guān)系要求你對這項工作要了解,、熟悉，要細致和慎密,，要清楚充分性和必要性的關(guān)系,。 實際上也就是指：你需要哪些數(shù)據(jù),？如何獲得這些數(shù)據(jù)?數(shù)據(jù)之間的關(guān)系如何,？這里最常見的手段就是A/B test啦。

那么如何細化一下這個概念,？一是在條件允許的情況下,，決策前盡量做對比測試,；二是測試時，一定要注意參照組的選擇,，建議任何實驗中,，都要留有不進行任何變化的一組樣本，作為最基本的參照?，F(xiàn)在數(shù)據(jù)獲取越來越方便,，在保證數(shù)據(jù)質(zhì)量的前提下，希望大家多做實驗,，多去發(fā)現(xiàn)規(guī)律,，可以按如下表格來做實驗。

十,、指數(shù)化思維

指數(shù)化思維是今天分享的10個思維當中最重要的,。許多管理者面臨的問題是“數(shù)據(jù)太多，可用的太少”,，這就需要“降維”了,，即要把多個指標壓縮為單個指標。指數(shù)化思維就是將衡量一個問題的多個因素分別量化后,，組合成一個綜合指數(shù)（降維）,，來持續(xù)追蹤的方式。

指數(shù)化的好處非常明顯：一是減少了指標,，使得管理者精力更為集中；二是指數(shù)化的指標往往都提高了數(shù)據(jù)的可靠程度,；三是指數(shù)能長期使用且便于理解,。

指數(shù)的設(shè)計是門大學問，這里簡單提三個關(guān)鍵點：一是要遵循獨立和窮盡的原則,；二是要注意各指標的單位,，盡量做標準化來消除單位的影響；三是權(quán)重和需要等于1,。

PS：獨立窮盡原則,，即你所定位的問題，在搜集衡量該問題的多個指標時,，各個指標間盡量相互獨立,，同時能衡量該問題的指標盡量窮盡（收集全）。例如當運營人員考慮是否需要將自己的內(nèi)容分發(fā)到其他平臺時,，他可以采用指數(shù)化思維來整體評分,。

總結(jié)

10種數(shù)據(jù)分析的思維方式我們分享完了，當然在我們的工作中不只這10種，我們將會在以后的內(nèi)容中分享給大家,，除此之外如果大家有額外的好的數(shù)據(jù)分析思維方式,，可以分享給我噢！

－DataHunter,讓你愛（AI）上看數(shù)據(jù)－