开启精益成长

数据分析的实质就是通过数理思维来推导、指导我们的运营工作。数字化时代，数据分析思维和数据洞察能力将成为运营的核心竞争力之一。

1 First Point

数据分析的5种类型

作为运营，数据分析有时候是为了探究发生了什么、有时候是为了找到某件事情发生的原因，还有时候是为了预测分析可能会发生某件事情......

在正式进行数据分析之前，我们需要弄清楚数据分析的5种类型。这里总结了5种数据分析的类型，从描述性分析到规范性分析，数据分析的复杂性和工作量随之增加，且越往后越依赖机器。

描述性分析——发生了什么

描述性分析是任何数据分析过程的起点，旨在回答发生了什么的问题，是我们通过对各种来源的原始数据进行整理，再将其转化为对业务有价值的洞察。

通过易观方舟可视化看板，我们可以将采集的数据自定义可视化成线图、柱状图、气泡图等，很直观地看到发生了什么。

易观方舟数据看板示例

探索性分析——探索数据之间的关系

顾名思义，探索性分析的主要目的是探索，其最典型的应用领域就是数据挖掘。通过探索性分析，能够帮助我们发现原本不相关事物之间的数据变量联系。

数据挖掘领域有一个典型的案例：沃尔玛通过数据挖掘，发现纸尿裤与啤酒的销量数据呈相关关系。于是，调整了超市货架的摆放位置，将纸尿裤与啤酒放在相近的位置，没想到双双增加了这两种完全不同品类的销量。

诊断性分析——为什么会发生

诊断性分析是最常见的数据分析类型。运营人员通过诊断性分析能探究某件事情发生的原因，引发这件事情的前置事件是什么，这件事情发生后又会引发什么后置事件。

例如，某天客户电话投诉突然减少：为什么会发生这种情况？通过数据分析发现，可能是因为雇佣了新客服、或者产品的某个界面添加了投诉功能等。

如果能知道某件事情发生的原因以及是如何发生的，我们将能很快确定解决问题以及面临挑战的具体可落地方法。

预测性分析——会发生什么

预测性分析通过分析已知的数据假设未来，回答将来会发生什么的问题。预测性分析不仅会用到前文所提到的3种数据分析类型，还需要用到机器学习（ML）和人工智能（AI）等前沿的数据科学技术。

例如，根据某零售店过去5年的销售数据，我们能预测该零售店下个月、下个季度的总销售额，以及某个单品的销量。

通过预测性分析，不仅可以了解事情的发展趋势、模式以及某件事情发生的原因；还可以根据某件事情在特定领域的发展现状，做出明智的预测。易观方舟内置用户流失预警、商品销量预测等预测模型，大幅提升运营竞争力。

规范性分析——要采取什么行动

规范性分析是最高级的数据分析类型，通过以上所有数据分析，并结合数据模型，回答要采取什么行动的问题。规范性分析会分析多个场景，预测每个场景的结果，并根据结果决定哪个是最佳行动方案。

人工智能（AI）是处于数据分析前沿的规范性分析的例子。人工智能（AI）建立在大数据的基础之上，通过摄取和分解大量的数据，自学如何使用数据信息并做出明智的决策。

我们在进行数据分析时，大多是进行描述型分析、探索型分析和诊断型分析，预测性分析和规范性分析大多交由机器去学习和解决。

2 Second Point

数据分析的方法：三板斧+双股剑

回到数据分析的实际应用中，不管是产品迭代优化分析，还是运营活动分析等，似乎总会涉及到很多数据分析的方法。

但万变不离其宗，最终总结下来其实都是这5种方法或者他们的交叉组合。如下图所示，易观数科将其总结为数据分析的三板斧和双股剑。

2.1数据分析的三板斧

趋势分析

趋势分析可以说是最基础且最常用的数据分析方法。通过对有关指标的各期对基期的变化趋势的分析，分析该指标的趋势变化，从中直观地发现问题，让运营决策更准确和更实时。

例如，对于品牌零售行业，GMV是最核心的指标，我们就可以根据日、周、月等时间维度描绘GMV的趋势图，这样便可以很直观的看到按照不同时间维度GMV的变化。