不管你是产品、运营、还是市场，是否经常遇到以下几种情况：

• 上线某个新产品、新功能，要监测该产品/功能的效果，既要看总体表现，又要看细分维度；
• 策划某个营销活动，要明确活动的目标用户群体、用哪种方案能够带来最优的活动效果；
• 投放某个渠道，渠道 ROI 又出现了较大的波动，需要找出数据波动的原因。

针对一个又一个问题，如果没有清晰的问题分析思路，即使解决了当前的问题，等你遇到新的问题又会无所适从。那么数据分析这件事情，不管是放在产品、运营、还是市场，都是一门必修课。

从本质上，数据分析最终目的就是解决问题。

有可能你做的项目没有一个专门的数据分析平台，没有数据后台，但这并不妨碍你去思考这个数据表现出来的问题该如何解决（可能 Excel 就可以解决很多你遇到的问题了）。

今天要分享的，就是当你在工作中遇到了某个数据出现问题的时候，怎么去分析某个数据问题的思路。

既然是解决问题，那么一定涉及到解决问题的思路。

给大家介绍一下之前考项目管理中的【问题解决工具】，希望能够帮助大家在用数据驱动解决问题的过程，有一个结构化的解决思路。

一、核心要素

当发现出现某个问题，或者应对某个挑战的时候，使用结构化的问题解决方法可以有助于制定长久有效的解决方案，主要包含以下核心思路：

二、PDCA 戴明环—Plan-Do-Check-Act

常用的闭环迭代框架戴明环 PDCA，也是解决问题或者说可以应用到平时工作上的方法，帮助你做结构化的思考。

主要包括计划(Plan)、实施(Do)、检查(Check)、执行 (Act) 4个步骤，循环迭代，不断提升。

其实还可以加一个环节- T (Think) 思考总结。

结合问题解决工具和数据分析的常用流程，可以提炼出数据分析的核心思路。

三、核心思路

所有分析的源头，必须是要先识别要解决的重要问题是什么，为什么是最重要的。当你确定了是什么，和为什么重要，那么也就逐渐明确了数据分析的目的。

1）定义 X 问题技巧

可以根据不同类型的问题，用一个包含”如何、是否、原因是什么”问句来描述，比如：

• 验证类 —— 有了假设和多个可能解决的方案，验证结果：“策略A，B，C哪种方法可以提升转化率”；“策略A是否可以提升转化率”。
• 找原因类 —— 某个数据出现了剧烈波动，寻找背后原因以及解决方法： “导致转化率急剧下跌的原因是什么”。
• 预测类 —— 寻找事物发生的规律，来预测接下来即将发生的事件，比如 “学生放假对课程销售转化率是否有影响”。

2）问题具体化，不可太过于宽泛，否则数据收集会变得很困难。比如某个产品数据有没有变好？

那么经过定义 X 问题，明确了数据分析的目的后，就需要开始找问题出在哪儿。那么就有几个数据分析的方法了，给大家分享几个常见的分析方法。

1）全链路分析

对整个环节的每个节点进行分析，比如大家熟知的漏斗模型，AARRR 模型，都是典型的全链路分析。

以及业务模型中的用户生命周期、产品生命周期等，针对产品，或者运营整体的每个节点进行分析。

全链路分析的核心步骤：

1. 梳理链路关键节点，确定关键节点的数据指标。
2. 针对每个关键节点进行数据洞察，查看问题点和增长点


1
2
下一页



文章来源：《数据分析与知识发现》 网址: http://www.sjfxyzsfx.cn/zonghexinwen/2021/0426/1027.html




上一篇：基于数据分析特斯拉事故原因
下一篇：分析了事故车辆的数据，特斯拉的刹车或许真的