3500字干货 | 大家都在谈的数据思维，到底要怎么建立？

3500字干货 | 大家都在谈的数据思维，到底要怎么建立？

作者介绍

@大师兄

10年数据掘金者；

专注互联网营销广告领域；

负责大数据商业变现和大数据业务架构工作。

大家好，我是大师兄，又和大家见面了！

前几天，有一个小伙伴跟我说，自己学了很多数据分析方法，也会好几门数据分析工具，就是找不到一份好的数据分析工作。大概率可能就是缺少"数据思维"。

确实，每个跟数据打交道的互联网岗位JD都会写着：具有敏锐的数据洞察力和较强的数据思维。

那数据思维如此重要，今天就带大家了解下什么是数据思维？如何培养数据思维？

1 理解数据思维

什么是数据思维？

数据思维就是使用数据来提出问题和解决问题的能力。说白了，就是面对一堆业务问题的时候，能不能通过数据的方法做分析从而给出建议来解决业务问题。

其核心有两个，一个是数据敏感度，一个是数据方法经验。

数据敏感度

，我理解的就是你看到一个数字，你大概就能感知这个数字是否合理还是有异常，当数据异常的时候，大概能知道问题可能出在哪里，并且能够追溯到原因。总之，假如你数据敏感度高，你可以看到数据背后更多的信息。

数据方法经验

，我理解的是你看到这些问题还不行，还需能够利用数据分析的方法来解决实际的问题，这也是构成数据思维很重要的一部分。数据分析的方法就很多，比如：漏斗分析、相关性分析、5W2H分析、对比分析、分群分析等等。举个简单的例子，比如，上周和我同事去一家东北铁锅炖吃饭，感觉人还挺多的。我同事就说，这家餐厅好火爆，生意还挺不错的，老板应该可以赚不少钱。老板能够赚多少钱，他的思考逻辑都是基于“挺多的”、“火爆”、“挺不错”这样的虚词，靠直觉得出的结论。但是，对于一个拥有数据思维的人来说，他要是很想认真的回答这个问题，可能就会这么思考。餐厅有多少座位，这个大概可以数出来；餐厅有多少平米，可以估算出来；翻台率是多少，从自己吃饭上菜到吃完的时间和饭点时间跨度是可以估算出来的；客源如何，可以从餐厅附近所处的位置来判断；每样菜的毛利率，从菜单和上菜后的量可以推断。最后，综合这些维度数据，进行加工，大概率就可以估算出这家店的能不能赚钱，一个月可以赚多少钱。

2 建立数据思维

技能容易掌握，但思维却很难短时间内培养出来。个人觉得，拥有良好的数据思维，至少还需要有一定的数据基础。平常在面试数据分析师的时候，我往往会问面试者的数学成绩怎样。因为数学成绩能够部分反映一个人的数据思维养成的潜力，数学解题的思维方式，其实就是数据思维。

01 学会建立数据链条

02 学会定义数据指标

另外，想要建立良好的数据思维，需要学会定义数据指标。数据指标的定义，是培养数据思维要闯的第三道关。这么多年，我一直是做APP数据分析类的数据产品，对APP数据分析的指标体系比较熟悉，就拿APP数据分析中一些核心指标，给大家做个详细说明。

激活

大家是如何定义激活的？下载且安装并打开APP的用户数？根据定义，那下载没安装或者安装没打开的用户，就不计入激活。但问题来了，一个用户下载且安装并打开APP时，根本没有登录，他只是一个游客。那激活的定义就会变成：下载且安装并打开APP的游客数。如果我们把这个定义交给开发，开发可能会问，拿什么标识定义个一个游客？设备号，每台移动设备都有一个唯一的设备号，也叫imei。所以，激活的定义又变成：下载且安装并打开APP的设备数，以imei作为唯一标识。有人可能又会问，我更新APP后打开，或者卸载重新安装APP再打开，算一个新的激活么？这就涉及到统计口径的问题，一般来讲，覆盖安装与卸载安装后的打开，都不计入新激活。

新增

如果把新增用户定义为过去没有安装过的用户，或者过去没有注册过APP的用户。就这样简单粗暴的，把这个指标扔给市场部，恐怕市场部的同事不会答应。市场推广APP有多种渠道类型，比如各大安卓应用市场、appstore、信息流广告、SEO、流量互换等，每个类型下的渠道，可以用渠道ID来标识。渠道有区分，APP自身也有区分。最省事的区分是Android包和iOS包。如果市场制作了大量的马甲包、独立h5页，推向市场，需要以产品ID来区分产品（APP、H5）。另外一个维度是APP版本号，每个版本发布时，市场可能会带一波量，需要观察版本新增用户的推广成本、转化、APRU值等，我们可以通过版本ID来区分版本。以上，通过渠道ID、产品ID、版本ID的区分和筛选，市场部的同事就可以知道，每个渠道下的每个产品的每个版本的新增用户的规模和质量。

活跃

活跃的定义很简单，启动了算一次活跃。但假如只定义一个日活，或者周活和月活指标，未免有点简单粗暴，我们也可以先从转化的角度进行用户层级的划分。比如，一家金融公司，要拿公积金数据做授信，帮助银行筛选优质贷款客户，这些公积金数据，是用户在公积金查询APP上的关键行为留下来的数据。整个使用流程有一个转化漏斗：激活-注册-查询公积金-申请贷款，对应指标是：APP日活、用户日活、公积金导入用户日活和贷款申请用户日活。APP日活，以APP的一次打开为一个活跃，以设备号为标识，当日的重复打开不计入活跃。剩下的3种日活，以相应用户群体的一次登录请求为一个活跃，以用户ID为标识，当日的重复请求不计入活跃。跟踪以上指标，能得到比单纯的用户日活指标更丰富的信息。

留存

以前我们定义7日留存率时，内部就出现了分歧。按照友盟的定义，认为7日留存率指的是，新用户在第7日的活跃数/新用户数。但也有不同意见的，会认为7日留存率应该是新用户在第2-7日的活跃数/新用户数。我觉得都没有错，为了和市场上保持统一标准，大家都会用第一种统计口径。留存率是APP推广初期尤其要重视的指标。留存率低的产品，等于一个巨大的漏斗，市场砸钱买来的流量，在产生收益前，就都统统漏掉。留存率有次日留存率，也有7日留存率和30留存率，至于选择哪个留存率作为唯一关键指标，多少留存率为目标，要根据产品特性与市场环境作具体分析。

总结：

拥有一定的数据基础，建立严格的数据链条，学会定义数据指标体系，是建立良好数据思维的三部曲。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。