內(nèi)部交流│11期

數(shù)據(jù)分析整體框架

之落地全流程

data analysis

●●●●

分享人：劉珍珍

數(shù)據(jù)分析的目的是把隱藏在雜亂無章的數(shù)據(jù)背后的信息集中和提煉出來，總結(jié)出研究對象的內(nèi)在規(guī)律。但還是有很多小伙伴覺得稀里糊涂的，覺得太概念化了。讓我們不知道“要做什么”。此時，我們就需要對問題進(jìn)行拆解，梳理一個整體的框架流程，讓大家對數(shù)據(jù)分析有個全局觀。而這個拆解過程就要求一個數(shù)據(jù)分析師對數(shù)據(jù)分析的整體框架有所了解。

那么，本期邀請了成功轉(zhuǎn)行數(shù)據(jù)分析——劉珍珍，《溜溜筆記說》號主，兩周自學(xué)從會計轉(zhuǎn)行數(shù)據(jù)分析師，四年數(shù)據(jù)分析經(jīng)驗，尤其擅長數(shù)據(jù)可視化，其中兩份Tableau可視化設(shè)計作品獲得Tableau中國官方認(rèn)可。

數(shù)據(jù)分析學(xué)習(xí)，在于將別人的知識轉(zhuǎn)化成自己的知識，食之化盡，舉一反三。來闡述數(shù)據(jù)分析的整體框架和流程sop的相關(guān)內(nèi)容。詳細(xì)講解九大數(shù)據(jù)分析方法，并用實際應(yīng)用場景內(nèi)容來輔助說明。

將會為大家分享《數(shù)據(jù)分析整體框架之落地全流程講解》的相關(guān)內(nèi)容，分為五部分：

1、發(fā)現(xiàn)問題

2、需求處理

3、數(shù)據(jù)處理

4、數(shù)據(jù)分析（九大數(shù)據(jù)分析方法講解）

5、數(shù)據(jù)展現(xiàn)

溜溜筆記說一枚「會計轉(zhuǎn)數(shù)據(jù)分析師又轉(zhuǎn)數(shù)據(jù)產(chǎn)品經(jīng)理」的90后向上女青年，分享產(chǎn)品&數(shù)據(jù)分析&Tableau&成長自律干貨筆記42篇原創(chuàng)內(nèi)容

公眾號

（劉珍珍個人公眾號）

為了更好的后面做好小飛象內(nèi)部交流會，需要您幫忙做兩件事情：第一，您想想這次為什么想?yún)⒓舆@一期的交流會，以及希望在交流會中希望收獲到什么？第二，在交流會結(jié)束后，請和我說一下您的收獲和感受。（可以在公眾號留言交流，小飛象內(nèi)部交流會往期回顧）

做一個對世界充滿好奇的人！在分享之前，我們可以先思考幾個問題：

★數(shù)據(jù)分析前期需要準(zhǔn)備什么？后期需要準(zhǔn)備什么？

★數(shù)據(jù)分析流程是怎樣的？

★你知道的數(shù)據(jù)分析有哪些分析方法？知道如何應(yīng)用到哪些場景么？

......

這次分享將帶領(lǐng)到家一起從0-1探索下數(shù)據(jù)分析的全流程。在分享的過程中，建議全程認(rèn)真聽，帶著思考來聽（去看），希望通過本次分享，來給大家做一次系統(tǒng)的數(shù)據(jù)分析可視化分享，來解答大家對于可視化的疑點，并給做數(shù)據(jù)分析的人員提供一些思路，有任何問題都可以隨時交流哦！

正式分享

—▼—

▼

從事數(shù)據(jù)分析相關(guān)工作的4年時間里，我慢慢沉淀了一些數(shù)據(jù)分析方面的知識，來分享給大家關(guān)于數(shù)據(jù)分析整體框架之落地全流程，我把數(shù)據(jù)分析流程分成了五大塊階段:?發(fā)現(xiàn)問題→需求處理→數(shù)據(jù)處理→數(shù)據(jù)分析→數(shù)據(jù)展現(xiàn)。

發(fā)現(xiàn)問題既可以是需求方發(fā)現(xiàn)，我們被推動來分析，也可以自己發(fā)現(xiàn)，我們主動來分析。所以，先來說發(fā)現(xiàn)問題。

先看一個例子，一位烤串大爺說賺的太少了，這個“少”怎么得來的。與過去比少了？與目標(biāo)比少了？與行業(yè)平均水平比少了， 還是與其他同商圈的烤串大爺比少了？等。這個少的判斷就隱藏著數(shù)據(jù)分析思維。

1）探索問題

以數(shù)據(jù)分析思維思考問題，再去進(jìn)一步拆解、分析、探索該問題。尤其是有效問題。有效問題才有意義。

2）確定有效問題

什么是有效問題呢？

◆是否有價值：與公司、部門okr相關(guān)嗎？是否觸及到了公司整體策略呢？

◆是否涉及公司核心指標(biāo)：比如gmv。

◆是否影響面廣: 反向思考，如果這個問題不解決，會影響多少營收或用戶

◆是否可規(guī)避: 比如有時候問題的出現(xiàn)是因為國家宏觀層面做了某些調(diào)整，這個問題就是不可規(guī)避。

◆是否有時效:?現(xiàn)在分析過去的某個問題，且過去的問題已不會對現(xiàn)在產(chǎn)生影響。浪費時間。

3）發(fā)現(xiàn)問題的方式

那么，怎么發(fā)現(xiàn)有效問題，我也總結(jié)了7點，大家可以自己看下。

◆與歷史對比

◆與同期對比

◆與總體對比

◆與競品對比

◆與目標(biāo)對比

◆與經(jīng)驗對比

◆與預(yù)測對比

4）化繁為簡

有時候我們面對的問題會比較多，可以按照四象限法則、問題類型、優(yōu)先級這三種方式歸一下類，再去決定先解決哪個。

還有時候我們遇到的問題很棘手，大且復(fù)雜。如何著手去解決？這時候，

我們需要將復(fù)雜的問題“拆而解之”，而非將焦點浮在問題表面，把大問題圍繞核心點拆解成可以行動的小問題，找到切入點。打個比方，某個線上產(chǎn)品營收下降了10%，將10%拆解到各個子產(chǎn)品線、各個地區(qū)維度等，拆解出下降由哪方面帶來，再針對性的逐個分析。

5）化繁為簡

最后最重要的一點:?站在業(yè)務(wù)角度想問題。比如這個問題有多大的業(yè)務(wù)價值，能實際解決什么樣的業(yè)務(wù)問題。吃透業(yè)務(wù)邏輯，才能在分析上游刃有余。

—▼—

▼

關(guān)于需求處理這個問題顯然是出在需求溝通上。沒有溝通清楚需求就動手，不但自己做的辛苦，業(yè)務(wù)部門也不滿意。需求處理的不合理，業(yè)務(wù)部門看了不解決問題，就會反反復(fù)復(fù)地再提需求。因此，需求溝通很重要！

1）需求類型

一般來說，數(shù)據(jù)分析師接到的需求有4種，大家可以看下。

◆純?nèi)?shù)

◆數(shù)據(jù)分析

◆報表開發(fā)

◆指標(biāo)口徑迭代

2）需求確認(rèn)內(nèi)容

接到需求進(jìn)行詳細(xì)需求溝通的時候，需要跟需求方確認(rèn)好背景、指標(biāo)口徑、數(shù)據(jù)維度、底層表邏輯、資源配置、完成時間、數(shù)據(jù)安全。

3）需求文檔沉淀

有時需求方并沒想這么多，分析師最好有獨立想法，將這些細(xì)節(jié)主動詳細(xì)溝通下，既便于分析工作的開展，也避免后續(xù)扯皮。同時，這些確認(rèn)的內(nèi)容做好沉淀成需求文檔。

4）需求沖突的應(yīng)對

沉淀的過程也是思考的過程，比起直接開干更能及時的發(fā)現(xiàn)些隱藏問題。

在接需求的時候，有時候會遇到需求沖突，比如：

◆需求較多→歸類個輕重緩急；

◆需求緊急→與其他需求方協(xié)調(diào)是否可以適當(dāng)延后，以及協(xié)調(diào)人員資源、時間資源；

◆需求不合理→引導(dǎo)需求方或者求助上級領(lǐng)導(dǎo)。比如需求方提了需求要在BI上展示很明細(xì)的數(shù)據(jù)，量大還耗費BI資源，可進(jìn)一步與需求方溝通，摸清楚他們明細(xì)數(shù)據(jù)的需求目的，是下載下來還要在excel上進(jìn)一步處理？那么可以引導(dǎo)需求方，表示可在BI一步到位處理成他想要的數(shù)據(jù)；

◆需求涉及數(shù)據(jù)安全→是否涉及跨部門查看數(shù)據(jù)，是否涉及查看職責(zé)范圍以外的數(shù)據(jù)等。

這個是需求處理的內(nèi)容。需求處理好了，后續(xù)工作就游刃有余。

—▼—

數(shù)據(jù)處理其實就是獲取數(shù)據(jù)、處理數(shù)據(jù)、校驗數(shù)據(jù)的過程。

獲取數(shù)據(jù)既可以直接從現(xiàn)有數(shù)據(jù)庫表中獲取，也可以請數(shù)倉根據(jù)需求落表再去獲取。當(dāng)然，有時候還可以通過外部數(shù)據(jù)來獲取一些信息輔助分析。

數(shù)據(jù)處理一般是處理掉一些不需要的無關(guān)數(shù)據(jù)，以及聚合的運算。接下來就要提前先做下數(shù)據(jù)驗證，一個是自身多方角度驗證，還可以與需求方協(xié)同驗證。也可定性驗證，就是根據(jù)經(jīng)驗或者邏輯推理來驗證?；蚨框炞C，就是以數(shù)據(jù)為支撐，多方交叉驗證。

做好數(shù)據(jù)處理，為下一步的數(shù)據(jù)分析奠定良好的數(shù)據(jù)基礎(chǔ)。問題也發(fā)現(xiàn)了，需求也溝通好了，數(shù)據(jù)該處理的也處理好了，那就開始做分析吧！

—▼—

做數(shù)據(jù)分析之前，我們先要想清楚整體的分析框架是什么、采用什么數(shù)據(jù)分析方法。數(shù)據(jù)分析方法，是你去組織哪些數(shù)據(jù)，指導(dǎo)后續(xù)整個數(shù)據(jù)工作的開展。

那么，我們現(xiàn)在來分享數(shù)據(jù)分析的九大分析方法！

1）漏斗分析法

漏斗分析是數(shù)據(jù)分析中比較常見的分析模型。采取漏斗直觀表示業(yè)務(wù)從起點到終點的各個環(huán)節(jié)的轉(zhuǎn)化情況。如圖所示的用戶支付場景的轉(zhuǎn)化，反應(yīng)了用戶從訪問到支付成功各個重要環(huán)節(jié)的轉(zhuǎn)化情況。也可以對比來看，比如，對比不同產(chǎn)品類型的漏斗轉(zhuǎn)化情況，對比不同用戶群體的漏斗轉(zhuǎn)化情況等。

漏斗分析比較簡單，重要的是在合適的業(yè)務(wù)場景中靈活的應(yīng)用它。

2）AARRR模型

AARRR模型，主要為了探索用戶增長，正好對應(yīng)用戶生命周期的5個環(huán)節(jié)：用戶獲取、用戶激活、用戶留存、用戶變現(xiàn)、推薦傳播。

來想象一個場景，xx公司開發(fā)了一款新產(chǎn)品:

第一步:通過地推、廣告投放等途徑獲取用戶。

第二步:通過新手引導(dǎo)、物質(zhì)/精神激勵/會員體驗等激活剛剛獲取到的用戶，讓用戶盡快體驗到產(chǎn)品核心功能，get到核心價值。

第三步:趕緊把激活的用戶留住?。《绦?push提醒提醒用戶該來訪問了；讓用戶辦年會員，增加他離開的成本；功能趕緊迭代優(yōu)化提升用戶體驗等

第四步:用戶既然留下了，那就協(xié)助我賺點錢唄！對，到用戶變現(xiàn)環(huán)節(jié)了。給產(chǎn)品增加付費功能，嵌套些廣告等。（自身付費，付錢才能用，試用期沒了。嵌套付費功能）

第五步: 用戶裂變搞起來，讓我們的用戶給我們拉用戶。要相信，來自于用戶的好評更有舒服力。當(dāng)然，產(chǎn)品需要有價值、有共鳴、有趣味用戶才愿意推薦傳播。

我推薦大家業(yè)余看下《增長黑客》這本書，里面對AARRR模型講的也很細(xì)。

3）預(yù)測分析

這里主要講下邏輯回歸預(yù)測。邏輯回歸預(yù)測就是根據(jù)歷史數(shù)據(jù)，預(yù)測未來數(shù)據(jù)，提前預(yù)知，以及時做好預(yù)案?；貧w預(yù)測涉及到自變量x，因變量y，直接在excel上先制成折線圖，然后再添加擬合線就可以。重點就是該怎么判斷擬合是否合理。就看R方，R2越接近1，代表擬合效果越好。

這只是一個比較簡單的案例。真正工作中預(yù)測會考慮的會比這復(fù)雜，比如需要考慮季節(jié)性，需要剔除極值異常值等。涉及的知識點較多，更詳細(xì)的內(nèi)容請大家去公眾號《溜溜筆記說》中“銷量預(yù)測模型實戰(zhàn)”一文查看。

4）關(guān)聯(lián)規(guī)則分析

關(guān)聯(lián)規(guī)則分析其實就是購物籃分析，就是通過挖掘用戶的消費行為數(shù)據(jù)，探索用戶的消費習(xí)慣，從而合理搭配商品，提升收益。

主要涉及的知識點有條件概率、支持度、置信度、提升度。

◆支持度：同時包含A和B的事務(wù)/所有事務(wù)

◆置信度：同時包含A和B的事務(wù)/包含A事務(wù)

◆提升度：包含A的事務(wù)中同時包含B事事務(wù)的比例/包含B事務(wù)的比例

概念不好理解，來根據(jù)案例理解下:

假如近30天共產(chǎn)生了10筆訂單（虛構(gòu)的訂單量有點少，不影響計算哈），其中購買了蘋果的訂單有6筆，購買了香蕉的訂單有5筆，同時購買了蘋果和香蕉的有3筆。

那么問題來了。

第一個問題，同時購買蘋果和香蕉的概率有多大？是3除以10，30%。這是支持度。

第二個問題，購買了蘋果的用戶會有多大概率再去買香蕉？3除以6，50%。這是支持度。

第三個問題，購買蘋果對購買香蕉會產(chǎn)生正向影響還是負(fù)向影響或是無影響。這個理解會繞一點。我詳細(xì)說下。

先看下提升度公式。

拆解下公式就是，購買了蘋果的用戶再去買香蕉的概率與直接買香蕉的概率進(jìn)行對比，前者大于后者，則購買蘋果會對香蕉產(chǎn)生正向影響，小于后者，則購買蘋果會對香蕉產(chǎn)生負(fù)向影響，二者相等，則購買蘋果會不會對購買香蕉產(chǎn)生任何影響。

這種分析比較適合零售行業(yè)的商品組合銷售。向剛剛研究的是蘋果對香蕉的影響，反過來可以再研究下香蕉對蘋果的影響。如果兩者研究都是可以產(chǎn)生正向影響的，就可以做捆綁銷售。

5）RFM模型

RFM模型主要用來衡量用戶價值，做用戶分群，比如區(qū)分出低價值用戶、高價值用戶、忠誠用戶等用戶群體。R：用戶最近一次消費距今時間（Recency）F：用戶在最近時間段內(nèi)的消費頻次（Frequency）M：用戶在最近時間段內(nèi)的消費金額（Monetary）。

這里用一個比較簡單的例子講下：

先對R、F、M三個值進(jìn)行分層并賦予權(quán)重（以下數(shù)據(jù)純屬虛構(gòu)，分層時根據(jù)實際情況）。

比如用戶最近一次消費距今時間7天以下的打為5分，8-14天的打為4分......以此類推。分?jǐn)?shù)高的表示價值性比較高，分?jǐn)?shù)低的表示價值性比較低。然后對每個用戶計算R、F、M值，比如圖中，用戶“111113”最近一次消費距今時間在7天以下，則R為5，在最近時間段內(nèi)的消費頻次在6-10之間，則F為2，在最近時間段內(nèi)的消費金額在1001-2000之間，則M為2。再將每個用戶的R、F、M值與均值對比（這里就主要用均值來對比，工作中大家根據(jù)實際情況來選擇是否按照均值），大于均值填充1，小于均值填充0，填充于”按照均值處理后“列中。最后將“按照均值處理后”的數(shù)據(jù)參照下圖模型表，匹配出用戶類型。

至此，每個用戶的的價值標(biāo)簽就打出來了，可以衡量下哪些是高價值用戶，哪些是低價值用戶等。

6）帕累托分析

帕累托分析就是“二八法則”。“二八法則”認(rèn)為80%的財富掌握在20%的人手里，應(yīng)用到業(yè)務(wù)中就是，80%的營收在20%的產(chǎn)品里，同理，我們應(yīng)該花80%的時間內(nèi)在這20%的產(chǎn)品上。也就是說，寶貴的時間與資源應(yīng)該用在刀刃上。

如圖所示，柱形是銷售額，折線是銷售額百分比累積。越往后越接近100%。

共15種品類，其中7個品類貢獻(xiàn)了80%的銷售額，占比46.67%，也就是說46.67%的商品為公司帶來了80%的銷售額，并不符合二八定律，該公司并沒有強勢產(chǎn)品。

那么我們80%的精力就要分散運營這46.67%的產(chǎn)品才能為公司帶來80%的銷售額。

通過該模型可分析出:

◆我們80%的精力都花在哪些產(chǎn)品上了

◆20%的頭部產(chǎn)品是否帶來了大額營收

7）留存分析

留存分析的指標(biāo)是留存率，留存率指某日用戶數(shù)在第N日仍啟動該App的用戶比例，留存分析即分析用戶隨時間變化的活躍情況。獲客成本比較高，提高用戶留存的重要性不言而喻。

從時間維度劃分：常見的的有：次日留存、3日留存、7日留存、30日留存、周留存、月留存。

從用戶維度劃分：常見的的有：新用戶留存、活躍留存。

來看一個案例：

該表留存率：（某日新增的用戶中，在第N天還進(jìn)行登錄的用戶數(shù)）/ 該日新增用戶數(shù)。

格中以8月6日注冊用戶的次留(71%)為起始點，8月1日注冊用戶的7留(34%)為結(jié)束點，二者形成對角線，縱向?qū)Ρ葦?shù)據(jù)，顏色顏色部分留存率都比較高。首先需要確認(rèn)8月7日這天運營是否做了動作？

為什么要懷疑8月7日？

因為8月6日的次留是8月7日，8月5日的次留也是8月7日，以此類推。所以初步猜測是否8月7日有促銷動作？

再看一下次留這列，8月9日的次留明顯低于一般水平。警惕羊毛黨。有人會新用戶注冊時候利用新用戶福利來薅羊毛，薅完羊毛就撤，并不會留存下來。

應(yīng)用場景舉例：

◆評估迭代與優(yōu)化的效果。砍掉留存率低的產(chǎn)品功能，進(jìn)行迭代優(yōu)化。

◆判斷用戶忠誠度，一周下來用戶對產(chǎn)品基本已有完整的體驗。一整套流程體驗下來，繼續(xù)訪問的用戶可判斷為潛在忠誠用戶。

涉及的知識點較多，更詳細(xì)的內(nèi)容請大家去公眾號《溜溜筆記說》中“留存分析3500字干貨，方法+案例+參考代碼”一文查看。

8）用戶生命周期價值分析

用戶生命周期就是LTV，即用戶生命周期總價值，用于衡量用戶對產(chǎn)品產(chǎn)生的價值。

LTV=LT*ARPU即:用戶的平均生命周期*單個用戶的平均收益；

LT：用戶的平均生命周期，是用戶首次訪問至末次訪問期間的活躍天數(shù)。比如LTn就代表用戶的生命周期是n天，其實就是活躍n天。LTn=1+次日留存率+3日留存率+...+n日留存率；

那么LT為什么等于1+留存率之和呢？

舉個例子，該產(chǎn)品在12月2日新增了100個人訪問，極端點，12月3日的時候這100個人全部又訪問了，12月4日這100個人全部再次訪問了，那么這100個人平均每個人訪問的天數(shù)為:（100+100+100）/100=3天，即平均每個人訪問了3天，這個3就是用戶生命周期LT。

將以上極端的訪問留存數(shù)據(jù)換成正常的留存數(shù)據(jù)，12月2日新增了100個人訪問，12月3日的時候這100個人中還有90個人訪問，12月4日的時候這100個人中還有70個人訪問。

那么，用戶生命周期就是（100+90+70）/100=2.6天，其實也是1+90/100+70/100=1+次日留存率+3日留存率=2.6天。這就很好理解了用戶生命周期LT為什么是留存率之和了吧？

LT計算出來再乘以ARPU就是LTV了。這快內(nèi)容講起來會比較多，也比較深，涉及的知識點較多，更詳細(xì)的內(nèi)容請大家去公眾號《溜溜筆記說》中“如何做好用戶生命周期價值分析（LTV）”一文查看。

9）波士頓矩陣

波士頓矩陣用于分析公司的產(chǎn)品結(jié)構(gòu)，發(fā)現(xiàn)痛點，為是否需要及時調(diào)整戰(zhàn)略目標(biāo)，以及判斷產(chǎn)品的資源分配是否合理提供數(shù)據(jù)支持。

大家看下這個圖 它主要包括這4個模塊:

◆右上角明星產(chǎn)品，高增速高份額，雙高。宜抓住機會，擴大投資，提升競爭優(yōu)勢。

◆右下角金牛產(chǎn)品，高份額低增速，明星產(chǎn)品再繼續(xù)發(fā)展下去就會成為金牛了，成熟了。穩(wěn)定發(fā)展即可，維護(hù)好當(dāng)前市場。

◆左上角問題產(chǎn)品，高增速低份額。一般屬于沒開拓市場，營銷不給力。

◆左下角瘦狗產(chǎn)品，低增速低份額?；究梢蕴蕴耍瑢⒋速Y源轉(zhuǎn)而投資給其他更有利的產(chǎn)品。

波士頓矩陣分析，既簡單又直觀，協(xié)助我們分析產(chǎn)品結(jié)構(gòu)，及時調(diào)整產(chǎn)品策略。

—▼—

數(shù)據(jù)分析結(jié)束之后，就要將數(shù)據(jù)展現(xiàn)出來了，也就是數(shù)據(jù)可視化。將海量數(shù)據(jù)圖形化，復(fù)雜數(shù)據(jù)直觀化。

主要作用為：

◆便于讓業(yè)務(wù)人員查詢所需內(nèi)容；

◆便于管理層迅速抓取到重要信息；

◆公司門面，傳達(dá)了公司數(shù)據(jù)分析方面對外的第一印象，尤其對乙方而言；

◆推動決策，幫助使用方節(jié)省更多數(shù)據(jù)清洗&處理的時間，將更多時間放于分析與決策制定。

▼

這里我重點提一點，可視化的兩種極端。

一種是過于粗糙。我見過看板做的簡直慘不忍睹的，排版不整齊，顏色大紅配大綠，視覺上很有沖擊感。而且，分析師忍耐力也很強，需求方不反饋就不改。數(shù)據(jù)可視化，最起碼保證一種舒適感，能讓人迅速get到需要的數(shù)據(jù)信息。可以不注重美觀，但也不能粗糙過了頭。

另一種是過于炫技。知道我的可能已經(jīng)見過我之前設(shè)計的tableau作品了，確實有炫技的成分在立面。但是也只是業(yè)余愛好玩玩，真正工作中基本用不到這么酷炫的圖形。除非，公司需要一種酷炫的dashboard去談商務(wù)搞營銷。不然，還是數(shù)據(jù)為主。

—▼—

總結(jié)

以上就是本次分享的全部內(nèi)容！1、數(shù)據(jù)分析流程分成了五大塊階段:?發(fā)現(xiàn)問題→需求處理→數(shù)據(jù)處理→數(shù)據(jù)分析→數(shù)據(jù)展現(xiàn)。

2、九大數(shù)據(jù)分析方法：漏斗分析法、AARRR模型、預(yù)測分析、關(guān)聯(lián)規(guī)則分析、RFM模型、帕累托分析、留存分析、用戶生命周期價值分析、波士頓矩陣。

各個數(shù)據(jù)分析方法其主要應(yīng)用場景如下：

?漏斗分析法：用戶支付場景、新用戶注冊場景、渠道分析等；

?AARRR模型：探索某產(chǎn)品是怎樣培養(yǎng)忠實用戶的、探索培養(yǎng)用戶行為習(xí)慣的方式等；

?預(yù)測分析：銷量預(yù)測、DAU預(yù)測等；

?關(guān)聯(lián)規(guī)則分析：零售行業(yè)商品捆綁促銷、商品推薦（比如給購買了蘋果的用戶推薦香蕉）等；

?RFM模型：找出push推送/福利券等方式喚醒的對象、對不同用戶群體采取不同運營策略等；

?帕累托分析：我們80%的精力都花在了哪些產(chǎn)品上、探索20%的頭部產(chǎn)品是否帶來了大額營收等；

?留存分析：評估迭代與優(yōu)化的效果。砍掉留存率低的產(chǎn)品功能，進(jìn)行迭代優(yōu)化。判斷用戶忠誠度，一周下來用戶對產(chǎn)品基本已有完整的體驗。一整套流程體驗下來，繼續(xù)訪問的用戶可判斷為潛在忠誠用戶等；

?用戶生命周期價值分析：用于衡量用戶對產(chǎn)品產(chǎn)生的價值等；

?波士頓矩陣：衡量產(chǎn)品結(jié)構(gòu)、輔助評估產(chǎn)品的資源配置等；

溜溜筆記說一枚「會計轉(zhuǎn)數(shù)據(jù)分析師又轉(zhuǎn)數(shù)據(jù)產(chǎn)品經(jīng)理」的90后向上女青年，分享產(chǎn)品&數(shù)據(jù)分析&Tableau&成長自律干貨筆記42篇原創(chuàng)內(nèi)容

公眾號

(涉及的知識點較多，更詳細(xì)的內(nèi)容請大家去公眾號《溜溜筆記說》中查看)

總之，數(shù)據(jù)分析涉及很多知識點，不是一次分享能全部了解的，而很少有一種系統(tǒng)化的流程來參考，本次分享正好梳理從0到1構(gòu)架數(shù)據(jù)分析整體流程框架，但數(shù)據(jù)分析不僅僅是一個職位，一個工作，而是一個思考的方式，未來職場人的一個底層能力。

最后，相信大家通過不斷的學(xué)習(xí)和實操，認(rèn)識到產(chǎn)品思維在數(shù)據(jù)分析中的應(yīng)用以及價值所在。學(xué)貴在行，需要我們在以后的學(xué)習(xí)工作中不斷地積累經(jīng)驗掌握工具，學(xué)以致用。能站在多方角度，發(fā)現(xiàn)問題，分析問題，解決問題，總結(jié)問題。

后期小飛象會繼續(xù)為邀請各業(yè)的精英分享數(shù)據(jù)領(lǐng)域的內(nèi)容。祝愿大家都能在自己所在的領(lǐng)域內(nèi)，用數(shù)據(jù)思維，成就更好的自己，在可預(yù)見的未來，遇到更好的自己。謝謝大家！