如何做好数据分析做好数据分析的6步曲 _生活百科

如何做好数据分析做好数据分析的6步曲，小编带你了解更多信息。
美国前邮政部长，美国百货商店之父，约翰·华纳梅克（John Wanamaker）感叹到：“我在广告上的投资有一半是无用的，但是问题是我不知道是哪一半。”
这种类似的感叹现在也经常发生我们身边。
小A同学：在项目结束后，拿到了项目数据，看看自己的方案是否有带来数据上的增长，但面对一堆面前Excel表里一堆密密麻麻的数字，却不知从何下手了……
小B同学：拿到了自己花大精力投入的项目数据，满怀期待的想来验证自己在项目中推动落地的好几个方案，还把项目过往数据也找来进行对比，一顿操作猛如虎之后，看到整体数据上涨了，但因为影响因素特别多，具体是哪些方案产生了作用却无从知晓……
我们更常遇到的情况是不知道该如何去运用数据，让数据带来实际上的作用。在上一篇文章《如何用数据指导设计？》中，已经阐述了设计师看数据的价值、数据是什么、何时看数据、以及数据指导设计的一些基本思路。本文将围绕实际的数据分析步骤，更细化地来讲讲具体是如何进行下去的。
一、数据分析6步曲数据分析主要分为6大步骤：构建X问题 – 提出假设&选择指标 – 数据采集与整理 – 数据分析 – 数据呈现 – 提出后续建议。
下文将围绕这6步详细讲解每一步具体是如何做的：
1.1 构建X问题从本质上来说，数据分析的最终目的在于解决问题。带着不同的出发点得到的数据结果可能会很不一样。所以，一切分析的开始必须要先识别要解决的重要问题是什么，以及这个问题为什么是最重要的。这两个问题将引导我们进入构建问题的过程，也就是明确数据分析的目的。
（1）从哪入手：
①有预判类的分析，可以从已有的策略方案出发，寻找相应定量衡量方法。例如：尝试通过强化某促销A页面利益点等相关信息，从而促进用户购买，此案例则可以直接预设X问题为：“强化利益信息是否可以提升转化率” 。
②而无预判类（发现问题或机会）的分析，构建问题的起点往往是业务角度的商业目标，通过指标拆解、经验判断、横向对比、逻辑推导等方式来寻找有效的实现方式。例如：某电商促销页面B的核心目标是“提升GMV（销售额）”，而GMV=流量*转化率*客单价，就可以围绕提升转化率、客单价等指标出发去寻找解决方案。
（2）判断是否重要
①有预判类的的问题，可以直接寻找指标评估验证结果是否可靠即可。
②无预判类（发现问题或机会）的则可以通过评估该问题解决后，能够对最重要的商业目标带来的增益会有多大。例如，上述提升GMV的案例中，通过横向对比相同类页面的数据，发现此页面的转化率为1.8%，明显低于同类页面4.7%的转化率，而流量和客单价与同类页面基本持平，故判断转化率极有可能是“提升GMV（销售额）”的关键点，所以可定义“提升转化率的关键因素是什么”为此页面数据分析的重要问题。
（3）定义X问题
可以根据不同的类型用一个问句来表达，如何/哪种/是否/原因是什么…… 。根据经验，细化之后的常见问题有以下几类，每类都可以用一个X问题来描述。

实验验证类，已经有了假设和方案，待验证效果，如ABC三种策略，哪种效果更有利于提升转化率或策略A是否有助于提升转化率。
寻找原因类，看到了某现象，希望寻找背后的原因，如导致跳失率急剧上升的原因是什么。
结果呈现类，不带预判的呈现事实，如通过数据呈现项目D的转化与售卖情况。
预测类，通过寻找事物发生的规律，来预测接下来可能发生的事件，如一年之中用户购买美妆用品是否存在时间上的购买规律，美妆类目运营可依据此规律来制定年度活动计划。

（4）注意，问题的范围不可过于宽泛
往往要得出一个可靠且明确的结论，会需要收集数据并将数据应用到一个可检验的假设身上。如果问题太宽泛，数据收集就会变得非常困难，举个反例：“项目D的数据效果是否有变好”，这个例子中，“是否有变好”可能的方向有拉新效果是否有变好/销售是否有变好/跳失情况有变好……
非常多种方向，每个方向都做探索将使你本次分析驶入无边大海迷失方向。但也不要过早地限制问题范围，刚开始时，可以开放性地思考问题，在脑中形成一些可供选择的方向。例如：“可能带来D项目的销售变好的可能情况是1、2、3，通过初步数据来看3的可能性会更高一些”，然后就可以往3的方向深入分析下去了。