浅谈在探索数分之路上“数据思维”应用
我们上篇内容，从业务层面的视角梳理了关于数据分析各个环节中可能存在的引发误导的一些陷阱，大家在以日后的数据分析的工作中会时刻注意这些“陷阱”。（详情请看：警惕！数据分析的陷阱？）在随着大数据和5G在各个行业领域应用的不断深入，数据作为基础性战略资源的地位日益凸显，精准的数据能够为公司或者业务人员来指导决策，驱动业务发展，提升企业管理水平、效率、 可持续发展等。然而当我们在看到业务线上产生的各类庞杂数据时，很多人却无从下手，甚至连数据代表什么都不清楚，别说分析数据了。
此时，若企业具备正确的数据思维，做好数据挖掘、数据处理、数据分析等工作，就可以深刻洞察业务线存在问题以及原因，厘清业务，并找到有效的方法提高业务数据指标，驱动增长。若我们个人而言具备正确的数据思维，就可以让你的决策更理性、更理智，在进行沟通时更高效，注重整体的理解和判断，可以在未来职场上具备一定的核心竞争力等。
我们在《浅谈在探索数分之路上的“数据思维”论述》文章中梳理了何为数据思维，就是让数据传达出真正的信息，且呈现出画面感，而不是一堆堆冰冷的数据指标，即能站在多方角度，用数据来精确描述现状，分析问题，解决问题的一种思维方式。
那么，数据思维应该如何应用呢？本文将从广泛的意义上出发，简单的聊聊数据思维在工作上基本应用范围以及如何应用数据思维，不同行业有不同的情况或者属性，且数据思维也可以说是一种底层的思维模式，说白了就是如何让数据创造价值的思考方式。因此，其目的主要给大家梳理一下数据思维应用基本的思路和相对立体的认识。
一、数据思维应用基本思路
数据思维能够让工作更加客观、更加结构化和更具延展性，其存在价值就是了解需求，然后通过各种方法收集数据，再提取有价值的信息去优化业务线，从而改进决策，不断迭代，降本提效，驱动增长，最终创造价值。概括起来，数据思维应用大致思路是：
▼[明确目标]
首先，数据波动，数据来源是哪里，目标是谁？比如活跃用户数波动，付费转化用户数据如何？
▼[理解数据]
其次，你得知道数据来源以及意义，数据是怎么产生的？比如数据提升或者下降代表什么？
▼[确认目的]
再次，要明确分析的目的？比如活跃用户数同比、环比波动较大，是什么原因呢？
▼[预期效果]
想通过分析达到什么效果？比如通过分析会员付费用户，找到问题，解决问题从而提升收入？
▼[需要什么]
想做出分析，需要什么维度的数据？如会员付费总额、付费企业数、客单价、会员付费次数、会员各等级占比？
▼[拆解指标]
我们需要找到核心数据指标进行拆解，为后续明确收集哪些数据，这里可以采用结构化分解的方法“MECE法则”，即“相互独立、完全穷尽”，也就是“不重叠，不遗漏”。
▼[数据采集]
拆解指标后，我们对数据进行采集，是直接数据库调取或者提前让技术埋点等。
▼[数据整理]
数据出来，如何整理用户数据、各个渠道新增报表等？
▼[如何分析]
完成数据整理后，是如何对数据进行综合分析，相关分析或者对比分析？还要考虑用什么分析方法——5w2h分析法，4p分析法，杜邦分析法等？其他竞对做的活动更具吸引力？产品付费功能是否出现问题？
▼[数据展现]
找到问题后，让数据呈现出画面感。如新增渠道的付费转化率较低，那么转化率低代表什么？此时我们就需要考虑用什么图表表现？是用柱状图还是趋势图等？环状图用于展示各个数据在总数据中的占比，适用于看数据分布的比例，如渠道流量分布、各个应用商店App的下载量分布等。柱状图用于展示数据分布，如用户年龄分布、新增来源渠道分布等。折线图用于展示数据的变化趋势。不同的图表有相应的表现形式，还有饼状图，推积图，条形图，面积图等，这里就不一一列举了。
▼[输出价值]
最后，找准问题，就要进行决策，需要我们考虑如何输出？比如怎么说技术？如何说服运营策划？具体执行方案是什么？预期达到的效果如何？最后通过不断迭代，降本提效，驱动增长，最终创造价值。
······
上述是比较基本的数据思维应用思路，对于实际的数据分析工作来讲，我们根据又需要不同业务场景使用相应的数据分析模型，例如漏斗分析模型、全行为路径分析模型、归因分析模型、杜邦分析法、AARRR模型等等。总之，当你觉得数据分析毫无头绪，杂乱无章；冷静下来，根据以上思路进行梳理，当我们有大概的数据思维应用基本思路之后再做行动，只有这样才能培养自己严谨的逻辑分析能力。
二、如何应用数据思维？
数据思维应用在工作和生活中不同的场景中。
在工作中：
- 在广告投放时，若具备的数据思维，就去从广告的受众群数量大小、渠道数量、成本和效果回收情况，想办法去拆解出各种影响因素、预期效果、投入成本等信息。
- 在优化产品时，若具备的数据思维，就去梳理其商业模式、面对的用户群体、群体的使用场景，以及可能设置的付费点并去验证，同时想到可改进的价值点，并观察后续运营动作是否验证了改进点。
- 在整理回访数据时，若具备的数据思维，就会通过线索来源，通话总次数，通话有效次数&时长，线索意向级别，销售司龄等数据维度来判断这组客户的意向度，来缩短成单周期。
- ·······
在生活中：
- 若具备的数据思维，当看到为什么滴滴打车你的价格高？就会观察并思考可能是你周围叫车用户多而司机少，也可能”其他原因”。
- 若具备的数据思维，当看到为什么微信订阅号文章改版后，有了点赞，还要增加在看？会观察并思考微信想加深用户粘性，让你看到更多朋友的世界，也让微信文章得到更多曝光。
- 若具备的数据思维，当看到为什么每个超市都鼓励办会员卡后，就会观察并思考可能是因为要留住你，增加你选择去他们消费的机会，减少去竞争对手消费的机会。
- ·······
总之，数据思维的应用是非常广泛，还有在管理的应用，人力的应用等，这里就不一一扩展了，其应用基本都是大同小异，只要我们掌握了基本的思维思路，再者不断的提升工具的使用，结合实际的业务场景，贴合业务来应用数据思维，就能在工作和生活中发现问题，解决问题，总结问题。
现在我们以放渠道选择与预算分配最优的具体广告投放案例，再来简单了解一下数据思维的应用。
在制订渠道投放计划时，如何有效地筛选广告投放渠道？以及如何合理地分配投放的预算呢？对于这两个问题，我们都需要从数据思维的基本思路开始着手。
下面来以一个考勤类APP的新增渠道投放为例，如下表所示，假设现在有小米、华为、苹果等五个应用市场拉新投放渠道，通过一段时间的广告投放后，我们获取了各个渠道的新增数据、下载量、消耗费用及单个获客成本等数据。
首先，在对这几个渠道的数据有了基本的认知之后，明确其分析目标，我们可以根据广告投放的实际情况进行预算的控制和调整。比如，在缩减预算的情况下，应该如何优化投放费用的最优分配呢？
其次，理解数据，从5个渠道中可以看出，小米和oppo的单个企业获客成本最高，是做预算控制的首选渠道，应该削减这两个渠道的预算，这样能够快速产生成本压缩的效果。
进而，通过各个渠道的转化漏斗分析，看看各个渠道的转化率，环比往期数据，来优化新增渠道。其目的可以测试不同策略和素材的效果，还可以横向对比不同投放方式的渠道拉新成本，择优选择。我们就按小米渠道的各环节转为为例，转化环节可以简单的分为下载→激活→注册→创建企业。如图所示：
可根据小米渠道人群受众、广告页面、落地页以及注册方式等这些实际内容都可以通过测试数据，并进行调整优化。衡量优化效果的核心指标是漏斗对应层级的转化率是否得到提高。
在增加投放费用时，需要快速增加拉新量的情况下，又应该如何优化预算分配呢？这时，从数据上看将预算全都使用到单个企业获客成本最低的vivo渠道。但从实际的广告投放经验以及过往数据来看，vivo渠道的新增用户数相对最低，但用户精准度并不高，无法快速扩量。
最后，输出结论。根据往期数据以及用户质量和企业转化来看，苹果和华为渠道的用户精准度较高，才是扩大预算投放的首选渠道，因为从拉新量来看，这两个渠道也是大流量渠道，在平均拉新量较低的情况下，可以轻松扩量。
当然，在实际做用户拉新的广告投放时，数据比上述例子复杂得多，考虑的因素也叫多，我们需要能够通过实际数据对比，不断地优化预算分配，以获得性价比更高的渠道投放策略。
三、总结
数据思维是一种底层的思维模式，其作用有：
- 用数据作为分析素材，提高制定决策的合理性以及科学性；
- 从纷繁复杂的现象中找到问题与短板，有助于找到解决方案；
- 快速准确的调整工作方向，提高与公司战略及发展阶段的匹配性。
还有，数据思维不同于数据知识和数据技能，数据思维是用数据提出问题和找到解决问题的办法。其次，数据思维要发挥作用，需要与其他的能力组合。如问题意识、行动能力，这些都是与数据思维不同的能力和品质，它们与数据思维组合起来，创造更高效的价值。
总之，数据思维所涉及的知识点远远不止上述梳理的这些，还需要我们不断的认知升级，观念更新，来扩大对自己掌握的数据知识和数据技能的理解。
#作者#
木兮擎天＠，微信公众号：木木自由。多年互联网数据运营经验，涉猎运营领域较广，关注于运营、数据分析的实战案例与经验以及方法论的总结，探索运营与数据的神奇奥秘！
本文
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
