01 人人都要学习数据分析 职场人想要升职加薪的必备技能,必然是数据分析技能了。对于每一个职场人来说,重要的是培养自己的数据分析思维:对数据敏感、了解数据背后隐藏的原因、根据数据制定对策。 无论是作为数据分析师,或者分析数据的岗位,或在实际工作或面试中,经常会遇到一些项目需要进行数据分析,并通过分析得出的结果指导实际的业务工作。那么,对于数据分析,我们应当确定分析的框架?我们应当如何通过数据分析思维解决实际工作问题并提升提升效率? 02 什么是数据分析思维? 根据数据分析解决的问题,可以判断出数据分析所应具备的思维,简单而言,就是根据问题找到对应的解决方法。 那么,应当怎样建立数据分析思维?今天就带大家学习一线互联网大厂数据分析师、操盘过百亿量级运营活动、十方首席数据分析师——安娜老师总结的3种常用的商业模型,教你建立数据分析思维!还不快快码住! 03 常用的三大商业模型 1、AARRR漏斗模型——聚焦用户增长/ Acquisition 获取 解决这四个问题:获取哪些用户?在哪些渠道获取?产品有哪些卖点?哪些方法获取用户? Activation 激活 获取用户后让用户感受到产品的价值。 Retention 留存 确保获取的用户是真实用户,通过核心优势满足其需求、挖掘其痛点、解决其困惑、提升其价值。 Revenue 收入 通过让用户接受的方式收取费用。 Referral 传播 超出用户期望的需求,通过增长策略进行策划营销。 适用场景:运营业务流程、用户增长 随着互联网新增人口红利的消失,关注点开始向拉新的后续环节推移,也更注重精细化运营在面试或是工作中,遇到具体的业务问题,可以使用AARRR模型展开思考,从环节与漏斗的角度对业务问题进行归因,验证猜想,并给出合理性建议。 2、PESTEL模型——聚焦宏观环境/ Politics 政治 国家政局稳定、一带一路政策、限购政策增多、节能减排政策、鼓励万众创新 Economic 经济 经济结构转型期、GDP增速下降、经济下行、制造业产能过剩 Society 社会 交通制约、购车目的改变、消费重心下移 Technology 技术 节能减排、新能源技术 Environment 环境 空气质量、环保问题 Legal 法律 环境法 适用场景:竞品分析、评估机会、战略分析、国际化业务 在数据分析工作中,也有行业研究方向,为集团新业务开发、市场准入提供决策支持,就需要我们从宏观入手分析宏观形势对业务带来的影响。 3、KANO分析模型/ 魅力因素: 用户意想不到的。如果不提供此需求用户满意度不会降低;提供此需求,则会大幅提升。 期望因素: 提供此需求用户满意度会提升;不提供则降低。 必备因素: 优化此需求用户满意度不会提升;不提供则大幅降低。 无差异因素: 用户不在意的。无论提不提供此需求,用户满意度都不会改变。 反向因素: 用户没有此需求,提供后反而降低。 使用场景: 针对用户需求角度出发的功能评估 以上三种模型从3个视角出发,已经能够覆盖大部分的分析问题了,不过模型对于我们来说只是基础层次的框架,框架下的骨肉就需要我们了解业务知识、并通过不断学习来填充。 总的来说,对于需要提高工作效率的职场人们,就需要深入学习数据分析课程,以构筑自己的知识体系和能力框架,提高数据分析能力来助力我们成为自己行业的佼佼者。
|
|