首頁 找知識 分析優化. 數據分析生態系統-如何練就數據分析的最強大腦

數據分析生態系統-如何練就數據分析的最強大腦

半個月前看到這篇,剛開始覺得不太理解 Avinash 為什麼會寫一篇這麼宏觀的文章,但是仔細讀完發現這篇文章把整個數據分析生態系統概括的恰到好處,並且以他多年的實戰經驗告訴大家每個階段要做什麼,會遇到什麼問題,需要多少時間等等。

人們一談到數據分析,總覺得很複雜,可望而不可及。

是的,其中有一些確實很複雜。比如第一方cookies、合作廠商cookies,以及跟蹤使用者、裝置、網站瀏覽器以及其他資訊。但是有些要比你想像的簡單很多很多。

幾天前,我主持了一場關於網站分析領域的討論會,這裡聚集了很多網站分析領域的大咖以及一些新人。在此期間,我找了個時機畫了一張關於數據分析的生態圖,從圖上看,數據分析真的沒那麼難。接下來我會慢慢闡述每一塊拼圖並且解釋這些拼圖之間是如何串聯起來的。

拼完所有的圖片,你會得到一張很實用有趣的圖,這張圖是一條通往優秀分析師的捷徑。

不管你在數據分析領域有多少經驗,我相信你都能從中找到價值,哪怕你是某個領域裡的大咖,這將有助於你去向你的上級表達你的想法並且讓他理解你正在做的事情。

那我們按照以下步驟來理解數據分析,我敢說你一定會對數據分析有重新的認識。

數據分析生態五階段:

  1. 數據分析的核心因素
  2. 數據分析的數據投入
  3. 數據分析的價值輸出
  4. 分析師三個必經階段
  5. 各階段的時間成本

看到這幾個階段是不是很興奮?這個過程你會發現很多有用的技巧,去深入的研究,一定會獲得一些新的洞察的。

那現在開始吧!

Step1 數據分析生態:數據分析的核心因素

數據分析中最核心的工作是理解度量的概念。你或許是這樣定義度量的:它只是個簡單的數字。

你的數據分析工具裡充滿了度量,一個平均數、一個總和或者某個百分比……

data analysis circle

有一類度量很特別,因為他們要直接和KPI(Key Performance Indicator)掛鉤。KPI是一個能夠説明你明白你的目標完成情況的度量。

如果你不知道你要去哪裡,那你哪裡也去不了,並且你會迷失自己。

同時,也沒有哪個萬能的KPI讓每個人覺得都適用,因為每家公司都有自己的戰略目標。當然,有些度量是無論如何都不會成為KPI的,一個很好的例子就是跳出率,因為哪怕你的跳出率從100%降到10%,這對你的業務不會產生任何大影響,跳出率降低只能告訴你使用者在跳出前多看了一個頁面,這固然很好,但是很難有什麼決定性的作用。

在你制定KPI的時候請記住這個很重要的警告--瞭解你的業務目標

現在你已經有你了數據分析的基礎——度量和KPIs。接下來一層是維度。什麼是維度?維度就是你網站訪客的屬性。

data analysis circle 01

流量來源關鍵字推薦網站廣告活動和國家,這些都是維度的例子。再比如,網頁或視頻名稱、裝置等也可以是維度。這看起來有點奇怪,但是這些確實都是可以作為維度的,那麼如果你對這些資訊進行跟蹤,這會產生很大的價值。

通常情況下,在我們的表格中,維度出現在行裡,而度量和KPIs出現在列裡。

現在我們擁有了創造美妙音樂的主要材料,

作者悄悄話:此指可以做優秀的數據分析

同時我們要透過自定義數據報告來實現這一步。

請注意,我說的不是標準報告,我說的是自定義數據報告。因為在這裡我要強調網站報告和網站分析的區別。

當你開始使用自定義數據報告,你將不得不盯著一張白紙,然後找出到底發生了什麼。如果想讓你的分析工作更加出色,你將不得不和你的主管、同事、客戶交談,並且明白你要回答他們哪些問題。接下來為了更出色地完成工作,你肯定不希望自己隨便做點事就交差了,你必須找到這些問題的最終答案。

data analysis circle 02

所以,如果可以,你就製作自定義數據報告吧。如果你喜歡,可以先從我的網站上下載我最喜歡的三個自定義數據報告或者三個SEM廣告分析自定義數據報告

在這個階段,你的直屬上司會非常開心的,好像你真的發現了很重要的問題(但任何事情都不是一蹴可幾的 ),這將持續四到六個月,我真心希望你能喜歡這樣的感覺。

在這個階段即將結束的時候,你將會注意到一件事,就是將小孩和成年人分開了。高度區分是很重要的功能,原因很簡單,因為把所有的數據完全堆砌在一起,這對分析是毫無益處的。

為了讓你真正理解你的業務、客戶和收入,你需要把數據進行區隔,需要把數據按照不同類別去區隔分析,「無區隔,毋寧死」。

data-analysis-circle-03

作者悄悄話:高度區分:將整體數據按照不同的類型進行分類,以便深入分析

為了讓自己分析出可行的資訊,你需要從看宏觀的數據聚焦到區隔的微觀數據

現在核心的元素都介紹完了,包括度量KPIs維度自定義數據報告高度區分。這部分已經沒有其他要添加的內容了,在數據分析生態裡其他的元素都是圍繞著這五個核心元素的。

 

Step2 數據分析生態:數據分析的數據登錄

數據登錄分三個階段,讓我們從下圖的左側開始吧。

正如上文提到的,要將度量設定為KPIs(當然還要關注度量和高度區分),你需要很清楚你的業務優先順序,這部分很好理解。

data-analysis-circle-04

要知道業務的優先順序,你需要從你能接觸到的公司的高階主管那獲取對應的數據。你可以聯繫你的 CMO 或者 CEO,這是值得去做的。

很多的數據分析結果都會石沉大海,因為很多分析師都會癡迷於他們所感興趣的分析結果,而不是老闆們所關心的內容。不要犯這樣的錯誤。

接下來讓大家看一些真正有意思的內容,不管你的業務有多大。

接下來的數據投入是你的競爭現狀相關的資料。關注那些你知道或者不知道的競爭對手,剛開始的時候可以透過問你的 CMO 或者 CEO :我們的競爭對手是誰,是誰讓你們徹夜難眠?然後去Google(或者 Yandex、Baidu 和 Seznam)輸入和你業務相關的關鍵字,看看自然搜尋付費搜尋結果,不管你喜不喜歡,這些就是你的競爭對手。

data-analysis-circle-05

研究一下他們的優勢在哪裡?他們在哪些地方和你做的不一樣(不管是比你好的還是比你差的)?他們的流量從哪裡獲取?他們的訪客的趨勢是什麼樣的?這些競爭情報分析都是絕對重要的數據投入,因為這樣可以確保你的業務優先順序是更加合理的。你設定正確的KPIs高度區分,這直接決定了你要如何設定你的自定義數據報告

競爭情報分析不需要每天都做,但是下圖左側最底下部分的投入將會是新機會分析方面的內容。

data-analysis-circle-06新的機會將會讓你的業務有完全不同的發展方向。最起碼這將會在戰術和戰略上很大程度地影響你的分析。做好準備,主動地挖掘並找出答案,讓自己成為一個更優秀的數據分析師

以上就是左側三個部分的內容。

接下來,在頂部和底部將放上你想看到的核心內容。

分析師/大腦(Analysts/Big Brains)放在頂部。

工具放在底部。

把工具放在底部不是因為工具不重要,僅僅是放在底部而已。

data-analysis-circle-07

回到2006年5月,當時我創立了10/90法則,工具作用就是要比分析師的作用小一些。大家不要對這個結論覺得驚訝。

作者悄悄話:

10/90法則:如果你有100美元將要投入到數據裡,聰明的做法是將10美元投入到工具和部署諮詢上,另外的90美元要投入到分析師(或者大腦)上。

不管你的數據有多少,不管你的工具有多強大,如果你離10/90法則太遙遠,那一切關於大數據的承諾都是不會實現的。

人很重要,聰明的人更重要。工具只是用來輔助他們的,千萬不要本末倒置。

以上是這個圖片完整的三個部分。你可能會擔心到目前為止你只看到投入,是的,一點都沒錯,但是這會給我們之後的工作帶來大量優質的原材料。

Step3 數據分析生態:數據分析的價值輸出

不管我們想輸出多少,第一批要輸出的就是清理後的數據。

作者悄悄話:很多數據會受污染,需要清理數據才能排除垃圾數據的干擾。

data-analysis-circle-08輸出清理後的數據是自然進化的一部分,當你擁有數據的時候你會非常興奮,你迫不及待的想要一吐為快。很多人可能沒有見過數據,所以當他們見到跳出率或者目標路徑報告(Reverse Goal Path )的時候會非常興奮。

你要迅速克制這種興奮的心情,並且你的公司要迅速跟上你的節奏,如果公司只是讓你製作更多的報告,並不過問你更多的觀察結果,這很有可能是你進入一家不好的公司或者職業生涯出現問題。

通常只要一兩個月,人們就能意識到這些沒有處理過的數據是沒有用的,然後轉向去問你要他們需要的其他有用的數據,這是一個很好的信號,接下來讓我們進入自定義可用數據CDPs)階段。

data-analysis-circle-09

這是一個很棒的階段。付費搜尋廣告(SEM)團隊會找你要數據,內容製作團隊會找你要頁面價值方面的數據,著陸頁優化團隊會找你要關於網站或者APP的週期性報告,等等。

他們會向你要些沒用的指標數據,即使這樣,他們還會一直要數據。好了,那麼你怎麼才能給他們一些真正有用的數據

你想讓他們知道他們並不是分析師,他們不懂得如何為數據區隔分析,他們不懂得去深入分析找本質原因,他們更不懂得如何創建自定義分析需求去解決一些很難的問題。但是他們會很快的解決這些問題,給他們幾個月時間就夠了。

在這個輸出階段,最後一部分是:洞察、行動和業務影響

如果公司開始要你輸出這些東西時,你的目的就達到了。

data-analysis-circle-10

洞察(Insights)數據的產物。最常見的就是「數據顯示X現象,當我們深入分析之後,找到了Y和Z兩個原因。」大多數分析師到這就沒有繼續深挖了,因為這是他們在所有圖示中能夠看到的東西,但是要想進一步提升,你必須再次深挖造成Y和Z的原因是什麼。

行動(Action)是商業很重要的一個環節。最常見的業務情形是「這個清單上的關鍵字在搜尋引擎廣告上要有3倍的投入」、「要關注佛羅里達的A、B、C三個產品和阿姆斯特丹的Z產品」、「因為X原因,我們要對視頻廣告進行投入」等等。行動是商業中很特別的事情,你作為分析師必須要確保有這樣的見解並提出來,而不僅僅做一個撰寫報告的人。

最後是業務影響(Business Impact)的評估,這主要在於你的公司採取了行動後將會給公司帶來哪些影響。最常見的場景是「對這清單上的關鍵字搜尋引擎上投入三倍以後會給我們每週增加89.3萬美元的收益」「關注特定地區的特定商品將會增加657%的利潤」

以上就是整個圖片的所有內容了。

看起來沒那麼複雜吧。五個核心元素和周圍相應的輸入和輸出。

如果你是一個領導角色或者想成為領導角色,接下去兩個部分會非常有價值。接下去將會看到如果你要執行制定好的戰略,你要走哪些階段,並且要清楚,為了獲得成功哪些團隊應該放在這個生態系統中的哪個部分。

Step4 數據分析生態:分析師的三個成長階段

很多人進入數據分析領域總想做些變革,但是失敗了。在網站分析方面,只要做改革就夠了。一個改革性質的戰略是無法讓公司一夜間突然變強大,但是它能使每個人都能更好地在一起共事。

我喜歡這樣的做事方式,做一件自己認可的事,做到極致,然後帶動你身邊的人一起把事情做到極致,接著一直傳遞下去。

如果你只是一個數據分析領域的菜鳥,你會發現你最好的做法就是將戰略執行下去。如果你的公司沒有做的很好,你需要指出為什麼事情會這麼混亂或者你為什麼沒有取得更多的進展。

這個階段,你做任何執行對於公司、個人能力等都是微不足道的,但是我將會從我多年的工作經驗中告訴你一些在剛接觸這個行業時該怎麼做會獲得最大的收穫。

我相信大部分人經歷以下三個階段就能夠做的很出色了。

階段一:全部都是關於獲取數據。

首先部署工具並確定第一批要監測的度量,這樣有助於讓你去理解公司業務的優先順序。

這樣可以讓我們及時完成KPIs維度的設定。好了,第一步到第五步就是你上面所介紹的。

data-analysis-circle-11

階段二:全部關於數據報告。

此階段從輸出沒有經過任何處理的數據開始,這將説明公司意識到很多事是工具做不到的,從而讓公司趕緊給分析師更多的投資。請記住要給分析師更多的回報,因為如果你扔出去的是花生,你只能招來猴子。

data-analysis-circle-12

接下來我們很順理成章的進入到自定義數據報告CDPs(沒有經過任何處理的數據),這個階段的最後一步是高度區分

接下去的這個階段是很少人能夠到達的。

階段三:全是有關於對數據分析領域有顛覆性的事情。

這個階段從識別洞察開始。然後作為行動,試著發一封郵件並用英語描述重要的部分,包括數據要表達的意思以及這樣做的原因。接下來轉移到競爭情報部分,這部分內容將會對我們造成很大的影響,甚至會影響到我們的公司戰略和數據分析

data-analysis-circle-13

估算每個行動對業務產生的影響是非常艱巨的。你必須要很擅長預測性的分析,並且要能夠和其他團隊溝通,包括財務部門,瞭解業務趨勢。最後你只需要弄清楚整個實施的過程,然後評估新的商業機會並將其轉換為價值。

好了,總結一下,

第一個階段是培養自己熟練掌握獲取數據的能力

第二個階段就是鍛煉自己做數據報告的能力

第三個階段是數據分析能力的培養

Step5 數據分析生態:各階段的時間成本

做這些事需要多長時間雖然取決於你自身的很多因素,那請允許我分享一些我這些年工作中累積的經驗。

如果你現在才開始接觸數據分析,那你需要花費6個月的時間才能完成階段一。這包括分析工具的部署等問題(你不需要掌握所有工具的部署)。

第二個階段將要花費6-12個月。此時你的主管也在評估你的工作,他們會給你更多的錢去購買工具,然後制定更合理的戰略。

第三個階段是無止境的,但是這也至少需要花費9-12個月讓你掌握這個階段的技能,這樣你就可以達到一個能夠為公司創造獨特價值的高度了。

第三個階段是你不斷進步的過程,你只會越來越優秀。

希望這篇文章能幫你認識到整個數據分析的生態系統,讓你知道每個階段要做的事情以及所要花費的時間。

還有很多的事情要做,比如努力工作並堅持下去。

本文由dcplus編輯室撰稿,作者/譯者:林森

本文出自:数字分析生态系统-如何练就数据分析的最强大脑

WAW夥伴介紹 林森

射手學院資料分析課程體系負責人,曾任 Ptmind 產品經理,百度行銷研究院資料分析師。

關於 WAWChina

WAWChina
網站分析星期三(Web Analytics Wednesday) 是一個頂尖的互聯網交流和分享的NGO平臺, 同時也是國內最大的系統介紹網站分析以及互聯網行銷分析和優化的專業網站。WAW創辦人宋星是百度廣告產品部首席顧問;WAW共同創辦人顧青是E-Bizcamp.com創辦人暨執行長。

大家都在看

Better Ads上路後,行動版網站蓋版廣告流量變化

Better Ads上路後,行動版網站蓋版廣告流量變化

Google 於今年 7/9 於自家 Chrome 瀏覽器上全球性封鎖引起使用者反感的 12 種蓋板廣告形式。廣告主們需要更了解自己的流量來源,根據商品或者服務量身訂做適合的廣告板位,更有效率的觸及目標客群,同時提升更好的使用者體驗。

還想知道更多數位新知?快來訂閱 dcplus 關鍵分享報