数据分析的目的、方法、思路

一、数据分析的目的：

发现问题、分析问题、解决问题

二、数据的分类：

1）业务数据

例如：浏览数量、转发数量、订单数量等；

获取方式：解析系统日志。

2）用户行为数据

按钮点击、页面跳转、页面刷新等；

获取方式：埋点获取数据。

注：用户行为发生时，不仅会产生用户行为数据还会产生业务数据，通过埋点的方式收集用户行为数据。

3）第三方数据

例如：广告点击率、物流信息查询次数；

获取方式：植入API、SDK代码采集。

三、数据分析流程：

明确目标--梳理业务--选取数据指标--采集数据--分析数据--呈现数据

1）明确目标

明确数据分析的目的，及时发现问题，通过数据分析找出问题出现的原因，并解决问题。

2）梳理业务

业务模块不同，用户的行为数据类型也就不同，所以数据分析的方向不同，需要理清楚产品所属的业务模块。

例如：购物类与内容类产品；购物类产品，分析的方向是与用户的订单金额、订单数量等相关的数据；内容类产品，分析的方向是与用户的浏览、发布、互动等行为相关的数据。

3）选取数据指标

数据指标是与当前业务模块相关的数据，也就需要选取对当前业务有参考价值的数据指标。

注意：产品所属的业务模块不同，选取的数据指标不同。

例如：社区类app--发布数量、互动数量

购物类app---订单数、客单价

工具类app--打开次数、使用次数

数据指标的选取要结合真实业务情况，选取与当前业务模块相关联的数据指标。

4）采集数据

方式：埋点。

埋点的原理：用户做了某件事后，向服务器发送一条日志，这条日志就是一个埋点。
埋点的本质：某件事发生后，告诉服务器发生了什么。

确定需要选取的数据指标后，输出埋点需求文档。{埋点事件所属模块、子模块、事件名称（中、英）、事件描述、参数名称（中、英）、参数值、等}

以下是关于ihour专注计时页面的埋点需求文档示例：

5）分析数据

（1）将采集来的数据导入excel文档，（此处以excel为例）

（2）数据清洗：

（i）筛选出需要查询的数据，可以将需要分析的数据列复制粘贴到一个新的表格中（保留原始数据）；

（ii）排序（升序、降序、自定义排序等）和筛复制粘贴后的数据；

（iii）去重，删除重复、不完整的数据；（数据工具栏--数据工具--删除重复值），实现数据去重。

注意：业务需求不同，选取的分析工具也不同，要根据业务需求选取适合的数据工具。

例如：分析购物页面的用户留存率，分析不同页面的转化率，分析核心用户的特征等，这些数据是难以量化的，这时如果是在excel表格中分析的效果就会大大降低，可以选择第三方数据分析工具。

6）呈现数据

数据呈现也是数据可视化，通过数据工具，以图表的形式将业务需求数据指标直观的呈现出来。