1700502873
1700502874
❑产品价值的影响。只有产品能给客户带来价值，才能让客户有足够理由去付费购买，如果客户在使用产品后感觉并不能带来所希望的价值，那么他们是不会继续购买的。
1700502875
1700502876
❑相关支持团队的影响。比如活动页面上线不稳定，用户购买下单的流程复杂，近段时间网银接口故障多，甚至是数据分析团队所建议的潜在目标人群的特征不准确，导致运营效果不好等。
1700502877
1700502878
针对上面种种可能出现的原因（大胆假设），要经过小心求证来一一验证、排除、锁定，并最终找到解决方案。比如，针对运营效率的影响这部分，如果把近1个月的产品运营中相应的各种转化率与之前半年来的转化率进行比较，就可以发现是否是转化率出了问题。然后，针对具体的某个转化率下降的原因，继续探索。比如，如果是活动页面的浏览量和转化率显著降低，那么可能的原因包括是否送达失败，是否目标受众不准确，是否投放的渠道有变化，是否投放的时间段有变化，是否文案需要改变等。通过这样一层层的小心求证，最终会发现问题的根源并找到解决的办法。
1700502879
1700502880
1700502881
1700502882
1700502884
数据挖掘与数据化运营实战：思路、方法、技巧与应用 16.5 20/80原理
1700502885
1700502886
20/80原理既是一个有趣的普遍存在的社会现象，又是一个基本的、常见的分析思路。
1700502887
1700502888
在我们的社会生活和商业活动中，往往是80%的产出来自20%的投入、80%的结果来自20%的原因、企业中80%的利润来自最核心的20%的产品或客户，甚至在个人生活中，在80%的时间里，你常穿的衣服占你全部衣服的20%，你在网络购物中的80%的消费都集中在你反复光顾的20%的核心卖家那里。
1700502889
1700502890
对于数据分析师而言，20/80原理的价值就在于有意识地关注和聚焦20%的核心产品、核心用户、核心因素、核心问题，这样你的分析工作才可以有效率、有主次、有先后、条理清晰。
1700502891
1700502892
在数据化运营的商业实践中，任何一个商业问题、分析需求都会受到很多因素的影响，要面面俱到地把所有的因素都考虑进去是不必要的，也是不可能的。所以，数据分析师的一个基本思路就是分清主次，针对最核心的问题及因素重点进行攻关，这样才可以快速解决问题，达到事半功倍的效果。
1700502893
1700502894
在16.4节提到的案例中，虽然通过头脑风暴列出了来自不同思考点的种种潜在原因，但是数据分析师最终还需要通过一系列快速、有效的判断来排除大部分影响不明显的次要因素,或者是错误假设，从而聚焦到核心的因素（本案例中，就是运营活动中的渠道选择不准确，引流量和转化率都明显下降），并对核心因素展开深入分析，最终找到解决方案，即重新优化运营通道，提升引流量，提升转化率。
1700502895
1700502896
20/80原理其实反映了矛盾论的观点，那就是要善于抓住主要矛盾和矛盾的主要方面，这样才可以重点突出、聚焦充分，才可以真正有效地发现问题、解决问题。
1700502897
1700502898
1700502899
1700502900
1700502902
数据挖掘与数据化运营实战：思路、方法、技巧与应用 16.6 结构化思维
1700502903
1700502904
无论是之前提到的基本的方法论，还是大胆假设、小心求证，或是20/80原理，都是从过程上为数据分析师提供参考和工具，那么结构化思维更多的是从结果中对数据分析师提出要求；如果说之前提到的这些方法论都是可以让数据分析师依葫芦画瓢，有章可循的，那么结构化思维就没有这么容易了，它更多的是数据分析师经验的积累和能力的综合表现，不是短时间内可以提高和达到的。但是，本节专门讨论这个问题，还是希望数据分析师能有意识地向这个方向发展，这是数据分析师职业发展中的一个阶段性目标，也是数据分析师综合能力提升的一个阶段性目标，更是数据分析师在数据化运营实战中成长进步的一个阶段性目标。
1700502905
1700502906
结构化思维有以下两方面的含义：
1700502907
1700502908
一方面，要求数据分析师在一个分析需求或一个分析课题中，全盘统筹，各环节、各方面都能思考周详。比如，从商业背景，到分析目标，到不同的思路方案，到各方资源的调配，到分析过程中的难点预判和产出物预估，到后期的落地应用方案的调整和实施等，都能考虑清楚，使之成为一个完整的业务链，从头到尾，顺畅流利，无懈可击，就像统兵的大将一样运筹帷幄之中，决胜千里之外。
1700502909
1700502910
另一方面，要求数据分析师针对任何分析需求或分析课题，能做到事先心中已经有成熟的类似模块化的解决方案。比如，针对用户特征分析专题，数据分析师心中已经具有了适合自己的成熟的分析思路和分析方法，包括用决策树去提炼，用预测模型去圈定，用聚类技术去分群，用透视表去摸底，用假设检验去提炼等各种方案。并且，数据分析师对于每一种方案都要胸有成竹，包括具体的数据要求、各自适合的业务场景、各自的优势和劣势、分析师自己的把握性、大概的效果预判，乃至如何落地应用、如何化解过程中的突发情况等。只有数据分析师心中具有了充分成熟的模块化解决方案，才可以在数据化运营的商业实践中游刃有余，在面对任何商业分析需求时，才可以从容自信，应对有方，才可以及时、有效地保障对业务的支持和推动。
1700502911
1700502912
结构化思维，也就是之前提到的两方面的要求，说难也难（罗马不是一天建成的），说简单也简单（熟能生巧），数据分析挖掘的关键在于多看、多思、多练，所以在数据分析师的成长过程中，参加实际的商业实战是关键，而且多多益善。
1700502913
1700502914
当你觉得自己已经具有了较高水平的数据分析的结构化思维，并且在不同的商业实战中这些结构化思维得到了不错的验证时，那么恭喜你，你至少已经是真正意义上称职的数据分析师了。
1700502915
1700502916
1700502917
1700502918
1700502920
数据挖掘与数据化运营实战：思路、方法、技巧与应用 16.7 优秀的数据分析师既要客观，又要主观
1700502921
1700502922
数据和数据分析既然是客观的，那么数据分析师面对分析和结论时当然也必须是客观的。但是，在数据化运营的商业实战中，优秀的数据分析师应该在客观的基础上，抱有一定的主观态度。这里的主观主要体现在以下几个方面：
[
上一页 ]
[ :1.700502873e+09 ]
[
下一页 ]