Smartbi：掌握这四个思维方法，数据运营从入门到精通

Posted 2021-09-04 Smartbi大数据

近年来，互联网电商行业蓬勃发展，数据运营工具层出不穷，对运营这个岗位的要求也越来越高，很多面试者可能在面试的时候会面临这样的提问，“为什么销售量下滑了？”、“为什么转化率变低了？”，但是往往都给不出面试官满意的答案。

可见，数据分析运营思维是多么重要，在未来具备数据分析运营能力的人才，才更有可能获得机会，为企业创造更多价值。但是，你可能会苦恼，要想提高数据运营思维能力，应该从哪做起呢？

依据我多年在运营岗位的工作经验，我个人认为在数据运营中，有四个思维方法是你必须要掌握的，十分常见也十分重要：细分思维、对比思维、数值转换思维以及异常值思维。

一、细分思维

1、单一维度细分

通过时间、空间、过程等单一维度进行拆解，比如将全年销售分解成12个月，将全国GDP分解成各个省市地区。

2、个维度交叉细分

通过2个维度的交叉，分析定位问题和原因，单一维度的应用虽然简单，但却过于浓缩，会将各组数据的差异在合并过程中消除掉，所以有时在分析问题时，需要再细分分解，如某学校男女生录取比例一致，但是再细分到学院分析，发现文学院女生的录取率比男生高，而理学院的男生录取率比女生高。

图片4.png

运营工作中，2个维度的交叉细分应用，比如研究新老客户对品类的需求差异，那么就是维度一新老客户和维度二各个品类的交叉分析

3、多个维度交叉细分

多维度的交叉细分相对复杂一些，主要应用场景更多是在用户运营，用户研究分析上，例如RFM模型，通过最近一次消费 (Recency)、消费频率 (Frequency)、消费金额 (Monetary)三个维度，每个维度一分为二，将用户群切割成八个小群体进行针对性的运营。

图片5.png

二、对比思维

对比的对象

1.和行业对比：判定大盘下是否有利

例：市场处于上升期，核心是增长速度，行业销售增长率50%，而我们自身店铺是20%，低于行业增长率，根据平台流量分配原则，给我们的流量就比较少

2.和对手对比：

a.和直接竞争对手对比：参考值的设定，一般要求人群和产品相同或者相似

例：我们的产品是高客单价的连衣裙，低客单价连衣裙的商家就不是我们的直接竞争对手

b.和行业标杆对比：学习模仿标杆，操作上对自己的店铺进行优化

例：他们的详情页做的比较好，就要分析详情页哪做的好，是排版逻辑、还是文案、图片取景、拍摄角度、图片构成等，然后进行学习模仿

3.和过去对比：

一般和过去对比分为环比和同比，和过去对比的时候需要注意时段问题：是否是一个处于活动期一个处于非活动期或者季节是否相同。

4.和目标对比：

例：目标：销售额100万，实际完成80万，对比20万没有完成，通过细化找出原因

对比注意事项

1.同量级：店铺层级是否一致、品牌影响力是否一致

2.同人群：例：同样买连衣裙，我们是高端人群，那么低端人群就不是我们直接对比对象

3.同产品：例：我们是卖榴莲，那么卖苹果就不是我们直接的对比对象

4.同时段：

a.产品是否处于同一时段：例：对比转化率，我们的产品是新品期，那么爆款产品就不是我们直接的对比对象，因为随着流量的增长，转化率势必会下降

b．同时段的环境是否一致：例：618活动中和活动前对比，周五和周六对比

三、关联思维

在大数据世界未出现时，人们往往执着于现象背后的因果关系，试图通过有限样本数据来剖析其中的内在关联关系。数据量小的另一个缺陷就是有限的样本数据无法反映出事物之间的普遍性的关联关系。

而在大数据时代，人们可以通过大数据挖掘技术挖掘与分析出事物之间隐蔽的关联关系，获得更多的认知与洞见，运用这些认知与洞见就可以帮助我们捕捉现在和预测未来，而建立在关联关系分析基础上的预测分析正是大数据的核心议题之一。通过关注线性的关联关系及复杂的非线性关联关系，可以帮助人们看到很多以前不曾注意的数据之间存在的某些联系，还可以掌握以前无法理解的复杂技术和社会动态，关联性关系甚至可以超越因果关系，成为我们了解这个世界的更好视角。

四、拐点思维

每一个拐点都有可能使一个新的机会，所以要培养拐点的敏感度，然后明确运营节奏、拐点思考的的方向。

1. 从历史数据中总结出的拐点；
2. 消费者对商家提出新的需求带来的拐点；
3. 社会热点引起的拐点。

拐点思考注意的事项：

1. 量级是否具备参考意义；
2. 未来趋势预判的业务逻辑是否正确。