編輯導讀：精細化運營的核心是數據驅動增長，透過數據分析指引產品迭代和運營推廣。因此，運營人員需要掌握一定的數據運營能力。本文作者從自身工作實踐出發，梳理總結了3個最常用的運營方法，與大家分享。
隨着近些年互聯網電商蓬勃發展，對運營的要求隨之提高，面試運營崗位的時候，常會提問數據運營分析相關的問題，但回答常常令人失望，要麼説不清楚分析思路，要麼抓不到核心指標。
這種場景，在產品和運營工作中也是經常發生的，試想領導問”近期銷售下滑是什麼原因““為什麼轉化率掉了？”這些問題時，你會怎麼應對？
可見，數據分析思維的重要性，未來具備產品思維和數據分析能力的運營，才能獲得更多的空間，創造更高價值。
身邊很多朋友都苦惱如何提高自己數據分析的能力，説實話，EXCEL數據處理技巧，可視化圖表，這些工具都是容易學習上手的，但是難點在拋出一個問題，如何通過數據找到解決這個問題的方法，關鍵就在數據分析思維。
思維方法有非常多，經過多年運營工作的積累，個人認為有三種思維是最常用的：細分思維、對比思維、相關思維，很多其他的思維模型，大多是這三種思維的綜合應用衍生出來的。
一、細分思維細分思維應用的最頻繁，幾乎每天都在應用，比如應用思維導圖對某項任務的細分拆解。細分思維主要是將某個指標層層分解，拆解成最小顆粒度，定位分析問題的一種思維方法。
那在數據分析上，細分思維如何應用呢？
1. 單一維度細分通過時間、空間、過程等單一維度進行拆解，比如將全年銷售分解成12個月，將全國GDP分解成各個省市地區。
2. 2個維度交叉細分通過2個維度的交叉，分析定位問題和原因，單一維度的應用雖然簡單，但卻過於濃縮，會將各組數據的差異在合併過程中消除掉，所以有時在分析問題時，需要再細分分解，如某學校男女生錄取比例一致，但是再細分到學院分析，發現文學院女生的錄取率比男生高，而理學院的男生錄取率比女生高。
運營工作中，2個維度的交叉細分應用，比如研究新老客户對品類的需求差異，那麼就是維度一新老客户和維度二各個品類的交叉分析
3. 多個維度交叉細分多維度的交叉細分相對複雜一些，主要應用場景更多是在用户運營，用户研究分析上，例如RFM模型，通過最近一次消費 (Recency)、消費頻率 (Frequency)、消費金額 (Monetary)三個維度，每個維度一分為二，將用户羣切割成八個小羣體進行針對性的運營。
對比思維也是運營最常見的一種思維方法
- 縱向對比：自己和自己比，包括環比（和上一期自己比）、同比（和去年同期自己比）
- 橫向對比：自己和他人比，比如IOS和安卓的銷售額，女裝和男裝的銷售額等等
對比思維經常被錯誤應用，把不可比的數據放在一起對比，比如A品牌20年同比增長42%，B品牌20年同比增長僅28%，説明A品牌20年的銷售表現比B品牌更好？
事實上，A品牌19年業績僅3000萬，而B品牌19年業績達3億，量級差太大，根本沒有可比性。
如何避免對比思維的錯誤應用：
- 確保數據來源一致：比如對於同一指標，系統直接拉的數據和bi代碼跑的數據可能都不一樣
- 確保統計口徑、定義一致：比如銷售額包不包含拒退
- 時間屬性一致：比如同樣是2月，但有的是28天，有的是29天，也不能直接對比
- 對象一致：樣本屬性統一，比如研究死亡率，士兵死亡率和城市居民死亡率，對象不一致就沒有可比性
相關思維是比較複雜的統計學數據思維，相關思維包含正相關、負相關、非線性相關、不相關等多種類型，大部分應用在生物學、科學領域。複雜的相關分析需要應用函數，建模才能完成，而現實工作中，大部分應用不到這麼深層複雜的程度。
大部分應用主要研究A與B之間的關係，如銷售額與UV之間的關係，廣告費用成本與獲取曝光量之間的關係。
應用好相關思維，當我們在處理複雜問題的時候，能幫助我們刨除無關數據的干擾，找到關鍵的因素和指標解決問題。
但在相關思維的應用上，也經常犯錯，最常見的就是混淆相關關係和因果關係，即因為事件A和事件B存在某種關聯影響，解讀成因事件A導致了事件B的發生。所以在相關思維應用，我們要知道事件A和事件B可能存在的關係，避免陷入誤區
- 事件A引起了事件B
- 事件B引起了事件A
- 事件A、事件C引起了事件B
- 事件A、事件B沒有直接關聯，但是事件C可能會同時引起事件A、事件B
- 事件A、事件B一點關係都沒有，只是數據湊巧相關
比如看電視會導致孩子學習成績下降，試想是看電視導致學習成績下降，還是學習成績下降的孩子更喜歡看電視，難道不看電視孩子的學習成績就會提升嗎？難道學習成績提升的孩子都不看電視嗎？如果出現這類型的數據時，在解讀前，不妨像這樣反問自己，以確認數據邏輯的合理性。
四、結語數據分析思維説難不難，只要在應用或看數據的時候多留心眼，多打個問號，不要執着數據表現，多思考數據背後的關聯和差異，複雜的問題就會變得簡單了。
看完這篇文章，大家不妨把過去那些解不開的疑難雜症，再拿出來重新思考練習下吧！
本文由 @南魚 原創發佈於人人都是產品經理。未經許可，禁止轉載
題圖來自Unsplash，基於CC0協議