一、數據分析&挖掘
數據分析並非信手拈來的，數據分析是有其一定的框架可遵循的。
數據分析的框架可以分爲3個主要步驟：
- 理解行業業務
- 將數字轉化爲結論
- 結論的驗證與實踐
1. 理解行業業務
對任何問題的優化，其前提都是對行業業務及崗位需求有着基本的理解。
數據只有依附在實際業務上，才能從概念轉化成具有實體意義的內容。
2. 將數字轉化爲結論
數據分析是一個分析+探索的過程。我們有時是帶着問題和假設去分析、驗證，有時是純粹地在數據中探索，但無論怎樣的形式，我們都需要數據將我們導向一個理性的結論。
獲得理性結論是一個非常關鍵的環節。當我們跟一些同行交流下來，大家在做數據分析的時候經常得出一些看上去很正確的結果，但這些結果其實對業務指導的價值卻很小。
這樣的結果是因爲分析還不夠深入，並且沒有把握住業務核心，纔會導致看上去很正確的觀點，在實際的指導中卻沒有很好的效果。
3. 結論的驗證與實踐
獲取結論後，我們可以嘗試將理論投入實踐：
- 演繹論證已有結論
- 利用結論去優化業務
對結論進行演繹和論證，是從多維度證明我們的結論的可操作性。
通常我們可以用其他產品的已有數據去佐證這個結論，我們也可以在無數據的情況下，開展產品的版本AB測試來收集數據，去實驗、驗證結論的可行性。
無論是用什麼樣的方法，都是爲了證明數據獲得的理性結論，是能夠實際且有效地指導業務完成優化。
二、數據分析三個通用思路
在梳理完數據分析框架後，我們轉向數據分析思路。數據分析思路並沒有優劣之分，不同的分析場景需要不同的思路去應對，這裏我列舉了三個通用的基本思路：
- AARRR
- RFM
- 5W2H
1. AARRR——海盜模型
一個產品自上線開始，AARRR模型便從用戶獲取、留存激活，再到營收傳播等流程，貫穿了產品&用戶聯繫的全鏈過程，整體用戶進入產品後產生的每一板塊的數據都是分析點。
AARRR的思路比較適合分析產品的整體情況。特別是產品還處於早期測試階段的時候，我們就可以用這個思路去做產品的場景分析，從每一步的場景模擬去找到產品優化改進的點。
2. RFM——用戶價值分析體系
RFM是用戶價值的分層、評估體系。
我們在傳統的用戶分羣模式中，將用戶直接分爲：大R、中R、小R，按照累計的充值金額去粗暴地做用戶劃分，很難在這個基礎上做到更加精細化的策略應對。
RFM就給出了比較全面、有規範的分層模式，可以把用戶分羣爲，例如高價值、中等價值、潛在價值等等層次。依據RFM給出不同層次的用戶需求，我們可以爲不同的用戶策劃出更爲精細化的運營策略。
3. 5W2H——分析的基層框架
5W2H是最爲常見的事件分析思路。
我們在做數據分析的時候，其實大部分處理方式的底層思路，均可歸屬到5W2H的思路。
我們會去梳理：
- 發生了事件？
- 事件發生在哪裏？
- 什麼時候發生的事情？
- 事件的關聯羣體？
- 事情是發生的理由？
然後根據5W獲得事件處理方案：
- 我們該如何處理？
- 我們的事件處理程度？
這是一個比較寬泛，同時也是經常用到的分析思路。
更多數據分析方法及案例關注公衆號：數數科技
數數科技是最專業的遊戲企業數據服務商，歡迎試用數數demo：
https://www.thinkingdata.cn/?source=%E7%9F%A5%E4%B9%8E
讓數據價值觸手可及