此笔记是学习携程iHub课程“数据分析”的记录。

数据分析的主要目的是了解用户及产品需求（理解用户、挖掘痛点、提升效率），以及协助决策、实现某些特定目标。数据分析的第一步是先明确目标和问题，再通过模型结合数据深入分析，得出结论后还需与假设相验证。

• 为什么做数据分析
  • 过程需要
    • 理解用户与产品业务
    • 挑战产品KPI目标
    • 挖掘和解决产品体验痛点
    • 提升产品优化效率
  • 结论需要
    • 产品体验结果导向，业务ROI结果导向
    • 数据分析支撑的决策，胜过千言万语
• 数据分析常见问题
  • 目标不明确，难以量化
  • 原始数据错误或不完整
  • 分析方法不全面，以偏概全
  • 忽略数据的关联性与准确性
  • 针对业务真实意图缺乏深刻理解，结论有出入
  • 只分析数据，缺少强有力的结论
• 数据分析主要步骤
  • 明确目标与问题细节
  • 规划数据分析模型方法
  • 收集整理原始数据
  • 数据挖掘与图文表达
  • 分析结论与执行
• 产品基本数据指标
  • 用户相关
    • UV
    • PV
    • 设备
    • 特征
  • 体验相关
    • 点击率
    • 跳转率
    • 跳出率（什么都没做就直接离开的比率）
    • 留存率
  • 业务相关
    • 产品
    • 价格
    • 库存
    • 班期
    • 服务
  • ROI结果相关
    • 转化率（订单数/UV）
    • 成功率
    • 收入
    • 满意度

• 检验问题和结果的有效性
  • 相关性检验：检验数据分析与问题或结果相关程度
  • 有用性检验：检验数据分析对问题或结果有价值
  • 可行性检验：检验数据分析是否真实能解决问题
• 全面审视分解正确的数据
  • 数据分析的冰山理论，全面审视各个环节
  • 数据正确性检验
    • KISS原则-对比试验验证
    • 因果逻辑
    • 精准度
    • 一致性
    • 时效性
• 验证预期目标与实际结果
  • 实际结果是否符合正常逻辑
  • 预期目标是否需要合理修正
  • 什么东西是业务肯定关心的

• 比较分析
  • 环比：这个月、上个月
  • 同比：今年、去年
  • 横向比较
  • 预测与真实比
• 趋势分析（通常以时间维度分析指标成长趋势）
• 比率分析：点击率、蹦出率、留存率、转化率、取消率等
• 漏斗分析（如下载-安装-激活-成交）
• AARRR模型（获取Acquisition-激活Activation-留存Retention-收入Revenue-推荐Refer）

• 用户行为数据采集：追踪访客数据
• 数据挖掘