数据非常重要，没有数据就没有评估标准和优化参考，做事就没有依据。而且不同职位，管理层、执行层看待问题的角度是不同的。

今天泛泛聊聊运营工作中数据分析的事儿。

具体数据分析工作中一般有两个应用场景：

一是看运营活动中的数据，分析数据而后发现问题；二是先有个目标，根据目标用数据去拆解，看看距离目标差多少，有没有机会点，判断下一步的工作重点。

好看的数据报告能帮你快速说清楚事儿，尤其是在做工作总结和报告的时候。一份漂亮的表格加图表报告比直接写数据更容易展现自己的工作价值，赢得上司的赞赏。

但不必夸张，比如有时候在某短视频平台上刷到有关数据分析的课程，貌似学了就可以打通任督二脉，瞬间开挂，解决一切问题。这是不可能的。

因为数据分析背后的本质还是解决问题的能力。一招秒杀一切只存在于武侠小说，现实中需要一点点积累跬步才可以至千里。

培训是最好的学习方式，而非把自己的人生责任寄托于别人。具体的分析技能和解决问题的能力还是自己多加锻炼培养。

我们这里讨论的是产品、运营过程中常常接触的数据，而非需要应用高等数学模型进行高端算法，处理高并发的“大数据”。

产品运营过程中的数据其实都是被“定义”出来的。或者说你要学会去定义关键数据指标。而这些关键数据指标的达成有利于你最终目标的达成。

以上的说法比较虚。举个例子：比如日活DAU的定义。

如果是社交类产品，注册+停留时长，或者注册+加了几个好友可能定义为DAU；工具类产品不强制注册的话，打开工具+使用了几个关键功能是否可以定义为DAU；还比如一个教育类网站，对于DAU的定义是否需要是注册+停留时长...

关于工作OKR的关键指标拆解本质请看这篇文章：如何管理好一个四五人的小团队｜无保留分享。

产品在运营过程中需要关注的几类数据：

一是与用户相关数据：

用户画像数据，比如用户年龄、性别、职业、所在地区等数据；这些都是用户的自然属性。用户分层数据，用户多的情况下需要分层，比如里普通用户和经常产出优质内容的用户分开进行运营策略的制定。用户行为数据，即用户在网站&APP产品上的行为流数据，比如注册、下载、点赞、关注、试听、购买...

二是与业务相关的数据。

比如GMV、用户增长数据，平均人效。这些都是反应产品的赚钱能力与商业价值的数据。这里容易漏掉的就是对于“人的成本”的计算。

企业里数据分析的工作就是不断地寻找所有用户数据中的机会点来促进业务相关的数据，增加产品的商业价值。

上面说完产品运营需要关注的几类数据之后，接下来我们转换下视角，从公司组织架构各个梯队职责看数据分析。直接上个图：

执行层肯定更关注自己工作负责部分的数据，如公众号的粉丝、阅读量；

中层管理更关注自己负责模块的数据，如竞品怎么做的，某个活动的数据、增长的数据、交付的数据等；

高层关心的是业务数据、财务角度数据，人效数据、行业数据等等。

数据分析都是用来判断知道下一步工作的 ，执行层工作方法错误导致可能浪费1天-1周的工时；中层策略错误可能导致整个部门浪费1-3月时间；高层战略错误可能导致整个团队浪费6个月-2年时间，甚至失去市场良机，带来毁灭性打击。

ok，今天的文章较短。主要聊聊大的数据层面的事情。最后给经常接触数据的小伙伴们一个数据分析流程图：

作者：杨帆 专注个人成长与职业发展，分享运营技能，教育行业运营总监。