《3W1H分析法全面构建数据分析思维（项目总结中使用3W1H分析法）.docx》由会员分享，可在线阅读，更多相关《3W1H分析法全面构建数据分析思维（项目总结中使用3W1H分析法）.docx（7页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、在讲解概念和执行上是个不错的思维模型，本文依例按此框架来拆分数据分析。相 信很多朋友已经有了较丰富的分析经验，这里权且从个人的角度进行梳理，以资参考。为了 帮助大家更好地理解本文，先贴出一张思维导图：01 WHY：为什么要做数据分析在目前讲解数据分析的文章里，大多数会忽略数据分析本身的目的。这会导致我们在执 行时，会出现动作变形的情况。以终为始，才能保证不会跑偏。个人的理解上，数据分析 是为了能以量化的方式来分析业务问题并得出结论。其中有两个重点词语：量化和业务。量化是为了统一认知，并且确保路径可回溯，可复制。统一认知后，才能保证不同层 级，不同部门的人在平等话语权和同一个方向进行讨论和协作，
2、才能避免公司内的人以我 感觉我猜测来猜测当前业务的情况。除了量化之外，另外一个重点词语是业务。只有解决业务问题分析才能创造价 值，价值包括个人价值和公司价值。对于公司来讲，你提高了收入水平或者降低了业务成本, 对于个人来讲，你知道怎么去利用数据解决业务问题，这对个人的能力成长和职业生涯都有 非常大的帮助。如何站在业务方的角度思考问题呢，总结起来就是八个字忧其所虑，给其所欲主要 是在这以下几个环节：1 .沟通充分2 .结论简明3 .提供信息量及可落地建议4 .寻求反馈在沟通上，确定业务方想要分析什么，提出更合理专业的衡量和分析方式，同时做好节 点同步，切忌一条路走到黑。在分析业务需求上，跟很多产
3、品需求分析方法论是类似的，需 要明确所要数据背后的含义。举例来讲，业务方说要看页面停留时长，但他实际想要的, 可能是想衡量用户质量，那么留存率目标转化率才是更合适的指标。在阐述分析结果上，要记得结论先行，逐层讲解，再提供论据。论据上，图 表 文 字。因为业务方或管理层时间都是有限的，洋洋洒洒一大篇邮件，未看先晕，谁都没心思看 你到底分析了啥。需要做到，在邮件最前面，用1-3句话先把结论给出来，即使需求方不 看后续内容都可以了解你报告80%的内容。在提供信息量及可落地建议上，先要明白什么叫信息量：提供了对方不知道的信息。 太阳明天从东方升起不算信息量，从西方升起才是。在分析的过程中，一定要从专业
4、的角度, 从已知边界向未知边界进军，力求角度新颖论证扎实，并且根据分析内容给出可落地的建议。 举个简单例子：5 2 WHAT：什么是数据分析数据分析的本质是抓住变与不变。变是数据分析的基础，如果一个业务每天 订单是10000单，或者每天都是以10%的速度稳步增长，那就没有分析的必要了。而若 想抓住变，得先形成不变的意识。积累不变，就是养成数据常识(Data Common Sense)的过程。不变是根据对 历史数据不断的观察和积累而来。一般来说会是个范围，范围越精准，你对变就越敏感。 这里有三个个人的习惯，可以帮助养成不变：形成习惯，每天上班第一时间查看数据：实时&日周月报；记住各个指标大数，反
5、复推 算，记录关键数据(榜单&报告)大部分指标没有记住全部数字的必要，简单记住大数，万以下只需要记到万位，有些数 字只需要记住百分比。而指标之间的推算可以帮助你对各个指标的数量级关系和逻辑脉络 梳理清楚，出现波动时便能更加敏感。记录关键数据是将工作生活遇到的比较有趣的榜单或 数据报告保存在一个统一的地方，方便查阅和分析。在不变的基础上，便能逐渐培养出指标敏感性，即意识指标偏离的能力。这主要是 通过各种日环比，周月同比的监控以及日常的好奇心来保持。我们从一个Questmobile榜 单上，来简单看下指标偏离是怎么应用到日常的分析上的：1 7.11416 9i.tn“BM103SMO“egtMSt
6、10110.4U11M42.106416wBB I)420 OH941MittnsMX4274.0*93IS. 10416.”44，15 儡831,78179S567144SI3B0618sojse5HU)zwSZ 57tTOSH190if一9t“565秣10)99mti10 8 l111i mIM1”I”/o 14n g1706571Htt八所小 什 y仲川511良 am。”1?54 IH9522j 求用lt.014U.S*ft)neC CM151Z1460 9*0王”148 7M2e$71ie.09)4tnsED号8我17.S26bso925) 0HQ M17.10414 0709 6U1
7、272917.0J1*5%W八lieT14.58.5 2%y4B 9121Q记o天y1*154B0624 HUSIX3 3SO9MMF1.ZSSie 7，?56 6%156!?u*l ”7411429-2t$106s $14n.sMie.su4”“QIDX0J1510 s1%etS60 mMfiMa】。3”0*61HM17U MRR10.H1T9 $n2%6),1 VMM “JI-.窗做均冬恰. M*aff494MP.这里先跟大家分享下怎么看这种榜单：1 .看整体排行：看哪些APP排在前方是出乎你意料之外的2 .分行业看排行：看行业里排行及其变动3 .看增长率：哪些APP增长比较快4 .看使用
8、时长等其他指标数据分析的定义，还有国外一本商务分析的书籍的定义作为注脚:从历史数据中获得的洞察转化为可执行的决策或推荐的过程, 将计算机技术、管理科学和统计学结合以解决实际问题JJ03 HOW：怎么进行数据分析任何数据分析都是细分，对比，溯源这三种行为的不断交叉。最常见的细分对比维 度是时间，我们通过时间进行周月同比，发现数据异常后，再进行维度或流程上的细分，一 步步拆解找到问题所在。如果找到了某个维度的问题，则需要溯源到业务端或现实端，确认问题产生的源头。如 果多次细分对比下来仍然没有确认问题，则需要溯源到业务日志或用户访谈来更进一步摸清 楚情况。3.1细分在细分方式上，主要有以下三种方式1
9、 .横切：根据某个维度对指标进行切分及交叉分析2 .纵切：以时间变化为轴，切分指标上下游3 .内切：根据某个模型从目标内部进行划分ABC0E博展名舞础行为奂交易行为突（内自）社交行为类一级品炎ff.点击，满熨.下支付 .退款,投设关注.取关.必信.图震.VB .分享二品类三缎品类高品精煤慢里道一嫌集逼注册，ft*,盾动.Utt,新注册.新 ft*.新启动二级里逼分享页面分享人分享方式地球位伊城市地区产品性1*作票就 簿作票就版本接一版本设品牌设盟号关注.取关.必信.1. B .分享页交易页面来二ifi页也果毒交皂方式用户用户信用用户类别用尸身份横切上，以转转举例，我们对维度和指标做做了分类和交
10、叉，当某一类的指标出现问题 时，我们便知道该从什么维度进行分析。在进行横切分析时，经常需要多个维度交叉着使用。 这在数据分析术语上叫：交叉多维分析。这也是刚才讲的维度总线矩阵看到的各维度交 叉情况了。H斗分析H斗分析H斗分析日志分析纵切上，有目的有路径，则用漏斗分析。无目的有路径，则用轨迹分析。无目的无路径, 则用日志分析。漏斗分析分为长漏斗和短漏斗。长漏斗的特征是涉及环节较多，时间周期较长。常用的 长漏斗有渠道归因模型，AARRR,用户生命周期漏斗等等。短漏斗是有明确的目的，时间 短，如订单转化漏斗和注册漏斗。在轨迹分析里，桑基图是一种常用的方式。常见于各页面 的流转关系，电商中各品类的转移
11、关系等等。日志分析，则通过直接浏览用户前后端日志, 来分析用户的每一个动作。各种手段的细分往往交叉着使用，如订单漏斗纵切完可以接着横切，看看是哪个维度的 转化率导致的问题。RFMRFMRFMCohort,n内切上，主要是根据现有市面上常见的分析模型，RFM, Cohort和Segment等方式进 行分析。RFM即最近购买时间，频率及金额三个指标综合来判定用户忠诚度及粘性。Cohort, 即同期群分析，是通过对不同时期进入平台的新用户分群分析，来区分不同新用户的质量, 如留存率或目标转化率等。Segment通过若干个条件对用户分层，然后针对不同用户进行分 层分析和运营，如用户活跃度分层等等。4
12、.2对比对比主要分为以下几种：1 .横切对比：根据细分中的横切维度进行对比，如城市和品类2 .纵切对比：与细分中的纵切维护进行对比，如漏斗不同阶段的转化率3 .目标对比：常见于目标管理，如完成率等4 .时间对比：日环比，周月同比；7天滑动平均值对比，7天内极值对比时间对比严格来说属于横切对比。但因为时间这个维度在数据分析和产品中极为重要, 所以单拎出来说。横切对比中，有个比较著名的数据应用方式即是排行榜。通过这种简 单粗暴的方式，来驱动人们完成目标，或者占领人们的认知。前者有销售完成排行榜。后者 有品类售卖畅销榜。5 .3溯源经过反复的细分对比后，基本可以确认问题所在了。这时候就需要和业务方确
13、认是否因 为某些业务动作导致的数据异常，包括新版本上线，或者活动策略优化等等。如果仍然没有头绪，那么只能从最细颗粒度查起了，如用户日志分析、用户访谈、外在 环境了解，如外部活动，政策经济条件变化等等6 .4衍生模型在细分对比的基础上，可以衍生出来很多模型。这些模型的意义是能够帮你快速判 断一个事情的关键要素，并做到不重不漏。这里列举几个以供参考：1. Why-How-What2. 5W1H3. 5Why4.4P模型（产品，价格，渠道，宣传）5. SWOT模型（优势，劣势，机会，威胁）6. PEST模型（政治，经济，社会，科技）7. 波士顿矩阵而当你在竞品做比对分析时，SWOT或者4P模型能够给
14、你提供不同的角度。04数据分析如何落地以上讲的都偏道术技中的术部分，下面则通过汇总以上内容，和实际工作进行 结合，落地成技部分。4.1数据分析流程和场景根据不同的流程和场景，会有些不同的注意点和术的结合。定义：明确问题，确定指标。获取：注意来源，Double Check。分析：确认思路，探索分析。呈现：金字塔，用图说话Q跟进：效果跟进，随时调整1 .衡量一业务发展,产品效果2 .监控一数据异常3 .寻因一找到数据变化的原因4 .论证一产品上线是否有效，新策略能否上线，是否起了作用5 .探索一优化方案，专题报告，增长黑客6,预测一预测销量，制定目标6 .2数据分析常见谬误控制变量谬误：在做A/B
15、测试时没有控制好变量，导致测试结果不能反映实验结果。 或者在进行数据对比时，两个指标没有可比性。样本谬误：在做抽样分析时，选取的样本不够随机或不够有代表性。举例来讲，互联网 圈的人会发现身边的人几乎不用今日头条，为什么这APP还能有这么大浏览量？有个 类似的概念，叫幸存者偏差。定义谬误：在看某些报告或者公开数据时，经常会有人鱼目混珠。网站访问量过亿， 是指的访问用户数还是访问页面数？比率谬误：比率型或比例型的指标出现的谬误以至于可以单独拎出来将。一个是每次谈 论此类型指标时，都需要明确分子和分母是什么。另一方面，在讨论变化的百分比时，需要 注意到基数是多少。有些人即使工资只涨10% ,那也可能
16、是150万因果相关谬误：会误把相关当因果，忽略中介变量。比如，有人发现雪糕的销量和河溪 溺死的儿童数量呈明显相关，就下令削减雪糕销量。其实可能只是因为这两者都是发生在天 气炎热的夏天。天气炎热，购买雪糕的人就越多，而去河里游泳的人也显著增多。辛普森悖论：简单来说，就是在两个相差较多的分组数据相加时，在分组比较中都占优 势的一方，会在总评中反而是失势的一方。最后以几句话作为总结，也是全文中心：数据准确性是第一位的，站在业务方的角度思考问题：忧其所虑，予其所欲，定义变 与不变，细分，对比，溯源。关于在项目总结中使用3W1H分析法简述5W2H分析法又叫七问分析法，是二战中美国陆军兵器修理部首创。简单
17、、方便， 易于理解、使用，富有启发意义，广泛用于企业管理和技术活动，对于决策和执行性 的活动措施也非常有帮助，也有助于弥补考虑问题的疏漏。3W1H分析法则是从5W2H分析法中取其精华、精简而成，主要将项目内容总结 分类为WHAT、WHY、WHERE和HOW,目的是为了方便总结项目中的问题与解决 方法，从而锻炼自己解决问题与最后总结的能力。在项目总结中使用3W1H分析法是 我近期想出的方式，之后的一些项目将使用3W1H进行分析总结，下面我将根据5W2H 的基础上定义3W1H分析法的模板供后续总结作为参考。WHAT （发现问题）WHAT概述，目的，重点，功能，规范原则我要做一个课表查询的项目，目的
18、是什么？重点是什么？与什么有关系？功能是 什么？规范是什么？我想让我们学校的学生都能够查到自己班级的课表方便查看上课时间，重点在于 课表要简洁、随时随地可查询，因此选择了将课表放至微信小程序中。WHY （提出问题）WHY为什么要做？可不可以不做？有没有替代方案？为什么非做不可？为什么采用微信小程序？为什么不使用市场已有的课表程序？虽然已经有了课程格子，超级课程表等APP,但是它们有一个缺陷：导入课表后 无法查询其他班级的课表。比如你是计算机专业的学生，你的女朋友是经管专业的， 你想了解你的女朋友什么时候没有课，你需要查询她的课表。比如你暗恋一个人文学 院的女生，像找个机会碰见她，于是你还要知道
19、她什么时候在哪里上课。这就是课表 小程序的初衷，一个你可以查询所有班级的课表，你可以在微信中打开小程序即可查 询。WHERE （提出问题）WHERE范围，地点，切入点在何处宣传？从哪里或许到全校课表资源？因为是面向全校的课表查询，因此可以在校园公众号、QQ群、QQ空间等进行宣 传，课表资源可以通过爬取教务系统或处理教务处公布的Excel表格至数据库。HOW （解决问题）HOW方法，如何做怎样做省力？怎样做最快？怎样做效率最高？怎样改进？怎样得到？怎样避免失 败？怎样达到效率？怎样才能使产品更加美观大方？怎样使产品用起来方便？怎样解 决项目中的问题？课表小程序中的课表资源通过python处理教务处公布的Excel表格至数据库，每 学期处理一次即可方便维护等等。结语可能读这篇文章会有写晦涩，也可能刚开始使用3W1H分析总结项目不太熟练， 但只要利用3W1H勤于总结，肯定会得心应手。