5个等级的数据分析，哪个最深入？ _数据分析

很多同学总觉数据分析做得不深入，到底该怎么做？今天结合一个具体的例子，分享下如何做一个深入的数据分析项目。

深入级别：0级
某天，你收到一个需求：“看下我司App新增的A功能，过去5天内累计使用1+次的人有多少（去重）” 。这问题太简单了，直接跑个数丢过去即可，“过去5天累计使用人数10000人”搞掂。

但是这种分析完全不深入，甚至压根不能叫“分析”，这就是提个数而已。确实，当需求是很具体的取数指标+统计时间的时候，这就是取个数，第0级深入就是如此。

深入级别：1级
某天，你又收到一个需求：“看下我司APP新增的A功能，过去5天有多少人在用” 。

听起来和之前的问题差不多，但注意，“多少人”并不是一个明确的指标，只是个笼统的说法，细分起来，有：
1.5天内累计使用1+次的人（去重）
2.5天内累计有多少人次使用（不去重）
3.5天内，每天有多少人在使用
4.5天内，累计使用5、4、3、2、1天的人有多少
5.5天内，各使用频次人数（1、2、3……10、10+次）
……

好几个指标拼起来，才能把这个多少人说明白。有些同学会觉得，这么搞是不是太麻烦了。我就默认他是看不去重的人次呗。实际上，工作中相当多的重复取数，加班加点，被业务追着屁股催数，就是从“没确认清楚需求，自己默认一个业务不想要的指标”开始的。特别是你问业务：想看哪个口径。业务会说：都看。这时候最好自己先提前想多几个，避免重复返工。

这种主动思考，才是深入分析的起点。因为这几个指标对业务都有用：
1.   看去重的人数，可以评估总用户渗透了多少
2.   看每天人次，可以看出发展趋势
3.   看各类型累计使用天数，可以判断有多少重度用户
4.   看各类型累计使用天数，可以判断有多少重度用户

文章插图

而且，我们发现，第0级的成果，成为第1级产出的一部分。后续也是一样，越深入，设计的指标、维度越多，问题会越复杂。

深入级别：2级
某天，你又收到一个需求：“看下我司APP新增的A功能，过去5天使用的人，付费行为是不是比其他人更好” 。

注意，这里也没有明确的数据指标，因此得先拆解问题：
1、主语是：过去5天使用过A功能的用户。那得先知道有多少人在用？第1级深入的数据，这里都需要加上。
2、付费行为：付费行为是个笼统说法。是付费金额，还是频次？没说清就先都拎出来看。
3、比其他人更好：什么是其他人？是全体用户，还是未使用该功能用户。从问题场景上看，应该区分出过去5天内未使用过该功能，并且至少活跃1次的用户，这样才有可比性。

有了这三步拆解。可以把这句不清晰的需求，落地成一个取数需求：
1.   过去5天内使用过A功能用户基本情况（人数，使用天数分布，使用频次分布）
2.   过去5天内使用过A功能用户付费行为（多大比例，付费人群的5天内累计付费金额，5天内付费频次，人均付费金额，人均付费次数）
3.   过去5天内未未使用过A功能，且活跃的用户的活跃天数、付费比例，付费金额，付费频次，人均付费金额，人均付费次数）

文章插图

这样，两个群体一对比，就能出结论了。然而这么做，很快会引发下一个问题：“为什么使用A的人群比其他群体高/低？”

深入级别：3级
某天，你又收到一个需求：“分析下为啥使用A功能的人付费更好？”注意，先问是不是，再问为什么，是回答问题的基本要求。因此在拆解问题的时候，得先把深入2级功课都做完。做实了“A的付费更好”以后再分析原因。

分析原因的时候，假设很重要。需求既然关注A功能，那A功能到底有没有用就是关键。在分析原因的时候，证伪比证真更容易，所以我们可以先剔除一些明显的错误答案，比如“A功能用户本身都是高付费群体”，这一下就能把“A功能对付费转化有用”直接干掉。