调研百科｜建立数据思维最重要的是什么？

最近有厂粉私信说：明明学了好多种数据分析方法，也get好几门数据分析工具，但就是找不到一份好的数据分析工作，怎么办？这种情况大概率可能就是缺少"数据思维"。

的确，每个跟数据打交道的互联网岗位JD都会写着：具有敏锐的数据洞察力和较强的数据思维。那么到底什么是数据思维？如何培养数据思维呢？

1. 什么是数据思维？

数据思维是使用数据来提出问题和解决问题的能力，当面对一堆业务问题的时候，能不能通过数据的方法做分析从而给出建议来解决业务问题。

其核心有两个，一个是数据敏感度，一个是数据方法经验。

数据敏感度就是当看到一个数字，就能感知这个数字是否合理还是有异常，当数据异常的时候，大概能知道问题可能出在哪里，并且能够追溯到原因，总之，假如你数据敏感度高，你可以看到数据背后更多的信息。

数据方法经验，当看到这些问题还不行，还需能够利用数据分析的方法来解决实际的问题，这也是构成数据思维很重要的一部分。数据分析的方法就很多，比如：漏斗分析、相关性分析、5W2H分析、对比分析、分群分析等等。

2. 建立数据思维

技能容易掌握，但思维却很难在短时间内培养出来。拥有良好的数据思维至少需要一定的数据基础。

01. 学会建立数据链条

想要培养良好的数据思维，需要学会建立严密的数据链条。做产品经理的伙伴都知道，在梳理业务的时候，都会用业务流程图表明各个模块之间的关系，伴随着业务流程产生的数据，就是数据流，各个数据指标之间也存在先后和关联。

比如，电商行业最重要的数据指标GMV，以淘宝APP为例。

用户打开淘宝APP，可通过不同的入口触达到商品。目前淘宝的主要流量还是搜索，用户在搜索框附近可点击或者输入，这里面可以细分用户进入的途径，比如通过点击热搜词进入的，点击历史搜索词进入的，或者输入新的搜索词进入的。因为搜索引擎会给用户返回商品列表，用户会浏览或者点击，此时可以观察用户的浏览或者点击行为在序列上的分布，从而了解到搜索词的分发结构。

假设用户点击了排名第四位的搜索结果进入商品详情页，在商详页又可以进行各种操作，比如加关注，加入购物车，此时我们可以考察加购的比率，用户在加购之后可提交订单，然后付款，直至最后成交。

梳理业务逻辑，形成清晰的数据链条，是建立数据思维的重要一步。

02. 学会定义数据指标

想要建立良好的数据思维，需要学会定义数据指标。

下载且安装并打开APP的游客数，如果把这个定义交给开发，开发可能会问，拿什么标识定义个一个游客？设备号，每台移动设备都有一个唯一的设备号，也叫imei，激活的定义又变成：下载且安装并打开APP的设备，以imei作为唯一标识。

有人可能又会问，更新APP后打开，或者卸载重新安装APP再打开，算一个新的激活么？这就涉及到统计口径的问题，一般来讲，覆盖安装与卸载安装后的打开，都不计入新激活。

市场推广APP有多种渠道类型，比如各大安卓应用市场、appstore、信息流广告、SEO、流量互换等，每个类型下的渠道，可以用渠道ID来标识。渠道有区分，APP自身也有区分。最省事的区分是Android包和iOS包。如果市场制作了大量的马甲包、独立h5页，推向市场，需要以产品ID来区分产品。

活跃的定义很简单，启动了算一次活跃。但假如只定义一个日活，或者周活和月活指标，未免有点简单粗暴，我们也可以先从转化的角度进行用户层级的划分。

留存率是APP推广初期尤其要重视的指标。留存率低的产品，等于一个巨大的漏斗，市场砸钱买来的流量，在产生收益前，就都统统漏掉。留存率有次日留存率，也有7日留存率和30留存率，至于选择哪个留存率作为唯一关键指标，多少留存率为目标，要根据产品特性与市场环境作具体分析。

拥有一定的数据基础，建立严格的数据链条，学会定义数据指标体系，是建立良好数据思维的三部曲。

END