数据分析总是被视作运营人的短板，但不会进行数据分析的运营不是个好运营，当然，也有一些运营人，一听见数据分析就头疼，很害怕去分析各种各样的数据。
其实，运营的数据分析没有那么困难，了解基础的应用场景之后，自己也能很好地进行数据分析，学会数据分析之后，对于未来运营的方向以及运营的改进点都会有更加明确的目标，无需再靠直觉进行。
数据分析一般有以下3个目的：
1. 原因分析：通过以往的数据分析发现存在的问题，为未来优化提供数据基础。
2. 未来预测：通过以往的数据分析，找到数据趋势或共性，指导未来的运营动作。
3. 现状分析：及时了解当下的运营情况以及变化情况，更趋向于短期的数据分析。
对于运营来说，数据是运营结果的表现，通过对数据的分析，可以发现之前运营动作的优点和不足的地方，未来更好地去进行运营动作，知道应该把运营重心放在何处。
厂长建议数据基础不太好的朋友，最好不要通过图表进行数据分析，可能会遗忘很多关键内容。数据分析的最终目的，还是发现以往数据的不足，从数据中找到线索，针对当下情况提出解决办法，为未来运营动作提供数据基础。
一. 数据分析的步骤
对运营来讲，数据分析的思路和运营过程大相径庭，找到数据分析的目的和维度，最终从数据分析中得出结论。
从运营动作中发现问题，从数据中找到问题的根源，寻找造成数据的原因，提出解决问题的方案，开始执行运营动作优化，根据数据进行优化。数据分析可分为6步走：
1. 明确分析的目的和思路
运营是靠目标驱动，做事情带有很强的目的性，在数据分析方面也同样遵循这个原则。对数据进行分析，最终的目的是什么？想要解决什么问题。
我们之前讲过5W2H原则，可以通过这个方法逐渐确认分析的目的和思路。
-
what：业务是什么？业务流程是什么？业务的核心指标是什么？其他指标是什么？其他数据分析的目的是什么，最终想要解决的是什么样的问题，用什么样的数据分析方式。
-
why：为什么会出现这样的数据？原因是什么，理论依据是什么，后期解决措施应该如何推进。
-
who：分析的用户群体是哪些用户，他们有什么样的特征，出现这样的数据是否和用户群体的某种特性有关。
-
when：数据分析的日期是从什么时候到什么时候，中间采用了什么样的运营策略。
-
where：是在哪里，哪部分的数据，是否和位置有一定的关系。
-
how：如何去进行数据分析，用什么样的数据分析方法最有效。
-
how much：数据分析花费的时间和成本各是多少。用户在上边花费的时间是多少。
从数据分析中，我们可以了解到单个渠道的获客效率，单个渠道的转化率，以及用户arpu值。有些渠道的用户转化率高，但是arpu值低，不同的渠道有不同的用户属性和用户的价值点，也导致最终数据的结果会出现差异。
2. 数据收集
运营数据收集越详细越好，所以在要求前期进行数据统计的时候就需要大局观，将后期数据分析可能会用到的数据尽可能多地收集，方便后期进行数据分析。
对于新媒体来说，文章的标题、关键词、情绪点、阅读量、转发分享量、每日涨粉量和掉粉量等数据，最好每天或每周进行一次统计，方便后期做数据分析。
3. 数据处理
对收集到的数据进行加工整理，形成适合数据分析的样式，从大量杂乱无章和难以理解的数据中抽取并推导出对于解决问题有意义的数据，这里包括数据清洗、数据转化、数据提取以及数据计算等处理方法。
3. 数据分析
运用适当的数据分析的方法和工具，对处理过的数据进行分析，提取有价值的信息，形成有效结论。
4. 数据展示
对数据进行可视化展示，多用图标、趋势图、饼图等形式进行说明和解释，能够直观地传达出数据分析的结果和观点。如果是最终数据仅供个人参考，在数据展现时能够清楚地了解到自己想要的数据，能够从数据中得到一定的启发即可。
如果是需要供领导作决策和参考，则需要表现数据的可视化，在数据图标中做进一步的分析和说明。
5. 撰写报告
如果是自己进行数据分析，对数据进行分析处理后，发现数据变化的原因，并提出解决出现这个数据的解决办法，投入优化和使用中。在多次测试中，找到解决问题的最优解。
如果数据分析的结果要最终给领导做决策，为领导决策提供一定的数据和理论依据，则需要完整地表达出数据的最终结果是什么，是什么样的原因导致了这样的数据，未来可以针对这样的数据有什么样的解决办法。
数据分析的最终结果，是为了解决某个问题提供数据基础，或者从数据中找到之前的未来动作的优点和不足，为未来进一步加强或者改善提供支撑。靠感觉这样的事情本身就极为不靠谱，最终还是得从数据出发，找到解决办法。
