本文为数据分析系列的第1篇——讲解何为数据分析工作？
为帮助大家尽快熟悉数据分析工作，接下来会引用一个比较经典但是通俗易懂的故事。
1 根据老板需求制定数据指标
故事中，你是一家便利店的店长，在某一天接到了老板下达的月度任务：下个月，需要将店铺的销售额提升至120%。那么，拥有数据思维的你为了完成目标，做了以下分析：
- 首先，对“销售额”进行公式化拆分，销售额=平均客单价*付费总单数。
- 其次，提出设想，在客单价不变化的情况下，如果能将付费单数提升至120%，就可以完成将销售额提升至120%的目标。
- 然后，再对“付费单数”进行公式化拆分：①付费单数=进店人数*付费率，②进店人数=路过人数*进店率。又因为店铺路过人数一般为恒定值，不是能控制的变量。
- 最终，销售额提升方案定为通过店铺开展促销让利活动，提高店铺路过人群的进店率。
2 运用促销手段提升指标
找准方向的你，在便利店门前拉起了横幅，依次推出以下促销活动：
- 平时销量最高的饮料品类，每瓶打88折
- 每天的第一单消费，可进行随机金额减免抽奖
- 利润空间较高的速食盒饭，第二盒半价
同时，为了检验进店率是否真的有因为活动而上涨，你又请了一位大学生统计便利店每天的人数，只要有人路过店铺则路过统计人数+1，有人进入店铺则进店统计人数+1，有人付费成功则付费统计单数+1。
3 分析数据，完成任务
终于，在你的一顿操作下，便利店在一个月内表现喜人。
便利店门前的促销横幅，吸引了更多进店人群，相比上个月的进店人数，本月上涨了32%
促销活动吸引了更多的精准付费客户，使得付费率上涨15%，乘于进店人数上涨的32%，付费单数总共上涨48%
虽然因为营销活动让利于客户，导致客单价整体下降了14%，但由于付费单数48%的大幅增长，总体销售额仍然上涨了28%，成功保住店长位置。
4 数据分析各环节工作
通过上面的故事，相信大家对数据分析工作也有了基本的了解。
业务需求
老板提出的“下个月，需要将店铺的销售额提升至120%”，就是一个业务需求。
数据分析工作始于业务，并且终于业务。数据分析一定得是为了解决业务需求而存在，同时也要求进行数据分析的人必须熟悉业务，否则制定的数据指标或分析结果都可能会不切实际，难以落地。
制定数据指标
很明显，“销售额”就是你和老板都认同的数据指标。不同的业务需求，所对应的数据指标不同，即使同一业务需求，也可对应多个不同数据指标。
- 判断app投放渠道的优质程度——用户7日日留存、转化用户数
- 判断工具类产品的实用程度——每日PV/UV、人均使用次数
- 判断某段视频的受欢迎程度——播放次数、播放人数、人均播放时长
制定数据指标的本质就是跟业务需求、跟团队人员对齐口径，没有绝对正确的数据指标，只有业务、团队都认同的数据指标。
数据埋点
数据埋点，也叫数据采集。付费单数、进店人数、路过人数，这些统计数据都是由大学生站在便利店门前不断数人数，累加出来的，这一过程就叫数据埋点。
一般在活动和功能上线前，统计团队就应该想好埋点方案，并保证在上线后，系统能同时采集到相关统计数据，不完整的数据有可能误导出完全不一样的判断结果。
数据分析模型
这里的数据分析，指的是各种分析数据的方法和思维。故事中，因为业务需求简单且明确，采用了“对比分析法”，对活动前后的销售额指标进行对比即可。但在实际工作中，面向的业务需求往往比较复杂，需要采用不同的分析模型，如AAARR漏斗分析模型、用户画像分析模型。
本文为数据分析系列的第2篇：如何拆解业务需求并选取数据指标？
选取数据指标的本质就是跟业务需求、跟团队人员对齐口径，没有绝对正确的数据指标，只有业务、团队都认同的数据指标。
认识数据指标
1. 数据指标概念
首先，我们要先搞懂什么样的数据可以成为“数据指标”。
- 能够被系统采集、统计到的数据 ：数据不能被系统采集到，也无法通过统计数据计算出来，那数据就不真实，全凭猜想，存在虚假性的数据绝对不能用来指导业务。
- 对当前业务有参考意义的数据：必须能够满足业务分析需求，比如你需要分析某一个投放渠道的获客质量，那么这个渠道的”七日留存“、”注册率“等就是你可以考虑的数据指标。
2. 数据指标分类
我们一般按照公式“谁+做了什么+产生什么结果”，把数据指标分成三类：
- 用户数据：用于定义用户所属群体或是描述用户其他基础属性的数据。
- 行为数据：由用户在界面上的交互行为所产生的数据。
- 业务数据：指由用户在界面操作后，所产生的操作结果数据。
比如“一个深圳用户在订单确认页面，点击一次确认支付，产生一笔付费500元的订单”，那么“一个深圳用户“就是用户数据，“点击一次”就是行为数据，“一笔付费500元的订单”就是业务数据。
讲解常见的数据指标
如果你是一名互联网行业从业者，在日常工作中肯定经常听到一些跟数据相关的词汇，新增用户、PV、UV、GMV、七日留存……那么这些数据词汇到底是什么含义，又是怎么计算出来的呢？
PS：这边对常见数据指标的定义都是基于笔者的个人经历，不同行业、不同公司甚至不同人对同一数据指标的定义都可能不同。
DAU/MAU
日活用户/月活用户（DAU/MAU），指在统计时间段内有活跃行为的用户，一般可以用于体现迭代功能、运营活动、投放渠道对用户的吸引程度。但如果有天发现活跃用户数下跌比较惨重，那就得调研下市面上是不是又多几家竞品了。
计算方式：将统计时间段内的所有活跃用户进行去重，即为活跃用户数。
定义活跃用户口径为，用户做了某个关键操作。可以是启动APP，可以是进入商品详情页，甚至可以是支付订单。具体以各自产品业务，以及团队人员的统一口径为准。
七日留存率
指距离首次使用产品七日后的新用户们，是否还继续使用产品的情况，一般可以用于评判各个投放渠道的获客质量，也可以用于检验产品对用户的吸引程度。
计算方式：七日留存率=第7日启动用户数/第1日获取用户总数，其中第7日启动的用户必须是第1日获取用户的子集。
用户基础属性
指根据用户在产品上所填写的各种信息，聚合在以用户为纬度的属性字段，如用户的姓名、出生日期、地址、职业等。
用户的基础属性，便于后面做整个平台的用户画像，为后续的精细化运营贮备。
访问深度
指用户单次访问产品或某一页面内容的程度，访问深度越深的用户，越是产品的精准用户，也一般越有可能被转化成付费用户。
对于信息流平台，如今日头条，我们可以以用户在列表的加载次数为访问深度。
对于交易流程较长的业务，如电商的“首页—商品列表—商品详情页—订单信息填写页—支付页面”，用户每深入访问一个页面，则访问深度+1。
弹出率
这个指标主要用以反映单个用户只访问产品的一个页面就立即离开的情况。
貌似这个指标用的挺少，大家大致了解即可，笔者较常用弹出率去评估一个运营活动H5页面对用户的吸引程度。
GMV
指销售总金额，可以按照时间（日/周/月）、地区等纬度统计，体现一个公司业务的总规模，同时对评估公司业务运转有很好的参考价值。
GMV也是公司老板们最为看重的数据指标之一，一切工作的开端就是由GMV展开。
ARPU/ARPPU
人均销售额/付费人均销售额，两者之间的区别在分母不同，ARPU为平台所有用户数，ARPPU为平台付费用户数。
拆解业务模块后选取数据指标
上文介绍了一些常见数据指标的定义，相信大家都对数据指标应该已经有了一定的了解。
那么，到底哪些数据指标能够适用于现在负责产品的业务需求呢？
这边提供一个比较通用的方法：
1. 用一句话描述当前负责产品的主要业务
- 有道翻译：通过提供好用的翻译工具吸引大量用户，从而为其他产品导流或广告变现。
- 人人都是产品经理：平台通过提供垂直讨论互联网知识的社区，吸引互联网从业人员常驻，继而促成知识付费。
2. 通过凝聚产品业务的“一句话”，拆解产品的业务模块
- 工具模块：帮助用户快速完成某个目标，起到节约时间、提供资源作用；
- 社区模块：搭建某个兴趣、爱好、话题聚集地，以此吸引精准用户常驻，并发帖回复交流；
- 内容模块：提供资讯、小说、视频等多媒体资源，供用户长时间浏览；
- 交易模块：通过积极拉拢资源提供方和资源需求方，并撮合双方高频次交易。
3. 通过产品实际所包含的业务模块，选取适合的数据指标
笔者自身实例
笔者目前从事某个互联网保险公司，一句话概括公司业务：通过采购保险公司的保险产品，然后通过保险讲解课堂教育用户，最后促成用户下单投保。
产品包含业务模块：内容模块、交易模块，那么笔者应该关注的数据指标大致如下：
- 内容模块-保险课堂：访问用户数、课堂浏览/点赞/评论数、课堂转化入口点击次数/人数等，可以帮笔者评估每堂课的内容质量；
- 交易模块-下单投保：下单流程中的所有页面转化率、日/周/月GMV、复购率，可以帮助笔者观测业务发展的健康程度。
关于“如何拆解业务需求并选取数据指标”，就讲到这里。希望能帮助大家在负责的项目中，正确为业务需求选取数据指标。