通过数据进行部门间的沟通就可以保证大家在同一个维度去看事情

企业内部有很多沟通的问题，运营和产品沟通，产品和技术沟通，但是都没有一个共同的“语言”去解决这些问题。

但随着大数据时代的带来，我们发现，通过数据进行部门间的沟通就可以保证大家在同一个维度去看事情，而抛弃岗位和身份，只用客观数据说明问题。

今天诸葛君分享3个常用的数据分析方法和1个增长方案，帮助新手运营同学快速构建数据思维，提高日常工作中的沟通效率。

一、数据趋势分析

趋势分析一般而言，适用于产品核心指标的长期跟踪，比如，点击率、GMV、活跃用户数等。做出简单的数据趋势图，并不算是趋势分析，趋势分析更多的是需要明确数据的变化，以及对变化原因进行分析。

趋势分析，最好的产出是比值。在趋势分析的时候需要明确几个概念：环比、同比、定基比。

环比、同比大家都比较了解，定基比就是和某个基点进行比较，比如2019年1月作为基点，定基比则为2010年2月和2019年1月进行比较。

趋势分析另一个核心目的则是对趋势做出解释，对于趋势线中明显的拐点，发生了什么事情要给出合理的解释，无论是外部原因还是内部原因。

在数据分析的过程中，有很多因素影响到指标，那么我们可以不同维度来逐一考察，比如：渠道、产品版本、来源、关键词、网络、地域、IP、系统浏览器及版本等。

二、数据对比分析

数据的趋势变化独立的看，其实很多情况下并不能说明问题，比如如果一个企业盈利增长10%，我们并无法判断这个企业的好坏，如果这个企业所处行业的其他企业普遍为负增长，则5%很多，如果行业其他企业增长平均为50%，则这是一个很差的数据。对比分析，就是给孤立的数据一个合理的参考系，因为，孤立的数据毫无意义。

以A/B测试为例，最关键的是A/B两组只保持单一变量，其他条件保持一致。

比如：测试首页改版的效果，就需要保持A/B两组用户质量保持相同，上线时间保持相同，来源渠道相同等。只有这样才能得到比较有说服力的数据。

三、 数据细分分析

在得到一些初步结论的时候，需要进一步地细拆，因为在一些综合指标的使用过程中，会抹杀一些关键的数据细节，而指标本身的变化，也需要分析变化产生的原因。

这里的细分一定要进行多维度的细拆。常见的拆分方法包括：

• 分时：不同时间段数据是否有变化。
• 分渠道：不同来源的流量或者产品是否有变化。
• 分用户：新注册用户和老用户相比是否有差异，忠诚用户和小白用户相比是否有差异。
• 分地区：不同地区的数据是否有变化。
• 构成拆分：比如搜索由搜索词组成，可以拆分不同搜索词。

细分分析是一个非常重要的手段，多问一些为什么，才是得到结论的关键，而一步一步拆分，就是在不断问为什么的过程。