编辑导语：数据分析不仅是一个岗位名称，也是一项通用的职场技能；“数据调研”、“数据监控”、“数据复盘”、“数据总结”、“数据驱动业务”…… 都是贯穿我们互联网人日常工作的高频词汇；处处需要数据佐证，分析师以外的产品、运营同学同样需要会分析、懂分析。

今天我们就来聊一聊数据分析基础知识—构建分析框架——搜索查询“数据分析框架”相关内容，大家通常能够看到资深从业者介绍的通用框架模型，比如：“用户分析的3种分析方法”、“AARRR模型”、“增长引擎”等。

对于需要解决棘手问题的分析小白们来说，有一些似懂非懂，可以理解模型原理但是无法灵活的运用到实际工作场景中；结果只能模糊匹配，越分析越模糊，本文就从实际应用出发给大家介绍数据分析框架的构建方法。

构建分析框架的作用在于，数据分析之前先拆解目标、抽丝剥茧的理清思路，选取合适的数据、恰当的模型方法解决问题，达到事半功倍的效果；就像修建房屋之前，需要先做出规划，计算出需要多少物料、多久的工期，选出最高效的方案，才能开始动工，避免不必要的短缺和浪费。

对于不同的数据分析场景，需要采用不同分析框架。分析场景多种多样，如：“投放数据异常分析”、“活动效果评估”、“产品策略制定”、“A/B效果评估”、“项目复盘”……看起来各自独立，可以按照分析工作介入项目的时期进行归纳，大致分为3种类型：异常定位分析（中期）、前置评估分析（前期）、后置复盘分析（后期）。

一、异常定位分析

最怕工作群突然闪烁，“DAU为什么突然降了？”、“次留为什么从50%涨到70%？”、“昨天广告收入为什么少了10W？”，异常定位分析—这类问题是困扰很多人的噩梦；此类问题重要紧急，也相对基础，能否快速准确定位问题，考查的是分析师制定的业务标体系基础是否牢固。

此类问题的分析框架基本等价于基础业务指标体系，以“广告收入突降问题”为例，制定分析框架要了解广告收入从何而来？影响收入的指标和维度有哪些？

交叉分析，穷举出所有维度和指标叉乘的影响因子，结合伴随广告收入突降的其他异常数据特征，定位异常因素所处环节。

穷举出所有维度和数据指标叉乘的影响因子就是异常定位分析的框架，完善而全面即为异常定位分析框架的核心要素。

二、前置评估分析

“运营活动数值策划”、“页面改版收益预估”、“产品策略升级影响测算”等预测类分析场景可统一归类为前置评估分析；前置评估分析，是数据决策业务的一种方式；分析框架的逻辑合理性、与业务的贴合程度，直接影响决策方向是否正确；因此需要做分析的同学对业务非常了解，逻辑严谨，才能给出正确的判断。

对于评估的项目，需要明确评估内容的输入输出项分别是什么，就是我们有什么？需要得到什么？

围绕这两项核心内容抽丝剥茧寻找各方影响因素，将影响因素根据业务逻辑串联起来就形成了前置评估的分析框架；以裂变增长类运营活动“拆红包”数值策划为例，首先明确输入项（预算有多少？）、输出项（目标是拉新or促活？）分别是什么，围绕着这两项核心开始制定分析框架。

假设此次“拆红包”活动的活动预算5W（输入），目标为拉新（输出），根据业务实际提炼出活动数值策划需要给出的判断：新用户获取方式、新用户获取成本。

梳理出影响新用户获取方式、新用户获取成本的影响因素如下：

接下来，串联影响因素之间的关联关系：

• 将新用户获取成本的预估范围与物质奖励的敏感区间进行匹配，可确定目标新用户获取成本、活动奖励金额和一次物质奖励需求的拉新人数，以此作为基准制定拆红包随机金额策略；
• 预算/目标新用户获取成本，可确定目标拉新人数，结合用户的留存、活跃、行为分布，进而圈定种子用户范围；
• 获取方向相关的：目标拉新人数、活动奖励金额、拆红包随机金额策略、种子用户范围；获取成本相关的：目标新用户获取成本，都可以从这一个框架中提取出来，进行决策判断。

总结起来，明确核心输入输出项、熟悉理解业务、梳理逻辑关系，即为前置评估分析框架的核心要素。

三、后置复盘分析

“运营活动效果达成”、“A/B效果评估”、“业务复盘”等场景可归纳为后置复盘分析；总结、复盘是工作中的必备环节，对于大多职场人来说，这是一种高频分析场景；目的是让我们能够校准自己的工作方向，始终保持在正确的方向上前进。

用总分的数据分析框架，先描述结果指标达成情况，再通过公式拆解的方式归因到影响结果指标达成的过程指标；无论正向、负向，都需要对结果进行具体分析，目的是找到到促进（影响）结果达成的动因，才能修正方向。

以“广告落地页投放效果复盘”为例，广告投放的目标清晰—收入变现，投放效果即为投入产出情况。

公式拆解后，投放结果及其影响因子一目了然，形成总分的分析框架如下：

总分结构、公式拆解即为后置复盘分析的核心要素；构建分析框架是数据分析的第一步，也是必不可少的一步。

理清思路再动手执行，可以避免做无用功。切记！切记！

#专栏作家#

大鹏，公众号：一个数据人的自留地。人人都是产品经理专栏作家，《数据产品经理修炼手册》作者。

本文原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议。