这篇文章来自GrowingIO联合创始人运营副总裁陈明先生，全文总结了15个运营必备的数据分析方法论。不论是刚刚入行的萌新，还是深耕多年的老司机，这篇深度总结，都值得你再次回顾。
提起数据分析，大家往往会联想到一些密密麻麻的数字表格，或是高级的数据建模手法，再或是华丽的数据报表。其实，“分析”本身是每个人都具备的能力，比如根据股票的走势决定购买还是抛出；依照每日的时间和以往经验选择行车路线；购买机票、预订酒店时，比对多家的价格后做出最终选择。
这些小型决策，其实都是依照我们脑海中的数据点作出判断，这就是简单分析的过程。对于业务决策者而言，则需要掌握一套系统的、科学的、符合商业规律的数据分析知识。
一、数据分析的战略思维
无论是产品、市场、运营还是管理者，你必须反思：数据本质的价值，究竟在哪里？从这些数据中，你和你的团队都可以学习到什么？
1.数据分析的目标
对于企业来讲，数据分析的可以辅助企业优化流程，降低成本，提高营业额，往往我们把这类数据分析定义为商业数据分析。商业数据分析的目标是利用大数据为所有职场人员做出迅捷、高质、高效的决策，提供可规模化的解决方案。商业数据分析的本质在于创造商业价值，驱动企业业务增长。
2.数据分析的作用
我们常常讲的企业增长模式中，往往以某个业务平台为核心。在这其中，数据和数据分析，是不可或缺的环节。
通过企业或者平台为目标用户群提供产品或服务，而用户在使用产品或服务过程中产生的交互、交易，都可以作为数据采集下来。根据这些数据洞察，通过分析的手段反推客户的需求，创造更多符合需求的增值产品和服务，重新投入用户的使用，从而形成形成一个完整的业务闭环。这样的完整业务逻辑，可以真正意义上驱动业务的增长。
3.数据分析进化论
我们常常以商业回报比来定位数据分析的不同阶段，因此我们将其分为四个阶段：
阶段1：观察数据当前发生了什么？
首先基本的数据展示，可以告诉我们发生了什么。例如：公司上周投放了新的搜索引擎A的广告，想要比对一周内新渠道A比现有渠道B情况如何，A、B各自带来了多少流量，转化效果如何？又比如，新上线的产品有多少用户喜欢，新注册流中注册的人数有多少。这些都需要通过数据来展示结果，都是基于数据本身提供的“发生了什么”。
阶段2：理解为什么发生？
如果看到了渠道A为什么比渠道B带来更多的流量，这时候我们就要结合商业来进一步判断这种现象的原因。这时候我们可以进一步通过数据信息进行深度拆分，也许某个关键字带来的流量，也许是该渠道更多地获取了移动端的用户。这种数据深度分析判断，成为了商业分析第二个进阶，也同时能够提供更多商业价值上的体现。
阶段3：预测未来会发生什么？
而当我们理解了渠道A、B带来流量的高低，就根据以往的知识预测未来会发生什么。在投放渠道C、D的时候，猜测渠道C比渠道D好，当上线新的注册流、新的优化，可以知道哪一个节点比较容易出问题；我们也可以通过数据挖掘的手段，自动预测判断C和D渠道之间的差异，这就是数据分析的第三个进阶，预测未来会发生的结果。
阶段4：商业决策
所有工作中最有意义的还是商业决策，通过数据来判断应该做什么。而商业数据分析的目的，就是商业结果。当数据分析的产出可以直接转化为决策，或直接利用数据做出决策，那么这才能直接体现出数据分析的价值。
4.数据分析的EOI框架
EOI的架构是包括LinkedIn、Google在内的很多公司定义分析型项目的目标的基本方式，也是首席增长官在思考商业数据分析项目中一种基本的、必备的手段。
其中，我们先会把公司业务项目分为三类：核心任务，战略任务，风险任务。以谷歌为例，谷歌的核心任务是搜索、SEM、广告，这是已经被证明的商业模型，并已经持续从中获得很多利润。谷歌的战略性任务（在年左右）是安卓平台，为了避免苹果或其他厂商占领，所以要花时间、花精力去做，但商业模式未必成型。风险任务对于创新来说是十分重要的，比如谷歌眼镜、自动驾驶汽车等等。
数据分析项目对这三类任务的目标也不同，对核心任务来讲，数据分析是助力（E），帮助公司更好的盈利，提高盈利效率；对战略任务来说是优化（O），如何能够辅助战略型任务找到方向和盈利点；对于风险任务，则是共同创业（I），努力验证创新项目的重要性。首席增长官需要对公司业务及发展趋势有着清晰的认识，合理分配数据分析资源、制定数据分析目标方向。
二、数据分析的3大思路
而面对海量的数据，很多人都不知道从如何准备、如何开展，如何得出结论。下面为大家介绍做数据分析时的3个经典的思路，希望在数据分析的实际应用中能给大家带来帮助。
1.数据分析的基本步骤
上面我们提到了数据分析与商业结果之间关联的重要性，所有商业数据分析都应该以业务场景为起始思考点，以业务决策作为终点。数据分析该先做什么、后做什么。基于此，我们提出了商业数据分析流程的五个基本步骤。
要先挖掘业务含义，理解数据分析的背景、前提以及想要关联的业务场景结果是什么。需要制定分析计划，如何对场景拆分，如何推断。从分析计划中拆分出需要的数据，真正落地分析本身。从数据结果中，判断提炼出商务洞察。根据数据结果洞察，最终产出商业决策。
举个例子：
某国内互联网金融理财类网站，市场部在百度和hao上都有持续的广告投放，吸引网页端流量。最近内部同事建议尝试投放神马移动搜索渠道获取流量；另外也需要评估是否加入金山网络联盟进行深度广告投放。
在这种多渠道的投放场景下，如何进行深度决策？我们按照上面商业数据分析流程的五个基本步骤来拆解一下这个问题。
第一步：挖掘业务含义。
首先要了解市场部想优化什么，并以此为北极星指标去衡量。对于渠道效果评估，重要的是业务转化：对P2P类网站来说，是否发起“投资理财”要远重要于“访问用户数量”。所以无论是神马移动搜索还是金山渠道，重点在于如何通过数据手段衡量转化效果；也可以进一步根据转化效果，优化不同渠道的运营策略。
第二步，制定分析计划。
以“投资理财”为核心转化点，分配一定的预算进行流量测试，观察对比注册数量及最终转化的效果。记下俩可以持续