馬上要高考了，最近跟高三的表弟聊天，他說他對高考非常沒有信心，本來能考400分呢，但是現在就只能靠350多分，他覺得很困惑，也不知道要上什么樣的大學，也不知道以后要從事什么樣的學校。
而且他一點也不偏科，語數外和物理化都是差不多的水平。
我給了他幾點建議：一是去找找從高三以來自己的每次統考的成績大概是多少？
去掉一個最高值去掉一個最低值然后把這些成績的平均求一下，可能就代表了你的目前大概水平。
從現在到高考還有兩個月，我說這兩個月你覺得提高100分難不難。
他說難。
我說廢話，肯定很難。
然后我問他，你覺得一個月提高50分難不難。
他說也很難。
我說如果把50分均分到每一科目上，每科提高10分難不難？
他說好像是容易點了。
然后你把10分分到四個星期，每個星期每科提高2.5分你覺得難不難。是不是覺得容易多了？
然后我讓他去具體針對每一課薄弱的地方、找到薄弱的知識點，集中復習一下，然后去重點復習，這樣是不是會容易點。
在這里，我們一聽100分好像很難，其實真正你把它拆分到一個個小的小項的時候，其實并不難。
這里用到了一個數據的拆解思維。
我們現在說面臨的業務問題，很多時候是比考試要難受一點的。
每個業務都應該都其相對應的指標，也就是數據，借助數據分析，逐步提升業務的增長。
可以說，任何一個業務，離開了數據都是沒有靈魂的。
作為一名運營人或者產品人，數據能夠真真實實的幫助我們解決非常非常的多問題。
下面針對我最近學到的一些數據分析方法做了一些梳理，供大家參考。
01為什么要進行數據分析？
對于80%的運營人來說，是很少接觸的全面的數據分析體系的，要么公司太小，根本沒有統計到歷史數據進行分析，要么是沒有數據分析的思維。
數據分析對于我們來說，有什么樣的價值？
首先，隨著增量時代轉向存量時代，未來互聯網公司大多時候拼的是運營能力，運營能力這里面就要包含比較核心的一點，那就是數據分析能力。
上到一個公司的戰略指標，下到單個員工的KPI指標，數據分析是一個人必須要突破的瓶頸。
只有擁有數據分析的思維方式，運營之路才會走得更遠，更久。
其次，不止是做運營，對于職場人來說，我們最重要的是要建立數據拆解的思維方式，這也是金字塔原理中的一種系統性的思維架構方式。
最后，任何業務應該對具體的目標結果負責，不管是HR還是財務，哪怕是前臺行政其實都可以運用數據指標來拆解工作。
可以肯定的說，不對數據結果負責的運營動作基本上都是不穿褲衩上街——耍流氓，這么一說，好像大部分都是流氓了。這世界真魔幻，換個角度好像大部分人就是流氓了。
就是耍流氓，數據分析也能讓你耍的更好。
02常見的指標拆解思路？
那么我們就要開始耍流氓，哦不是，是數據分析的一些思路的介紹。
不妨先問一下自己一個問題：
工作中，你知不知道你所負責的最重要的指標是什么？
如果你不知道，那你就要好好看下去，如果你知道，那你也應該看看。
所以我們要做的第一步，就是找到這些指標并且清晰的定義它。
如果沒有，你就要想辦法把它定義出來，并且想辦法量化出來。
如果有，那請看下一步。
第二步，拆解關鍵的數據指標。
如何拆解？
就像我們一開始提到表弟要高考提高成績的案例，我們要對影響其成績的幾種因素找出來，并且針對每種因素做具體的分析。這個具體的分析過程，就是拆解，拆解完成之后，我們就可以獲得更加進一步的行動方向和具體問題定位。
第三步，分析指標背后的現象。
每一個數據指標，其背后都在對應著一種數據現象，這種數據現象能夠我們業務邏輯。
比如說，DAU(日活）這個指標，他背后代表的是用戶使用我們產品的數量說明，一般來說，數值越大，越能代表我們的產品實際情況。
第四步，找到每一個指標可以優化的點，我們就需要快速的行動，進行優化
然后不斷的進行優化和驗證，實現業務的正向良好增長。
03分析歷史數據找到業務增長點
利用數據處理還可以通過分析歷史的數據找到業務增長的方向和業務增長點。
如何理解呢？
首先要有歷史的數據，這里很多人可能會遇到困難的點，我沒有歷史數據怎么辦？
你一定有少量的歷史業務數據，可能不全，這個時候我們要有意識的去搜集歷史數據，從而逐步優化。
找到歷史數據的時候回，按照我們上面所講的步驟去找到關鍵指標的部分，通過講關鍵指標拆解為一級二級三級指標，從而逐步實現增長目標的預估（詳情可看開始圖片）
那么如何進行目標的預估呢？
因為我是做財商課程教育的，我拿我的案例舉個例子。
我們現在我的營業額是8萬，但是我下個月想要增加到15萬萬營業額，那么我們可以做拆解呢？
銷售額是一級指標。銷售額（GMV）=流量轉化率客單價
我可以看到我這個月流量是10萬10%8元=8萬元。
那么二級指標是什么？
流量、轉化率和客單價都是二級指標。
那我們實現新增的目標有哪些？
我假設極端情況，轉化率不變，客單價不變，那我的流量就要變成15萬/10%/8=18.75萬
所以我流量要漲1.8倍左右。
如果流量不變的情況下，我的轉化率要提高1.8倍
也就是說，我假設極端情況下的流量和轉化。
但實際情況是，我流量漲到13萬，轉化率到14%，也是可以達到目標的。
所以，我們要計算極端值方案。
然后退而求其次逐步找到業務方案。
最后產出執行方案。
本篇先暫時更新到這里，下篇文章我們來談談如何結合歷史投放數據篩選渠道，以及異常數據指標的判斷與分析。
