數據分析不僅是一個崗位名稱，也是一項通用的職場技能。“數據調研”、“數據監控”、“數據復盤”、“數據總結”、“數據驅動業務”…… 都是貫穿我們互聯網人日常工作的高頻詞匯。處處需要數據佐證，分析師以外的產品、運營同學同樣需要會分析、懂分析。
今天我們就來聊一聊數據分析基礎知識—構建分析框架。
搜索查詢“數據分析框架”相關內容，大家通常能夠看到資深從業者介紹的通用框架模型，比如：“用戶分析的3種分析方法”、“AARRR模型”、“增長引擎”等。
對于需要解決棘手問題的分析小白們來說，有一些似懂非懂，可以理解模型原理但是無法靈活地運用到實際工作場景中。結果只能模糊匹配，越分析越模糊。本文就從實際應用出發給大家介紹數據分析框架的構建方法。
構建分析框架的作用在于，數據分析之前先拆解目標、抽絲剝繭的理清思路，選取合適的數據、恰當的模型方法解決問題，達到事半功倍的效果。就像修建房屋之前，需要先做出規劃，計算出需要多少物料、多久的工期，選出最高效的方案，才能開始動工，避免不必要的短缺和浪費。
對于不同的數據分析場景，需要采用不同的分析框架。分析場景多種多樣，如：“投放數據異常分析”、“活動效果評估”、“產品策略制定”、“A/B效果評估”、“項目復盤”……看起來各自獨立，可以按照分析工作介入項目的時期進行歸納，大致分為3種類型：異常定位分析（中期）、前置評估分析（前期）、后置復盤分析（后期）。
異常定位分析
最怕工作群突然閃爍，“DAU為什么突然降了？”、“次留為什么從50%漲到70%？”、“昨天廣告收入為什么少了10W？”。
異常定位分析—這類問題是困擾很多人的噩夢。此類問題重要緊急，也相對基礎，能否快速準確定位問題，考查的是分析師制定的業務標體系基礎是否牢固。
此類問題的分析框架基本等價于基礎業務指標體系，以“廣告收入突降問題”為例，制定分析框架要了解廣告收入從何而來？影響收入的指標和維度有哪些？交叉分析，窮舉出所有維度和指標叉乘的影響因子，結合伴隨廣告收入突降的其他異常數據特征，定位異常因素所處環節。
窮舉出所有維度和數據指標叉乘的影響因子就是異常定位分析的框架。完善而全面即為異常定位分析框架的核心要素。
前置評估分析
“運營活動數值策劃”、“頁面改版收益預估”、“產品策略升級影響測算”等預測類分析場景可統一歸類為前置評估分析。
前置評估分析，是數據決策業務的一種方式。分析框架的邏輯合理性、與業務的貼合程度，直接影響決策方向是否正確。因此需要做分析的同學對業務非常了解，邏輯嚴謹，才能給出正確的判斷。
對于評估的項目，需要明確評估內容的輸入輸出項分別是什么，就是我們有什么？需要得到什么？圍繞這兩項核心內容抽絲剝繭尋找各方影響因素，將影響因素根據業務邏輯串聯起來就形成了前置評估的分析框架。
以裂變增長類運營活動“拆紅包”數值策劃為例，首先明確輸入項（預算有多少？）、輸出項（目標是拉新or促活？）分別是什么，圍繞著這兩項核心開始制定分析框架。假設此次“拆紅包”活動的活動預算5W（輸入），目標為拉新（輸出），根據業務實際提煉出活動數值策劃需要給出的判斷：新用戶獲取方式、新用戶獲取成本。梳理出影響新用戶獲取方式、新用戶獲取成本的影響因素如下：
接下來，串聯影響因素之間的關聯關系。
第一，將新用戶獲取成本的預估范圍與物質獎勵的敏感區間進行匹配，可確定目標新用戶獲取成本、活動獎勵金額和一次物質獎勵需求的拉新人數，以此作為基準制定拆紅包隨機金額策略。
第二，預算/目標新用戶獲取成本，可確定目標拉新人數，結合用戶的留存、活躍、行為分布，進而圈定種子用戶范圍。最終，獲取方向相關的：目標拉新人數、活動獎勵金額、拆紅包隨機金額策略、種子用戶范圍；獲取成本相關的：目標新用戶獲取成本，都可以從這一個框架中提取出來，進行決策判斷。
總結起來，明確核心輸入輸出項、熟悉理解業務、梳理邏輯關系，即為前置評估分析框架的核心要素。
后置復盤分析
“運營活動效果達成”、“A/B效果評估”、“業務復盤”等場景可歸納為后置復盤分析。總結、復盤是工作中的必備環節，對于大多數職場人來說，這是一種高頻分析場景。目的是讓我們能夠校準自己的工作方向，始終保持在正確的方向上前進。
用總分的數據分析框架，先描述結果指標達成情況，再通過公式拆解的方式歸因到影響結果指標達成的過程指標。無論正向、負向，都需要對結果進行具體分析，目的是找到到促進（影響）結果達成的動因，才能修正方向。
以“廣告落地頁投放效果復盤”為例，廣告投放的目標清晰—收入變現，投放效果即為投入產出情況。公式拆解后，投放結果及其影響因子一目了然，形成總分的分析框架如下：
總分結構、公式拆解即為后置復盤分析的核心要素。構建分析框架是數據分析的第一步，也是必不可少的一步。理清思路再動手執行，可以避免做無用功。切記！切記！
