核心指標拆解常用方法

㈠ 怎麼撰寫一份產品數據報告

產品數據報告是產品和運營人必不可少的工作，無論是周報、月報，還是新版本表現的分析報告，都需要在圍繞報告目標的基礎上，對數據進行整理、分析並提煉要點，最後形成一份有指導意義、易讀且美觀的數據報告。

本文從撰寫步驟的角度，總結如何從0開始撰寫一份產品數據報告。

一、明確報告定位

報告就是向某一人群進行匯報，那麼首先就要明確報告的對象，從報告對象的角度組織內容、結構，以及報告里各個模塊的側重點。

舉例來說：

如果報告是面向公司領導層的 ，例如：公司業務線的例行匯報，或是向產品線leader匯報新產品或新版本的表現；這時候 報告要突出的就是關鍵指標有沒有達到預期，各個關鍵指標為什麼是這個表現 ，需要通過拆解成細化的指標來簡要說清楚問題出在哪裡，或是優秀表現的原因是什麼，最後總結團隊下一步的改進計劃。

如果是面向團隊的業務同事的，那報告的側重點就在於挖掘問題點，並提出改進方案或建議 ，要起到的是用數據驅（che）動（pi）團隊的作用。

如果是對外公開的報告，則一般側重的是結果和趨勢，而不是過程。 這一類就是咨詢機構們公開發布的那些報告的範式了。

二、拆解核心指標，建立數據模型

明確了報告的定位之後，那麼就可以結合報告定位和產品目標、活動運營目標等指標，對核心指標進行拆解，形成報告的數據模型。

例如：如果是電商類產品，並向領導匯報，那麼可能核心指標就是GMV，GMV是用戶數乘以客單價，那麼我們一步步進行拆解就如下圖所示：

需要指出的是： 報告的核心指標和拆解是動態的 ，在產品的不同階段，數據模型也需要進行調整。

例如：一個產品中前期階段關注的可能是用戶規模，到達一定用戶規模之後，就需要開始重點關注用戶價值了，而數據模型也就需要隨之調整。

三、數據的整理和分析

1. 數據的獲取

數據的來源比較多，需要根據不同指標的需要，選取穩定可靠的數據來源。

常見的數據來源包括：

公司自有數據統計系統；

第三方數據統計平台，例如：友盟、網路等；

第三方業務平台，例如：廣告聯盟等；

公開的數據源。

其中有很多數據是有多個來源的，例如：用戶的基礎數據一般公司自行統計和第三方平台都有，而對外合作的數據則是自行統計和第三方業務平台都有。

對於和錢有關的數據，例如：訂單數、金額明細等，一般來說必須要有嚴格的對賬系統來核對和平賬。

但對於用戶數據出現差異，一般需要對統計口徑和統計方案進行分析，如果是統計手段層面造成的差異則可以忽略。

這里需要注意的是，如果一個數據來源出現大幅異常波動，往往可以藉助另一個數據來源進行對比分析，如果兩邊是同方向、同幅度的波動，則要從業務角度去分析，如果兩邊差異很大，則很可能是數據統計源頭出了問題。

2. 數據的整理、清洗

數據的整理和清洗主要是排除臟數據和統計異常的數據、對數據進行結構化處理等等，這里就不展開了。

3. 分析數據：重要的是思維

對於數據分析，思維比工具和手段重要，首先要明確想找到什麼問題，再提出假說然後依據假說去排查，而不是在海量數據中無目的查找問題。

4. 分析數據的方法

拆解法：

對一個大問題拆分為更小粒度的指標，如果沒有發現問題則繼續往下拆解，直到發現問題所在為止，從而尋找到對應的解決方案。

BCG矩陣：

根據不同業務場景，選取兩個坐標作為坐標軸，從而把業務或用戶劃分為不同的類型進行分析。

同比分析法：

將各個業務相同類型的數據放在一起比較。

用戶分析：

用戶分析包括了使用廣度、使用深度、使用粘性等指標，這些指標一般是若干用戶指標的組合，例如：使用廣度就包含了總用戶數和MAU等，使用深度就包含了使用時常、停留時間等。

分析數據的方法有很多種，需要根據報告定位和目標的需要適當選取。

這里以一份產品月報的撰寫為例，供大家參考數據報告的撰寫。

首先這是一份面向領導匯報的產品運營月報，因此需要突出核心指標的完成情況，以及拆解的二級、三級指標的情況，從而從上到下分析本月指標的完成情況。

其次，這是一個電商導購類的產品，因此在報告的第一項，就是依據產品特性，對數據指標進行拆解和建立數據模型，從而讓讀者一目瞭然知道報告的內容框架，以及各項數據的完成情況，之後才是逐步展開進行匯報，便於說清楚具體情況、問題點、改進計劃。

指標拆解示例：

目前MAU量級數百萬，因此產品階段還側重在用戶增長，其次才是收入；

監控指標根據實際情況可以隨時調整，以便說明問題。

數據總表示例：

拆解完數據指標，建立模型之後，就是要展示出重點的數據、形成數據總表，從而讓報告的閱讀者一目瞭然知道核心指標完成情況，以及哪些數據超出預期、哪些數據出現問題。

如下表所示，未達預期部分的目標完成度加黑，引導大家聚焦在問題的分析上：

核心指標示例：

指標的展示有以下幾點需要注意：

圖形樣式需要根據報告的匯報側重點來選取，例如展示體量變化可以用柱狀圖、展示趨勢可以用折線圖、展示不同業務同一指標的對比可以用簇狀柱圖等等；

一個表格最多展示一個主要數據和一個次要數據，例如：MAU+環比增長率；

數據情況的原因說明最好不超過2個，切忌羅列一堆原因，讓閱讀者找不到重點。

核心指標拆解分析：

如上例核心指標為MAU，則需要對當月活躍用戶的構成進行分析，並可以順便帶出月留存率。

渠道分析示例：

這里以渠道新增分析示例，適合於對比多個同類數據的情況，例如同時查看免費渠道和付費渠道的新增用戶情況。

且由於更關注免費自然流量新增，因此還可以再帶上免費新增的增長折線便於解釋說明。

由於重點是免費渠道，因此可以繼續對免費渠道進行詳細分析：

留存用戶分析示例：

留存用戶的分析，除了分析總留存人數之外，還常用如下的梯形表格分析動態時間周期內的留存率變化情況：

人均活躍天數示例：

人均活躍天數是考察用戶活躍情況的重要指標，一般用折線圖來展示變化趨勢：

人均活躍天數同樣可以根據業務需要，繼續細化分析不同渠道、不同機型、不同操作系統等等的詳細數據。

收入統計示例：

收入類型的統計，比較適合先用一個總表展示出整體的情況，然後再細分不同的收入指標，選擇合適的圖表進行展示：

總結

產品數據報告的撰寫，首先要基於閱讀者和產品核心指標的分析，對指標進行拆解和建模、確定整個報告的內容框架和側重點，然後對數據進行整理、分析和製表，最後的工作才是對報告進行美化。

㈡ 做數據分析時的常用方法有哪些

數據分析的三個常用方法有數據趨勢分析、數據對比分析及數據細分分析。

1、數據趨勢分析

趨勢分析一般而言，適用於產品核心指標的長期跟蹤，比如，點擊率，GMV，活躍用戶數等。做出簡單的數據趨勢圖，並不算是趨勢分析，趨勢分析更多的是需要明確數據的變化，以及對變化原因進行分析。

2、數據對比分析

對比分析，就是給孤立的數據一個合理的參考系，否則孤立的數據毫無意義。一般而言，對比的數據是數據的基本面，比如行業的情況，全站的情況等。有的時候，在產品迭代測試的時候，為了增加說服力，會人為的設置對比的基準。也就是A/B test。

3、數據細分分析

在得到一些初步結論的時候，需要進一步地細拆，因為在一些綜合指標的使用過程中，會抹殺一些關鍵的數據細節，而指標本身的變化，也需要分析變化產生的原因。細分分析是一個非常重要的手段，多問一些為什麼，才是得到結論的關鍵，而一步一步拆分，就是在不斷問為什麼的過程。

㈢ 數據分析方法（六）-如何設立指標體系

要解決以上不知道，我們需要指標思維

數據統計中有哪些常見的指標？如何為一個項目（活動、功能、產品）制定指標模型？

指標可以分為 簡單計數型指標 和 復合型指標 。

如何設立指標體系？

「產品自身提供價值」是指產品自身可以滿足用戶需求，為用戶提供價值。
「產品鏈接其他資源提供的價值」是指產品作為平台方或鏈接者，把用戶和其他資源鏈接起來，以此為用戶提供價值。

我們根據業務特點將不同業務放入對應的象限之中，它們分別是：

在明確業務之後，就可以構思每個業務需要關注的指標。如下表所示：

拆解核心指標
明確業務類型和業務指標之後，我們要結合實際業務，將主要關注的指標拆解到可行動的程度。常見的拆解思路有兩種：

按場景拆分成多個子指標的和。

如：DAU ≈ 日新增用戶+留存用戶+迴流用戶；

按一定的關系拆分成多個子指標的積。

依靠邏輯關系進行指標拆分。如：

GMV （總消費額）≈ 用戶數 x 購買頻次 x 客單價；

銷售額 ≈ 用戶總量 x 付費率 x 客單價；

LTV（生命周期總價值 ，life time value ）=LT（生命周期 ，life time）x ARPU（每個用戶的平均花費，Average Revenue Per Use）

依靠時間先後進行指標拆分。

如：渠道推薦效果 ≈ 展現次數 x 點擊率 x 轉化率

㈣ 成本指標分解是什麼意思

成本指標分解得是否科學合理,關繫到生產單位及職工的切身利益,因此,設備成本指標如何分解是成本否決能否順利進行的關鍵步驟.本文從車間設備管理的實際情況出發,探索設備成本指標分解的思路.

㈤ 常用的數據分析方法有哪些

常見的數據分析方法有哪些？
1.趨勢分析
當有大量數據時，我們希望更快，更方便地從數據中查找數據信息，這時我們需要使用圖形功能。所謂的圖形功能就是用EXCEl或其他繪圖工具來繪制圖形。
趨勢分析通常用於長期跟蹤核心指標，例如點擊率，GMV和活躍用戶數。通常，只製作一個簡單的數據趨勢圖，但並不是分析數據趨勢圖。它必須像上面一樣。數據具有那些趨勢變化，無論是周期性的，是否存在拐點以及分析背後的原因，還是內部的或外部的。趨勢分析的最佳輸出是比率，有環比，同比和固定基數比。例如，2017年4月的GDP比3月增加了多少，這是環比關系，該環比關系反映了近期趨勢的變化，但具有季節性影響。為了消除季節性因素的影響，引入了同比數據，例如：2017年4月的GDP與2016年4月相比增長了多少，這是同比數據。更好地理解固定基準比率，即固定某個基準點，例如，以2017年1月的數據為基準點，固定基準比率是2017年5月數據與該數據2017年1月之間的比較。
2.對比分析
水平對比度：水平對比度是與自己進行比較。最常見的數據指標是需要與目標值進行比較，以了解我們是否已完成目標；與上個月相比，要了解我們環比的增長情況。
縱向對比：簡單來說，就是與其他對比。我們必須與競爭對手進行比較以了解我們在市場上的份額和地位。
許多人可能會說比較分析聽起來很簡單。讓我舉一個例子。有一個電子商務公司的登錄頁面。昨天的PV是5000。您如何看待此類數據？您不會有任何感覺。如果此簽到頁面的平均PV為10,000，則意味著昨天有一個主要問題。如果簽到頁面的平均PV為2000，則昨天有一個跳躍。數據只能通過比較才有意義。
3.象限分析
根據不同的數據，每個比較對象分為4個象限。如果將IQ和EQ劃分，則可以將其劃分為兩個維度和四個象限，每個人都有自己的象限。一般來說，智商保證一個人的下限，情商提高一個人的上限。
說一個象限分析方法的例子，在實際工作中使用過：通常，p2p產品的注冊用戶由第三方渠道主導。如果您可以根據流量來源的質量和數量劃分四個象限，然後選擇一個固定的時間點，比較每個渠道的流量成本效果，則該質量可以用作保留的總金額的維度為標准。對於高質量和高數量的通道，繼續增加引入高質量和低數量的通道，低質量和低數量的通過，低質量和高數量的嘗試策略和要求，例如象限分析可以讓我們比較和分析時間以獲得非常直觀和快速的結果。
4.交叉分析
比較分析包括水平和垂直比較。如果要同時比較水平和垂直方向，則可以使用交叉分析方法。交叉分析方法是從多個維度交叉顯示數據，並從多個角度執行組合分析。
分析應用程序數據時，通常分為iOS和Android。
交叉分析的主要功能是從多個維度細分數據並找到最相關的維度，以探究數據更改的原因。

㈥ 杜邦財務分析體系的核心指標是什麼如何分解該指標

杜邦財務分析體系的核心指標是凈資產收益率，它是一個綜合性最強的財務分析指標，是杜邦分析系統的核心。

杜邦分析法中的凈資產收益率的分解：

凈資產收益率=總資產凈利率×權益乘數=銷售凈利率×總資產周轉率×權益乘數

其中：

1、銷售凈利率=凈利潤/銷售收入；

2、總資產周轉率=銷售收入/平均資產總額；

3、權益乘數=資產總額/所有者權益總額=1/（1-資產負債率）=1+產權比率。

(6)核心指標拆解常用方法擴展閱讀：

杜邦財務分析體系的其他指標：

1、資產凈利率。

它是影響權益凈利率的最重要的指標，具有很強的綜合性，而資產凈利率又取決於銷售凈利率和總資產周轉率的高低。擴大銷售收入，降低成本費用是提高企業銷售利潤率的根本途徑，而擴大銷售，同時也是提高資產周轉率的必要條件和途徑。

2、權益乘數。

它表示企業的負債程度，反映了公司利用財務杠桿進行經營活動的程度。資產負債率高，權益乘數就大，這說明公司負債程度高，公司會有較多的杠桿利益，但風險也高。

㈦ 數據分析系列（二）：如何梳理數據指標體系

前言

上一期話題我們聊了一下「如何辨別數據指標，利用正確的數據指標來指導工作」。這期話題我們會聊一聊：如果你面臨的是一個探索項目，如何從零開始建立起一套數據指標體系。

01 明確當前業務的目的

從產品生命周期的角度來說，一個產品會經歷引入期、成長期、成熟期、衰退期四個階段，由於衰退期的產品價值比較有限，所以這里主要討論前三個階段：

引入期，關注業務模型是否能夠跑通（主要包括用戶滿意度、留存等指標，看產品是否能為用戶提供價值

成長期，關注用戶增長（主要關注新增、留存等指標）

成熟期，提升用戶活躍度，實現商業變現（關注DAU、收入等指標）

理想中的狀態是以上，不過目前越來越多的公司由於面對資金壓力，很多公司都在壓縮產品引入期-成長期的時間，從產品初期已經開始孵化一些商業化功能，實現變現。但總體而言，一般當前業務目的還是可以歸根於兩個方面：

流量：用戶新增、DAU、用戶留存、人均使用時長

變現：營收

02 梳理當前業務模塊&核心指標

上個部分我們提到業務目的主要可以分為流量、變現兩個環節，那麼下面個人認為從業務目的出發，常見的業務模塊及其核心指標主要如下所示，供參考。

同時，核心指標的描述需要包含以下幾個要素：

指標含義：描述了一件xxxx的事情

計算方法：包括計算公式、統計時間段

指標價值：做好了能怎麼樣

所謂「核心指標」的定義沒有標准答案，我認為衡量的標準是：日常你每天都需要去關注的綜合性數據。

舉例「如果現在是某一產品付費模塊」，可以大致按照如下方式進行梳理：

03 定義核心指標判斷標准

前面有提到核心指標描述裡面需要包括一項：做好了能怎麼樣，那這里其實需要為核心指標配套一個判斷標准。

常見的定義標準的方法有以下幾種，按照自身產品特點選擇即可：

KPI達標率：如果你的核心指標是KPI指標，那就直接根據KPI達標率來判斷即可。這個應該是最常見的一種方式。

競品對標：如果你能從靠譜渠道搜集到競品相關數據，那以競品為參照物進行判斷。

環比對比：查看環比數據，如果業務走勢呈明顯周期性，選擇一個歷史數據較為不錯的數據進行對比。

同比對比：查看同比數據，預估每個周期增長多少個百分點，與上一周期數據進行對比，看是否達標。

04 完善二三級指標

「核心指標」能幫助我們每天了解業務的全盤情況，但是如果某一天我們發現某一個核心指標發現了異常波動，我們需要去進一步探索原因。所以，這里我們要做的第四步是：根據實際業務需要，進一步完善二三級指標。

具體拆解方式很大決定上取決於產品形態及當前業務關注點，主要可以通過以下幾種方法：

根據構成拆解

比如推廣模塊的推廣成本可以拆解為：

推廣成本=渠道1推廣成本+渠道2推廣成本+渠道3推廣成本...

根據業務流程拆解

根據業務流程，劃出具體業務流程的過程指標，比如研究游戲內A道具的付費率情況，可以分為以下幾個流程：

根據可能影響因素拆分

假設流量池穩定，游戲平台付費營收未達到預計水平，可以從以下幾個角度增加分類維度：

05 總結

指標建模最大的意義在於最終能夠賦能業務成長，所以我更建議由上及下進行拆解：以最終整個產品目的為導向（老闆層面關心的問題），再到當前業務核心指標&判斷標准（Leader關心的問題），再到二三級指標（執行層面關心的問題）。

同時，最後2條小建議：

選擇哪一種指標建模方法不重要，要注意邏輯性，選擇一種自己認可的即可；

注意實操性，剛開始精力有限的情況下，不建議建立太多復雜的指標體系，最後反而看得眼花繚亂，抓不到業務重心。

本期內容在這里結束，下篇文章會圍繞《常見的數據分析方法》展開，聊一聊常見的數據方法有哪些以及實際在業務場景中如何運用。

㈧ 如何做好數據分析

數據分析有：分類分析，矩陣分析，漏斗分析，相關分析，邏輯樹分析，趨勢分析，行為軌跡分析，等等。 我用HR的工作來舉例，說明上面這些分析要怎麼做，才能得出洞見。

01） 分類分析
比如分成不同部門、不同崗位層級、不同年齡段，來分析人才流失率。比如發現某個部門流失率特別高，那麼就可以去分析。

02） 矩陣分析
比如公司有價值觀和能力的考核，那麼可以把考核結果做出矩陣圖，能力強價值匹配的員工、能力強價值不匹配的員工、能力弱價值匹配的員工、能力弱價值不匹配的員工各佔多少比例，從而發現公司的人才健康度。

03） 漏斗分析
比如記錄招聘數據，投遞簡歷、通過初篩、通過一面、通過二面、通過終面、接下Offer、成功入職、通過試用期，這就是一個完整的招聘漏斗，從數據中，可以看到哪個環節還可以優化。

04） 相關分析
比如公司各個分店的人才流失率差異較大，那麼可以把各個分店的員工流失率，跟分店的一些特性（地理位置、薪酬水平、福利水平、員工年齡、管理人員年齡等）要素進行相關性分析，找到最能夠挽留員工的關鍵因素。

05） 邏輯樹分析
比如近期發現員工的滿意度有所降低，那麼就進行拆解，滿意度跟薪酬、福利、職業發展、工作氛圍有關，然後薪酬分為基本薪資和獎金，這樣層層拆解，找出滿意度各個影響因素裡面的變化因素，從而得出洞見。

06） 趨勢分析
比如人才流失率過去12個月的變化趨勢。

07）行為軌跡分析
比如跟蹤一個銷售人員的行為軌跡，從入職、到開始產生業績、到業績快速增長、到疲憊期、到逐漸穩定。