商业模型与数据分析思维.docx

商业模型与数据分析思维对于每一个职场人来说，重要的是培养自己的数据分析思维：对数据敏感、了解数据背后隐藏的原因、根据数据制定对策。那么，对于数据分析，我们应当确定分析的框架？我们应当如何通过数据分析思维解决实际工作问题并提升提升效率？什么是数据分析思维？根据数据分析解决的问题，可以判断出数据分析所应具备的思维，简单而言，就是根据问题找到对应的解决方法。那么，应当怎样建立数据分析思维？今天就带大家学习一线互联网大厂数据分析师、操盘过百亿量级运营活动、十方首席数据分析师安娜老师总结的3种常用的商业模型，教你建立数据分析思维！1、AARRR漏斗模型聚焦用户增长Acquisition获取解决这四个问题：获取哪些用户？在哪些渠道获取？产品有哪些卖点？哪些方法获取用户？Activation激活获取用户后让用户感受到产品的价值。Retention留存确保获取的用户是真实用户，通过核心优势满足其需求、挖掘其痛点、解决其困惑、提升其价值。Revenue收入通过让用户接受的方式收取费用。Referra1传播超出用户期望的需求，通过增长策略进行策划营销。STEP1:用户有需求适用场景，运营业务流程、用户增长随着互联网新增人口红利的消失，关注点开始向拉新的后续环节推移，也更注重精细化运营在面试或是工作中，遇到具体的业务问题，可以使用AARRR模型展开思考，从环节与漏斗的角度对业务问题进行归因，验证猜想，并给出合理性建议。2、PESTE1模型-聚焦宏观环境Po1itics政治国家政局稳定、一带一路政策、限购政策增多、节能减排政策、鼓励万众创新Economic经济经济结构转型期、GDP增速下降、经济下行、制造业产能过剩Society社会交通制约、购车目的改变、消费重心下移Techno1ogy技术节能减排、新能源技术Environment环境空气质量、环保问题1ega1法律环境法适用场景：竞品分析、评估机会、战略分析、国际化业务在数据分析工作中，也有行业研究方向，为集团新业务开发、市场准入提供决策支持，就需要我们从宏观入手分析宏观形势对业务带来的影响。3、KANo分析模型魅力因素：用户意想不到的。如果不提供此需求用户满意度不会降低；提供此需求，则会大幅提升。期望因素：提供此需求用户满意度会提升；不提供则降低。必备因素：优化此需求用户满意度不会提升；不提供则大幅降低。无差异因素：用户不在意的。无论提不提供此需求，用户满意度都不会改变。反向因素：用户没有此需求，提供后反而降低。使用场景：针对用户需求角度出发的功能评估以上三种模型从3个视角出发，已经能够覆盖大部分的分析问题了，不过模型对于我们来说只是基础层次的框架，框架下的骨肉就需要我们了解业务知识、并通过不断学习来填充。