数据分析是各公司运营管理岗位必备的技能之一，在互联网、金融为代表的一些“数据大户”企业尤为出众。

以互联网行业为例，在产品需求阶段可以通过数据分析对用户的需求去伪存真，在产品上线运营阶段，又可以通过数据验证产品的可行性并且进行迭代。而这些过程往往会运用到不同的数据分析方法。

1、多维度事件分析

多维度事件分析：对变化/异常的数据从多角度分析原因(最基本方法)。

从数据中可以看出： IOS端用户整体呈上涨趋势，但是安卓用户量的基数是IOS的几倍，所以安卓客户的数量波动很大幅度左右着整体用户数量，所以之后的计划是稳定安卓客户并保持上涨，同时加快提高IOS端的用户数量。

2、漏斗分析法

用来分析从潜在用户到最终用户这个过程用户数量的变化趋势，从而找到最佳的优化空间。

上面这张漏斗转化率的图，可以看到从访问到加够，下单到付款这两个环节的转化损失较大，可以去考虑如何改善和优化这方面的流程。也要去考虑有没有能够达到用户目的的同时简化这样的流程的可能。

3、留存分析法

留存是产品增长的核心，只有用户留下来产品才有可能得到增长。从产品设计角度出发，找到出发流程的关键行为，帮助用户找到产品的留存的关键节点。比方用户在使用过产品的新建功能留存度非常高，所以我们把新建这个按钮放在很显眼的地方刺激用户使用，结果留存度非常高。

4、群组分析法

对用户的精细的分析必不可少，不同的区域，不同的来源，不同的平台用户对产品的使用和感知是有很大的不同。所以产品经理可以对不同属性的用户进行分群，从而观察到群组用户的行为差异，进而优化产品。

以上都是分析一些指标和问题时常用的方法，这类方法，常常在做数据分析报告和分析思考时使用。对于每天必看的关键指标都用FineBI直接分析得出，几个主题的dashboard就能观测到全局的情况。

最后，介绍一些常用的数据分析模型，如获取，激活，留存，收入，推荐等等

获取： (指产品推广，用户是从哪里来的)需要关注的数据是：曝光度，打开率，点击率，下载量，用户获取成本。

激活： (指用户使用产品)需要关注的数据是：新用户注册量，日活跃，订阅数，浏览数。

留存： (指用户使用产品的时限)需要关注数据是：次日留存(DAU)，7日留存率(WAU),距离上次使用时长。

收入： (指产品获得的利润)需要关注的数据是：付款率，客单价，付费频率，用户价值。

推荐： (指用户推荐其他人使用我们产品)需要关注数据是：转发数，邀请数，评论数。