互联网常见数据分析的作用

我们上篇内容，梳理和分享一些数据分析领域的岗位详解，让大家清晰地了解一些“数据分析”岗位中偏业务和偏技术的职责的不同之处以及发展方向。（详情请看：数据分析是行业，还是技能？（上））在5G以及大数据的时代发展下，互联网将作为底层的基础建筑，各行各业逐步完成数字化转型，开始更多地开始扎根，且在未来的一段时间内，根据相关数据统计：数据方面的人才需求还会保持每年40%的持续增长，甚至预计在2022年数据人才缺口达到300万人左右。但无论在“数据分析”的哪一方向上想要做出成绩，都需要自身具备过硬的技术实力与业务理解能力。

但是，从目前的阶段来看，“数据分析”技能也不再只是数据分析相关岗位的专属了，几乎所有泛商科的岗位，“数据分析”技能都是不可或缺的必备技能。如销售、市场、运营、策划、产品、技术等需要通过数据分析实现业务持续增长；财务、法务、人力等行政类岗位也是需要通过数据分析来提升工作效率，提高人效等指标。

即便不从事数据分析相关岗位工作，若掌握一定的数据分析思维以及处理能力也将成为你未来职场中绝对的加分项。那么，本文将梳理一些数据分析在其他领域的应用，其目的主要让大家清晰地了解“数据分析”不同领域的应用，结合自己的自身经验和认知情况，是把数据分析作为行业，还是当做一项技能？仅供参考！

数据分析在其他领域的应用

我们就简单列举几个互联网以及行政类常见的应用以及数据分析的作用，其他领域这里就不一一列举了。

01

运营领域应用

运营工作涉及到的数据分析，主要是有以下3个目的：

①描述现状

从日报，周报，月报等数据及时了解当下的运营情况以及变化趋势情况，更加趋向于短期的数据分析，如某考勤软件APP渠道投放360搜索，根据已经跑了两周的数据，对其投放效果进行分析，寻找现状的问题并产出对该投放的优化解决方案。可以通过对渠道落地页等数据的分析，优化用户路径，提高各环节的转化率。还可以获客质量、获客量级、获客成本，ROI等数据分析，筛选成优质渠道，为业务线增效降本。

②原因分析

通过数据分析来发现业务线中存在的问题，为业务增长优化以及优化业务流程等提供数据支撑。比如，某个APP渠道投放中，可通过新增用户注册量、活跃度、留存率等数据，可以看出用户在哪个环节流失比较多，出现问题比较多，那么后期在这个环节中，就可以多次进行试验，提升转化率。

③进行预测

通过数据分析找到数据中的某种趋势或者共性，从而更好地指导业务线中的运营动作。比如在新媒体运营中，通过以往对以往内容的关键词进行分析，找出打开率高、阅读量高、转发量高的内容，从而了解受众，更好地进行后面的选题和内容规划。

运营领域最常见的渠道运营中的广告投放，通过前期调研，针对目标用户人群进行分析，分析出该人群的用户画像，基于已有的用户数据，可以预测该渠道投放后的转化率，通过这些信息作为精准化投放，实现更多的预期管理。

总之，运营工作涉及到的数据分析，主要是预测和复盘。更好的优化运营策略，规划业务重心以及运营抓手。主要的数据分析方法有漏斗分析、趋势分析、对比分析、描述统计分析、归因分析、细分分析等。（后面将逐一梳理这些分析方法）

02

产品领域应用

产品工作涉及到的数据分析主要是通过可量化数据指标来评估产品的改进方向是否成功。

▊产品初始期，通过对市场及竞品的数据分析，可以更好的为自身产品开发提供理论依据，从而避免产品没有市场需求或者避免产品踩到竞品踩过的坑。

▊产品发展期，通过数据分析可以优化产品功能，提升用户体验，使产品更好的符合用户需求，赢得市场。

▊产品成熟期，通过数据分析可以获取对产品新的想法，扩展产品功能，使产品二次创新，为产品未来发展布局，避免进入产品衰亡期。

数据分析是伴随产品全部生命周期的重要分析行为之一，在产品发展的不同阶段，数据分析的侧重点也有所不同。

总之，作为一名产品经理必须养成数据思维习惯，掌握数据分析方法论。在产品迭代发展的过程中，通过数据驱动以保证产品按照更好的方向发展。主要的数据分析方法有A/B测试、竞对分析、5W2H分析法、波士顿矩阵分析、RFM用户分层分析等。（后面将逐一梳理这些分析方法）

03

财务管理领域应用

在财务管理领域主要通过数据分析的作用有：

①掌握企业生产经营的规律。企业的生产经营活动，随着生产的发展、业务量的大小等遵循一定的规律性。不同的行业，对资金的占用、需求遵循不同的规律。

②了解企业的经营管理现状和存在的问题。企业生产经营的规律性，具体反映在财务分析指标的各项数值中。通过数值的比较，可以发现经营管理问题，找出差距，为企业的经营决策服务。

③弄清企业的优势和弱点，做到知己知彼，为企业在市场上开展竞争和制定发展战略服务。企业的优势和弱点，反映在企业偿债能力、收益能力、发展潜力等各项指标数值上。

其主要侧重在以下几个方面的分析。

①偿债能力。通过财务报表反映的资产、负债、盈利和现金等指标来分析企业额短期偿债能力和长期偿债能力。企业的偿债能力反映了企业经营风险性，同时也体现了企业是否善于利用负债为企业获取更大的利益。包括现金比率、资产负债率、负债权益比率、现金流量负债比率等。

②盈利能力。通过报表反映的企业的利润构成情况并分析盈利能力的大小。通过盈利能力分析，可以发现各项业务对企业利润或企业价值的贡献大小，便于管理者采取措施改进业务结构或业务模式。包括销售毛利率、销售净利率、总资产报酬率、盈利现金比率等。

③资产运营能力。通过组成运营能力分析，发现并改进企业经营过程中对各项资产的利用状况，从而为提高企业盈利能力和核心竞争力打下良好基础。主要包括资产周转率、现金周转率、应收账款周转率、流动资产周转率等。

④现金能力。现金流量表信息在反映企业偿债能力、支付能力、财务灵活性、持续经营能力等方面有着修正作用。因此，从现金流量着手来分析企业的现金能力是至关重要的。

总之，通过分析有关财务指标，了解企业的财务清空，有效地制定经营管理策略和发展策略。同时，通过比较、分析这些指标，还可弄清竞争对手的优势和弱点，以便采取有效的竞争策略。主要的数据分析方法有PEST分析法、结构化分析法等。

04

人力管理领域应用

在人力管理领域主要通过数据分析的作用有：如果从经营角度看人力资源，就是看人力资源配置是否合理、产出是否恰当，人员更迭是成本增加还是减少，人员的供给是否满足业务成长要求，人员的增加是否带来正向的经营结果改善等等。

在此领域的分析可以分为横向和纵向分析，横向分析一般指和同业优秀公司对标，看差距和位置。纵向分析是对企业历史数据进行对比，看是改善了还是恶化了。但数据的选择和分析维度很重要，不是简单的汇总，而是通过分析发现问题，从而按图索骥找到解决问题的方法。

比如，如果要分析人力投入产出比，可以用人均产能，但是人均产能不能衡量质量好坏，更直接的是用人工投产比，就是每1块钱人工的投入产出多少产值，这个相对更科学一点。

其主要侧重在以下几个方面的分析。

①产能分析：人工投产比；

②创新分析：人工创新比=创新总值/人工总值（这里创新总值一般由公司定义范围和权重，人工总值可以用全部人工或从事创新工作的 人工，全部人工适合学习型组织，创新人工适合职能型组织）；

③薪酬水平分析：对比外部同业分析薪酬水平状况，依据薪酬战略确定薪酬调整方案，起到留住员工、激励员工的作用；

④团队成长分析：依据不同职位、等级系数对比分析团队成长情况；

⑤团队成长可靠性分析：依据团队成长对比产值成长看团队成长是否合理，是否带来业务健康增长，如果结合外部数据对比就更有效，可以剔除大环境带来业绩变化的因素。

以上只是简单地梳理了几个维度，还可以有离职率等维度，需要具体情况具体分析，结合企业经营才真正能发挥作用。总之，人力资源数据分析是战略人力资源或业务人力资源落地的基础，要做到人力资源数据分析的有效性，需要对业务充分了解，找出分析维度，真正诊断问题的关键点，从而促进企业经营和战略目标实现。主要的数据分析方法有结构化分析法、对比分析法、描述分析法等。

总结

“数据分析”技能已经渗透到各个领域了，除以上列举的常见领域应用外，还有制造业中，通过数据分析来提升产品质量和缺陷跟踪、供应计划 、制造过程缺陷跟踪、产量预测、提高能源效率等，在政府流程中，使用和采用大数据分析可提高成本，生产力和创新效率。在新媒体内容管理中还可以预测观众的需求、告定位投放、内容偏好等等。

总的来说，数据分析完全可以说当做一个技能，用它来服务自己的本职工作是非常有价值的，对数据敏感，能够通过数据分析来发现业务提升的机会，是很多企业对未来职场人的基本要求。当其他人还在用经验或者教条主义指导业务的时，你却能通过洞察数据，观察规律，进而做出可落地执行的业务决策，驱动业务线高效的增长，为企业降本增效，这也就是“数据分析”之所以成为企业“新动力”的根本原因。

当然，对于职业的选择来讲，比能力、经验、天赋甚至所谓的职业前景重要的多得多。因此，是把数据分析当做一个技能去支撑行业发展业务岗位上，还是术业有专攻的去从事专业的数据分析相关岗位上，就需要我们必须结合自己的自身经验和认知情况和大环境以及所处公司等诸多因素来思考，是把数据分析作为行业，还是当做一项技能？

责任编辑：haq