有没有停下脚步去想一想，到底大数据怎么去落地？

　　有没有停下脚步去想一想，到底大数据怎么去落地？

　　大数据这个曾经被粉碎的概念，现在已经被人工智能所取代。我们不讨论人工智能。说到大数据，大家都在强调他的技术，比如互联网热词：hadoop+spark，数据挖掘。当我们使用大数据时，我们经常用它来神话它的影响。比如广告精准投放、社保有序管理、医药行业智能化等。

　　当然这些都是我们的想象，确实离不开数据分析的影响，但是我们有没有停下来思考大数据是如何实现的，如何分析以及如何利用数据让企业做出决策，比如如：精准广告

　　什么是大数据分析？

　　麦肯锡定义大数据：

　　"一个大到足以获取、存储、管理和分析的数据集合，大大超过了传统数据库软件工具的能力。它具有海量的数据规模、快速的数据流转、多样的数据类型、低价值密度.四大特点。”

　　基于我对以上定义的理解，我总结的大数据分析就是将获取的数据打通整合，找到规律，即时获取决策信息。

　　数据采集

　　我总结的数据来源可以分为三类：

　　(1)yifang 数据：用户真实数据

　　例如用户在金融机构购买的金融产品，时间、网点、姓名、电话等，或者操作数据，如互联网金融应用、用户操作行为数据

　　(2)二方数据：其实这部分叫广告数据

　　比如广告展示次数、事件页面点击次数、广告来源等，有的公司将这部分数据作为第三方数据使用，因为有的广告监控公司利用这些数据和人群数据来构建自己的dmp。诸如此类的公司一般自称是第三方公司，三方数据

　　(3)三方数据：行业数据，也叫公开数据

　　比如行业协会数据，或者互联网行为数据，比如这里网站某互联网公司用户的行为数据，或者嵌入SDK应用后，我们可以采集到安装活跃列表，以及采集到离线数据。

　　

　　打通：其实就是利用采集的关键点来整合一、二、三数据。比如我们可以通过手机号整合一方和第三方的数据，或者使用cookies，或者imei号整合第二方和第三方的数据。但是，由于目前监管系统对手机号码敏感数据的管控，以及互联网与移动数据跨平台通信的技术难度，我们的实际匹配率很低。比如一方和三方的数据匹配度达到20%，其实是比较好的情况。 , 当然运营商数据除外。

　　寻找规律：目标是清理数据，从非结构化数据到结构化数据，形成统计、数据探索、搜索规则、数据分析报表视图。本文将在第三部分进行说明。

　　即时决策：将数据分析报告中的观点系统化或产品化。目前，大多数公司仍然依赖人工决策。

　　为什么需要大数据分析？大数据分析看似遵循这些步骤，但从第一步的数据来源来看，其实已经体现了大数据的特点，就是混沌，那么如何从这些数据中找到规律呢？分析的内容是否与目标相对应，似乎是我们需要大数据分析的原因

　　如今，大数据分析通常使用数据报表来反映企业的经营状况。同时，对于热点，人群分析，我们看到的统计数值，目标的核心是用数据分析报告提炼出来的观点来指导操作。那么问题来了，如何用数据分析来指导数据决策

　　数据分析的报告思路（本文从移动端切入）

　　根据我对数据分析的理解，我将数据报告分为三类：市场分析、运营分析和用户行为分析。

　　

　　市场分析

　　因为市场分析一般都是定性和定量分析，最近热播的电视剧《我的前半生》贺信和唐晶的职业都是来公司咨询的，通常会采用访谈和问卷的方式来制作市场分析报告告诉客户他们的市场份额、消费者意见等。

　　这里，我们以移动互联网数据的市场分析为例。一般来说，数据源是公共数据或第三方数据。正如我们所说，通过将 SDK 嵌入到开发者应用程序中，您可以采集安装和使用列表。那么开发者使用的SDK越多，我们可以采集的数据源就越多，可以形成已安装应用的排名和使用应用排名，这里提到的覆盖率和活跃率也是这个意思，例如：安装量和使用量。该应用在整个安装财务类别中的使用情况，以及使用比例。

　　所以，这些市场分析的作用，一般来说，是对公司营销的总结。比如金融公司kpi就是为了获取客户。他们做了一系列的营销。我们可以查看下个月的排名。这个应用的安装量比上个月增加了吗？我们竞争产品的性能如何？他们是否也做过一系列有起有落的营销活动。我们都可以观察市场分析和竞争产品分析。但这部分观点是由于市场数据。我们只能通过大量的搜索官网活动，或者网络广告来推测营销，来推测竞争对手排名的上升是否与这些营销活动有关。

　　同时，根据市场趋势图，我们可以发现潜在的竞争对手。比如我们可以看到下图中的工行属于高覆盖高活跃人群，即安装xxapp的活跃人数也是最高的，所以xx银行毫无疑问是一个所有银行集团的潜在竞争对手。需要更加关注他们的营销策略

　　运营分析

　　移动互联网提出的方法论：3A3R。作者之前做咨询的时候，这个方法论也可以应用到网站analysis。总之，3A3R是：

　　感知→获取→主动→获取→收入→沟通→感知

　　这里需要说明的是，运营分析只是一个公司的基线，让产品经理、运营人员和营销人员根据自己公司的数据做出合理的决策。同时，运营数据只是参考或警示。具体来说，需要具体的细节分析，比如app是否会被改版，如何更改需要添加的渠道。

　　(1)Awareness 感知

　　根据广告数据分析，确定频道广告页面到app或网站drainage的情况。同时可以帮助广告主设计一个监测表格，从数字化的角度衡量广告的效果

　　但是，广告数据一般掌握在广告监控公司，或者GA等公开使用的工具手中。我们需要依靠广告公司来设计营销链接，比如活动页面，添加监控代码，或者在媒体、应用商店中添加代码，方便监控广告效果，而此类数据往往难以加载。它通常由应用程序商店或媒体提供。同时，上述数据和监测公司数据一般不提供给广告主，而是提供统计值。这部分分析我后面会详细写出来，欢迎大家关注我的操作号

　　回到主题，我们查看感知数据以衡量我们的大量营销资金是否正确花费。广告展示量、点击量等是衡量一家公司广告市场部门业绩的最佳指标。没有广告。将无法带来客户，所以花的钱不值得，能带来多少客户，就会有下一次收购。

　　(2)Acquisition 获得的客户

　　获取客户是广告扩张的第一步。用户点击广告，然后到达应用商店或登陆页面下载应用。访问网页后，登录应用后的数据是广告公司或应用商店无法提供的数据。客人实际上有两个目的。

　　目的一：衡量第一步提供的数据是否准确，即渠道是否作弊

　　目的二：判断渠道好坏

　　目的三：判断营销活动是否有效

　　例如，在下图中，我们发现 40% 的用户的搜索流量比上个月增加了 6%。我们是否需要加强与SEM的合作？在媒体推荐渠道中，我们通过渠道衡量客户转化率。点击用户激活，激活注册转化，能否专注于增加与应用商店的合作

　　下图是Objective 3的一个应用，用来衡量三个月内的新用户，活跃用户是否受到事件营销、广告、版本变化等的影响。例如：7月28日版本变化，新增新用户用户是利器，那么产品经理需要分析一下这个版本的变化在哪里，让用户增长这么快，八月的营销活动会唤醒沉睡的用户，响应运营商的评估。性能，所以，我们做推广的时候能不能借鉴一下8月份的成功经验，这个成功经验还需要具体分析一下

　　(3)Activity active

　　获客后，我们想看看我们的新用户和活跃用户的表现，那么我们就到了第三步，活跃，其实就是为产品经理修改app或者页面提供数据支持

　　主动分析请参考以下三个步骤：

　　首先：从页面浏览量和独立访问者数量确定主页面分析。

　　比如某个app的首页是pv，uv最高，我们就关注首页。

　　第二：根据圈出的页面创建点击热度图，以便产品经理为后续的页面转换提供数据支持。比如我们可以在下一次修改中删除点击量小的按钮，对点击量大的按钮重新排序

　　第三：根据圈出的页面，制作点击热图，方便产品经理为后续页面修改提供数据支持。比如我们可以在下一次修改中删除点击量小的按钮，对点击量大的按钮重新排序

　　(4)Retention Retention Analysis & Revenue & Reference

　　这几个在企业中其实用的不多，这里简单介绍一下。

　　① 留存

　　在积累了一定数量的用户后，我们想看用户粘性，所以我们来留存。一般我们用more来衡量事件的效果。这次事件之后，用户是否还会继续使用我们的app，但是因为金融类app的属性不会像游戏类app那样每天都被访问，所以实际应用中Retention不会太多。以下示例为演示，不再赘述

　　

　　②收入

　　这些剩余客户为公司贡献了多少*敏*感*词*将取决于收入步骤。一般企业不会把*敏*感*词*流数据放到统计平台上，但是我们需要把用户贡献的营业额数据提出来供我们使用，方便人群划分，如下简单分析：

　　

　　引用传播：

　　最后，我们希望这些客户能够沟通；核心是口碑营销，即用户自发地将链接转发给其他用户，让他们下载应用程序或参与活动。因此，下一个沟通环节会切换营销，但沟通会受到很多限制。例如，没有奖励机制的口碑传播几乎为零转发量。同时，很难衡量沟通，尤其是在大量互联网用户的基础上。将设计此类活动供营销人员参考

　　用户分析

　　如果说大数据分析的核心，其实就是用户分析。正如我们之前所说，用户分析的过程如下：

　　

　　即在力所能及的范围内，打通数据、客户用户、精准营销。

　　首先，我们可以过滤条件列表。我们可以通过应用条件、位置和标签条件来整合数据。整合的目的是表征客户并制定营销策略。

　　例如：我们要过滤金融客户（应用条件过滤）、出现在五星级酒店（位置条件）、母婴人群（标签）

　　但需要注意的是，条件越多，用户画像越清晰，人群越少。

　　其次，根据选择的人群，进行在线/在线统计，或建模多维分析。

　　比如，根据选择的人群，我们发现男性多于女性，苹果手机的属性最高，经常被手机工具使用。那么我们可以利用这部分目标人群来增加与手机工具的合作，或者与苹果合作获取客户或者提升生活。 .

　　第三，综合以上数据分析，形*敏*感*词*群画像。

　　结论

　　这个文章，根据我多年的数据分析经验，总结了综合数据分析框架，其实就是简单介绍一下可以分析数据分析的点。当然，这需要大量的数据清理工作和行业知识。本文仅从数据分析的角度进行总结。细化的内容其实可以详细分析一下，尤其是用户画像章节。

　　点击“云图一看板”免费制作数据分析报告！