对于数据分析，产品、运营需要懂多少才算懂？
数据分析能力对于产品和运营人员都是重要的，有多重要？我们直接上数据。
我们用Python爬取了前程无忧网上条关于活动运营、内容运营、用户运营的职位要求，把他们进行词频分析，得出了以下的图表。
我们得出以下结论：用人需求方普遍认为，数据分析能力对于运营人是非常重要的（当然，更加重要的核运营核心竞争力是产品思维和营销策划能力）。然而有趣的是，很多的运营人员过分地专注于自己的营销能力上（如文案能力、活动策划能力）却忽略了数据分析能力的提升，我所带的团队也有这个弊病，故写下这篇文章，供大家参考。
数据分析在运营中的作用
运营人是与业务最贴近的人群。拥有高效的数据分析能力，有助于我们快速制定与业务增长高度相关的运营决策。优秀的运营人做出来的数据分析，对业务更加有实际的指导意义，不会流于形式，不会沦为单纯的“取数”、“做表”、“写报告”。
对于互联网时代的销售——运营而言，数据分析主要有三个作用。
具体化地描述当前产品的状态、用户的状态，发现问题，帮助作出运营决策；验证所做的运营策略，是否有效；探索与预测未来的可能性，实现产品与运营的优化；
这三个作用也是逐级递进的，从现有行为挖掘数据，通过数据反推行为，再通过数据预测未来。数据分析不可能脱离产品，所有分析的数据源自产品与用户行为，分析的结论又服务于产品和激活用户行为。
应有的分析思维
增长公式思维
要改变物体的运动状态，必须要有力或场的存在，产品规模增长和用户增长，必然有其增长引擎。
企业的增长=系数1*因素1+系数2*因素2+….+系数n*因素n
通过对业务的理解，找到驱动业务的因素，这是经验之谈，基于我们对业务的熟悉，用户之敏感，对营销的理解来确定，通过快速迭代与实验来验证我们所选定的各种因素是否合理。
先谈谈因素，举个极度简单的例子：
收入-费用=利润
企业利润下降了，是什么原因？核心驱动力就是收入减少了或者费用提升了。
可不要忘记了在因素前，还有一个系数，因为影响核心业务的因素实在是太多了，我们应该找到关键因素，这个系数就是描述因素对于核心业务的影响程度的。
再举一个极度简单的例子：
商场营业额=商场负1楼收入+商场1楼收入+商场2楼收入,负一层是商场停车场、一楼是男女时尚服装、二楼是美食广场。我们按照个人经验，加上了系数，商场营业额=1*商场负1楼收入+30*商场1楼收入+5*商场2楼收入。具体理由是服装商场毛利高，人们过来也是冲着商场的核心业务的。所以，商场1楼收入就成为了最关键的因素，当我们要考虑的因素太多的时候，系数大的因素就成为了我们需要首先考虑的关键因素了。这里说的并不是数学公式，增长公式里面的加号是指增长因素的有机叠加，而不是数学上的简单相加。
金字塔思维
金字塔原理有一个核心法则：相互独立，完全穷尽。它是优秀的思维方式与表达方式。相互独立，说的是每个分论点彼此应该没有冲突和耦合，都属于独立的模块。完全穷尽，则是所有的分论点都被提出，不会有遗漏。在初期，我们很难做到完全穷尽，但是我们必须带着这个思维去思考。
有一天，我的下属找我汇报，跟我说：
豪哥，这次活动参与用户只有多人，报名转化率只有30%。最近产品转化也不佳，服务器经常宕机，渠道引导注册乏力，貌似用户的需求也下降了，竞争对手的动作也让一些用户跑到了他们那里了。
听完之后，我是一脸萌逼的，孩子你在说啥？
我们的大脑很难同时记住多个独立的论点，如果我们把它们用一定的逻辑串联起来，听你说话的人才会理解你的观点。
按照相互独立，完全穷尽的思想，我们可以把他汇报的点先列出来：
活动参与人数人（这到底是多还是少？需要对比过往数据进行分析）报名转化率30%（这到底是多还是少？需要对比过往数据进行分析）产品转化不佳服务器宕机渠道乏力用户需求下降竞争对手行为
我们在用金字塔方法整理之，其实汇报人的核心思想应该是最近产品的销售额下降了，其它都是支持这个销售额下降结论的表象可一些可能的原因，我们运营销售额=新客销售额+老客销售额和新客销售额=新客流量*新客转化*新客客单价两条增长公式，找出增长关键因素为流量、流量转化、老客复购整理出以下金字塔。
分类思维
用户分群、市场细分、产品细分，在进行运营决策时，我们处处用到分类思维。事物之间均存在共性与差异性，分类思维的基本思路是，核心指标差距甚远的事物，我们可以把他们分开。如上文提到的企业增长因素，我们就可以把相关的关键因素加以分类。
通过销售增长率与市场占有率两个相互制约的因素，波士顿矩阵把企业产品分类成明星、现金牛产品、问题产品、瘦狗产品，进而分析和规划企业产品组合，以达到企业的盈利目的。
漏斗思维
漏斗模型是产品运营分析的万金油，用户从进入到最终转化，每个环节都会有流失，每个环节都会有转化率，每个环节的人数都在依次递减，用户的每一条路径就形成了一个漏斗。
漏斗思维有两个要点，第一，要