一、数据分析四个阶段：

1. 数据发生了什么？
2. 为什么发生？
3. 什么将会发生？
4. 怎么样达到最好的商业决策？

二、不同阶段产品数据的定位

产品生命周期有以下四种：
一、初创期：初创、Mvp验证
二、成长期：跑马圈地、大幅扩张
三、成熟期：高度竞争、扩大收入
四、衰退期：衰退

一、初创期
1、验证产品的核心价值
2、关键数据：目标用户画像、留存率

• 用户画像：设备、用户属性、广告兴趣、商业兴趣
• 留存率:次日、7日、双周、30日等。设计类、内容类一般选择7日留存；工具类产品分析实际情况。依据产品特征来选择，若产品本身满足的是小众低频需求，留存率宜选择双周甚至是30日。

二、快速成长期
1、用户生命周期管理；
2、用户自增长（病毒性）；
3、留存率；
4、用户质量/用户渠道；

• AARRR模型
• 病毒传播分类：原生病毒性、口碑病毒性、人工病毒性

三、成熟期（获取营收，流失用户唤醒，延长用户生命周期）

1、转化率
2、购物车
3、订阅量
4、用户终生价值
5、ARPU、ROI
6、每日净变化（Net Change）=新增用户+回流用户-流失用户

四、衰退期
1、延长衰退时间（规模化、生态化）
2、开发新产品，把用户导入新产品

三、EOI框架

• Empower： 助力 核心任务
• Optimize：优化 战略性任务
• Innovate：创新 风险任务

四、数据分析8种方法

1、数字和趋势：看数据及当下的趋势
2、维度分解：按不同维度拆分对比数据
3、用户分群：根据不同条件（地区、年龄）给用户分群，关注某一类人数据；
4、转化漏斗：从开始到结尾，整体的转化效率是多少？每一步的转化率是多少？哪一步流失最多，原因在什么地方？流失的用户符合哪些特征？
5、行为轨迹：跟踪用户的操作行为发现问题
6、留存分析：
7、ABtest:
8、数据建模：

五、数据分析工具包

六、数据可视化

1、常见的数据图表：

• 趋势：折线图（DAU）
• 复合趋势：条形图
• 份额：饼图
• 多维比较：雷达图

2、技巧和注意事项

• 内容大于形式
• 颜色不宜太花

七、撰写数据分析报告

1、从数据中发现了××问题；
2、问题的根本原因是哪几点？
3、改进措施有哪些？上线后预期目标？

八、数据清洗

数据清洗（Data cleaning）:对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误并提供数据一致性。
抓取的原始数据大概率是“脏数据”，需要清洗后才能使用。

1、理解数据集：

1. 数据集有多少数据？
2. 包含了什么字段？字段格式是什么？
3. 字段分别代表什么意义？
4. 字段之间的关系是什么？可以用做什么分析？或者说能否满足了对分析的要求？
5. 与没有缺失值？若有，缺失值多不多？
6. 现有数据里面有没有脏数据？
7. 尤其需要注意人工输入的数据，经常会出现名称写错，多输入空格等情况；

2、数据清洗的步骤：

1. 调整数据类型：开始用str导入，后期若更换格式需要调整数据类型；
2. 修改列名：若数据的名称不易于理解，需要修改列名；
3. 选择部分子集：因为有部分列在数据分析中不需要用到；
4. 可能存在逻辑问题需要筛选：比如Unit Price为负；
5. 格式一致化：可能会存在有标点符合掺杂/大小写不一致/空格重复出现等问题；
6. 消灭空值：有NaN值需要去掉；

3、消灭空值技巧：
1、用默认值填充
2、用相邻的值进行填充
3、以不同指标的计算结果填充缺失值