從入門到精通：如何用圖表做好數據分析?
隨著精益化運營的概念不斷深入人心，數據分析已經成為了互聯網人的必修課。相比于高深的概率統計、算法模型，簡單、直觀的圖表工具得到了更為廣泛的應用。那么圖表都有哪些類型?不同類型的圖表又該怎么用?來，讓我們深入淺出，看圖說話。
初階 -維度和指標
初階的圖表簡單易懂，能滿足簡單的數據分析需求，具體包括趨勢、頻數、比重、表格等類型。圖表數據分析的前提就是將自己需要呈現的指標，以一定的維度拆分，在坐標系中以可視化的方式呈現出來。
01 – 「趨勢圖」
趨勢分析是最基礎的圖表分析，包括線圖、柱狀圖、堆積圖等多種形式。
線圖可以觀察一個或者多個數據指標連續變化的趨勢，也可以根據需要與之前的周期進行同比分析。柱狀圖可以觀察某一事件的變化趨勢;如果將整體拆分可以做成堆積圖，同時觀察到部分所占比重及變化趨勢。
周期對比線圖
(堆積)柱狀圖
產品經理和運營人員通過趨勢圖分析流量的實時走向，如每日PV、UV、DAU等基本數量指標以及停留時長、平均訪問頁面數等質量指標，可以及時把握產品的變化趨勢。一旦趨勢周期對比發生異常(異常高和異常低)，我們需要及時介入排查原因、解決問題。
02 – 「頻數圖
根據業務需求對指標按照一定維度拆分，對比不同組別的頻數，便于分清輕重緩急。
條形圖
條形圖清晰展示了用戶在不同類別上的頻數，并且按照數量從大到小排序。上圖展示的是某產品用戶使用瀏覽器的頻數分布，在資源有限的情況下產品可以先適配Chrome和IE瀏覽器以提升絕大部分用戶體驗。
雙向條形圖
上面的雙向條形圖展示了某B端產品的客戶平均停留時長極端情況(非常高和非常低)，企業1-5非常活躍，可以讓運營人員促進客戶增購、續約，而企業6-10活躍度非常低，即將流失，需要運營人員立刻介入干預。
03 – 「比重圖」
比重分析主要是用來了解不同部分占總體的比例。橫向比較，扇形圖、環形圖可以滿足這類需求;縱向比較，百分比堆積圖可以顯示不同部分所占比例的趨勢變化。
訪問用戶來源環形圖
上方的「環形圖」顯示了某節點訪問用戶來源渠道比例，而下方的「百分比堆積圖」則動態顯示了不同渠道比例的變化趨勢，市場或者運營人員可以據此動態優化我們的資源投放。
百分比堆積圖
04 – 「表格」
表格信息密集，可以同時分析多維度、多指標數據，適合對數據敏感的人群使用。雖然表格能看到具體的數值，但是不能直觀看到趨勢、比重。
表格提供三十多個維度供指標拆解
通過表格不難發現，移動端訪問用戶占了非常大的比例，但是跳出率非常高。這樣的表格數據啟示我們有必要優化移動端產品，提升整體訪問深度。
05 – 「其他表格」
下面介紹的是氣泡圖，氣泡圖用來展示一個事件與多個維度之間的關系，如分析B端產品客戶成單周期與客戶活躍度、登錄賬號數量之間的關系。
客戶溫度-健康度”氣泡圖
除了上述常見的圖表，還有散點圖、箱線圖、股價圖、雷達圖等圖表，在此不一一贅述。
進階 -用戶行為洞察
正如前面所言，初階圖表能滿足簡單的業務需求。但要想深入洞察用戶行為，還需要緊密結合業務實踐，用更加專業的圖表輔助數據分析。在這里，我和大家分享三個實用的工具：漏斗圖、留存圖和熱(力)圖。
01 – 「漏斗圖」
漏斗圖主要用于轉化過程，例如注冊流程、商品購買流程，分析用戶在不同階段的轉化或者流失情況。
漏斗圖
產品運營應該關注重點轉化路徑的轉化率，對于轉化率非常低的環節、或者轉化率突然下降的情況，都需要及時排查原因。
02 – 「留存圖」
留存是指用戶***訪問你的網站，多少天后又重新回訪的情況。利用留存曲線可以對留存進行深入分析。
留存曲線
某問答社區通過留存曲線發現，EDM獲取的新用戶(紅色)留存度和活躍度遠遠高于一般新用戶(綠色)，這啟示社區運營者：EDM可能成為社區的下一個增長點。
03 – 「熱圖」
熱圖，又稱熱力圖，顯示的是用戶在你產品頁面上的點擊、停留偏好。借助熱圖產品經理可以優化產品頁面布局，運營可以優化內容，確實是一個好工具。
熱圖
高階 -用數據驅動增長
隨著數據可視化技術的不斷發展，圖表的類型越來越豐富，我們不可能在一篇文章中將其窮盡。但是圖表數據分析的本質不會變，其最終目還是要輔助人們的決策。
01 – 「搭建屬于自己的數據看板」
人們的工作在不斷細分，需要分析和決策的內容也不太一樣。同樣都是市場部門的同事，負責內容營銷的與負責SEM的需要關注的數據差異很大，而這就需要搭建屬于自己的數據看板。
數據看板
例如SEM主管根據工作需要搭建數據看板，將廣告投放(表格)、訪客來源(百分比堆積圖)、訪問用戶量(線圖)、登錄用戶量(柱狀圖)和注冊轉化率(漏斗)等重要數據集中在一個看板中。數據看板能幫助我們以合適的方式展示數據，集中精力做好業務決策。
02 – 「在實踐中踐行MVP」
用圖表做好數據分析并非易事，它絕非一朝一日之功，但也并不是無規律可循。
在實踐中用數據驅動增長
首先是對業務的理解，能洞察數字背后的商業意義。其次是靈活選擇維度拆分指標，在圖表坐標系中以合適的形式進行可視化展示。***一定要從圖表數據分析中發現問題，并指導業務決策。在這樣不斷反復的過程中，不斷優化我們的圖表數據分析過程，用數據來驅動業務增長。
