在産品營運過程中，資料分析具有極其重要的戰略意義，是産品優化和産品決策的核心大腦。是以做好資料分析，是産品營運中最重要的環節之一。
那麼如何做好支付的資料分析呢?以下梳理出資料分析的8步流程，以及常見的7種分析思路。新手在啟動資料分析前，最好跟主管或資料經驗較豐富的童鞋确認每一步的分析流程。
一、資料分析八流程：
1、為什麼分析?
首先，你得知道為什麼分析?弄清楚此次資料分析的目的。比如，這次短信方式的資料分析，為什麼要做這個分析。你所有的分析都的圍繞這個為什麼來回答。避免不符合目标反複返工，這個過程會很痛苦。
2、分析目标是誰?
分析目标是誰?要牢記清楚的分析因子，統計次元是訂單，還是使用者，還是金額，還是使用者行為。避免把訂單當使用者算，把使用者當訂單算(上周營運同學真實案例)，算出的結果是差别非常大的。
3、想達到什麼效果?
通過分析各個次元的使用者，訂單，找到真正的問題。例如這次的xx通道的分析，全盤下線，或維持現狀不動，都不符合利益最大化原則。通過分析，找到真正的問題根源，發現使用者精細化營運已經非常必要了。
4、需要哪些資料?
支付的資料，茫茫大海，資料繁多，用“海”來形容一點都不為過。需要哪些源資料?付費總額，付費人數?新老使用者次元?付費次數?轉移人數?留存率?使用者特征?畫像?先整理好思路，列一個表。避免資料部門同學今天跑一個資料，明天又跑一個資料，資料部門同學也會比較煩。
5、如何采集?
直接資料庫調取?或者交給程式猿導出? 自己寫sql?營運同學不妨都學一下sql，自力更生。
6、如何整理?
整理資料是門技術活。不得不承認excel是個強大工具，資料透視表的熟練使用和技巧，作為支付資料分析必不可少，各種函數和公式也需要略懂一二，避免低效率的資料整理。spss也是一個非常優秀的資料處理工具，特别在資料量比較大，而且當字段由特殊字元的時候，比較好用。
7、如何分析?
整理完畢，如何對資料進行綜合分析，相關分析?這個是很考驗邏輯思維和推理能力的。同時分析推理過程中，需要對産品了如指掌，對使用者很了解，對管道很熟悉。看似一個簡單的資料分析，其實是各方面能力的展現。首先是技術層面，對資料來源的抽取-轉換-載入原理的了解和認識;其實是全局觀，對季節性、公司等層面的業務有清晰的了解;最後是專業度，對業務的流程、設計等了如指掌。練就資料分析的洪荒之力并非一朝一夕之功，而是在實踐中不斷成長和升華。一個好的資料分析應該以價值為導向，放眼全局、立足業務，用資料來驅動增長。營運同學比較容易聚在某個點上轉圈走不出來。
8、如何展現和輸出?
資料可視化也是一個學問。如何用合适的圖表表現?每一種圖表的寓意是什麼?下面列舉下常用的8個圖表：
(1)、折線圖：合适用于随時間而變化的連續資料，例如随時間收入變化，及增長率變化。
(2)、柱型圖：主要用來表示各組資料之間的差别。主要有二維柱形圖、三維柱形圖、圓柱圖、圓錐圖和棱錐圖。如支付寶與微信覆寫率差别。
(3)、堆積柱形圖：堆積柱形圖不僅可以顯示同類别中每種資料的大小，還可以顯示總量的大小。例如我們需要表示各個支付方式的人數及總人數時。
(4)、線-柱圖：這種類型的圖不僅可以顯示出同類别的比較，還可以顯示出趨勢情況。
(5)、條形圖：類似于橫向的柱狀圖，和柱狀圖的展示效果相同，主要用于各項類的比較。
(6)、餅圖：主要顯示各項占比情況。餅圖一般慎用，除非占比差別非常明顯。因為肉眼對對餅圖的占比比例分辨并不直覺。而且餅圖的項，一般不要超過6項。6項後建議用柱形圖更為直覺。
(7)、複合餅圖：一般是對某項比例的下一步分析。
(8)、母子餅圖：可直覺地分析項目的組成結構與比重。例如上次短信支付能力使用者中，沒有第3方支付能力的使用者，中間有x%比例是沒銀行卡，x%比例是沒微信支付賬号等。
圖表不必太花哨，一個表說一個問題就好。用友好的可視化圖表，節省閱讀者的時間，也是對閱讀者的尊重。
有一些資料，辛辛苦苦做了整理和分析，最後發現對結論輸出是沒有關系的，雖然做了很多工作，但不能為了展現工作量而堆砌資料。
在展現的過程中，請注明資料的來源，時間，名額的說明，公式的算法，不僅展現資料分析的專業度，更是對報告閱讀者的尊重。
二、資料分析七思路：
1、簡單趨勢
通過實時通路趨勢了解産品使用情況。如總流水，總使用者，總成功率，總轉化率。
2、多元分解
根據分析需要，從多元度對名額進行分解。例如新老使用者、支付方式、遊戲次元、産品版本次元、推廣管道、來源、地區、裝置品牌等等次元。
3、轉化漏鬥
按照已知的轉化路徑，借助漏鬥模型分析總體和每一步的轉化情況。常見的轉化情境有下單率，成功轉化率等。
4、使用者分群
在精細化分析中，常常需要對有某個特定行為的使用者群組進行分析和比對;資料分析需要将多元度和多名額作為分群條件，有針對性地優化産品，提升使用者體驗。例如我們這次對短信這類使用者，短信裡又有第3方和無第3方支付能力的，需要再進行分群的營運。
5、細查路徑
資料分析可以觀察使用者的行為軌迹，探索使用者與産品的互動過程;進而從中發現問題、激發靈感亦或驗證假設。例如我們這次對新使用者的營運，也非常有意思。
6、留存分析
留存分析是探索使用者行為與回訪之間的關聯。一般我們講的留存率，是指“新增使用者”在一段時間内“回訪”的比例。通過分析不同使用者群組的留存差異、使用過不同功能使用者的留存差異來找到産品的增長點。
7、a/b 測試
a/b測試就是同時進行多個方案并行測試，但是每個方案僅有一個變量不同;然後以某種規則(例如使用者體驗、資料名額等)優勝略汰選擇最優的方案。資料分析需要在這個過程中選擇合理的分組樣本、監測資料名額、事後資料分析和不同方案評估。
不單是支付的資料分析，其他的産品營運資料分析流程和思路也一樣适用，隻是支付資料相對其他産品而言，次元很多，以及組合的次元也非常多，是以就需要更清晰的思路和大局觀，避免陷入到資料海洋中。
本文作者：秋雲
來源：51cto