大数据时代已经潜移墨化渗透到我们生活工作生产的方方面面，在解决信息对称的问题中渐渐发挥着不可低估的作用。作为做市场运营管理者来说必须掌握数据分析思维，会做数据分析。

对于运营数据分析，在实际操作中会存在以下问题：

市场的那些数据要采集？怎么采集？

面对异常数据经常出现“好像做了什么？好像发生了什么？所以可能造成了影响”的主观臆测？

面对数据报表，不知道该怎么分析？不知道该分析什么？

数据分析作为运营最基础的一项技能，能否真正的将其价值发挥出来，合格的运营一定是数据驱动运营，而非运营驱动数据！

从单一维度到体系化的思考，是做数据分析必须做出的转变！对于数据分析需要有体系化的数据框架！

我们在考虑问题的时候都会遵循一个思路，即从宏观到微观，从全局到局部，数据分析也不例外。数据分析在市场运营中的地位作用在这里也无需多说，做数据分析一定要建立在对市场数据体系详细了解的基础上，在做数据分析时候需要在心中建立起数据体系，例如一个专业市场的总的经营面积(包括建筑面积);成交总额，成交实物量，同期比是指和去年历年的年度同期相比较；经营户户数、市场现有存在总数，比去年同期增加了或减少了多少个，出租率；市场从业人员是指经营户的从业人员数以及为市场服务的方方面面的人员数;运营中的各方面的经济成本数据等等。市场数据维度体系由大到小可以分为宏观数据、中观数据、微观数据三大层面，以上数据分析纬度并非包含了我们运营市场的所有数据纬度，在做数据分析时，我们需要结合自己的市场情况来做有用数据筛选。当然运营在提出后台需求时一定是基础数据需求，常见的如商户概况数据、PV数、UV数、UID数、启动次数、留存率、跳出率、页面访问路径等，很多运营人员在完善数据后台需求时，提出一大堆数据，并且很多数据涉及到复杂的定义和计算，这样只会增大后台数据的运算压力，对运营分析实际用处并不大，反而影响数据的查看效率。运营数据分析可根据后台基础数据结合Excel表格导出功能，以及借助第三方数据平台来进行辅助分析，这样不仅能够降低后台数据开发成本，也能大大提高数据分析效率。

2.做数据分析需要以目标为导向，学会做数据维度的逐级拆分，以结构化思维来做运营数据的全面的，系统性的分析。

在做市场运营的数据分析时，我们可以按照以下思路来进行：

①  确定数据分析目标

②  明确数据目标的关键影响维度拆解

③  找出不同数据纬度之间的关联关系从而建立起数据关系模型

④  发现问题数据及出现原因

⑤  针对问题数据影响维度做相应的优化

 比如我们以农贸市场利润情况进行分析，市场运营最关注的就是营业额，但最本质的还是盈利情况,市场商户的盈利直接关系到市场的兴衰，按照上面提到的思路进行分析：

①  数据分析目标：市场的利润情况分析

②  确定数据目标的关键影响维度拆解：

③  找出不同纬度维度之间的关联关系从而建立起数据分析模型：

利润=销售额-成本=流量*转化率*客单价-（固定成本+运营成本+货品成本+人员成本）。

④  根据数据模型发现问题数据：

要想实现市场利润（L）额最大化：L（max）=R（max）-C（min）

如果市场出现亏损，那么一定是R＜C，也就是成本大于收入，我们假设出现以下情况：

根据上述的假设思路，我们可以得出，在成本合理的情况下，市场出现了亏损，那么可以得出是销售额太低，销售额不高影响原因是流量转化率低。因此针对这种情况我们要做的就是提高市场的转化率。

⑤  针对问题数据影响维度做相应的优化：提升转化率

我们可以通过以下几个方面来提高转化率：

——做好调整商户在肉类蔬菜水产及其它行业之间比例优化

——提升市场形象包装、品牌建设

——全面优化市场智能智慧化管理落地

——优化推广市场详情图片和介绍文案

——优化消费者下单支付路径和体验

——提升客服服务水平和促单技巧

——做好商户多元优化和消费群的全方位服务

——实行相应的促销策略等

……

3.数据分析更多的是要关注多个数据维度之间的相关关系，而不是单个数据产生的因果关系！通过影响关键指标的数据维度的关联关系建立数据分析模型。

比如我们以很多专业市场建立的公众号运营为例，公众号运营的关键指标是粉丝数和文章阅读量，而粉丝数和文章阅读量的影响纬度肯有很多个。这些纬度之间也存在相应的影响关系，具体如下：

在做专业市场公众号运营的时候，可以尝试着把你影响文章阅读量的所有数据全部梳理出来，然后去筛选出相对有用的一些数据维度，然后建立起他们的相关关系。在实际运营过程中，很多运营者每周只关注推送了多少篇文章，增长了多少个粉丝，其实还应该关注一些细节数据，比如文章标题、内容长度、内容类型跟阅读量、转发量的关系，推送时间和频次对阅读量和粉丝增减的影响，另外就是有图文、纯文字、文章图片数量、公众号单图文推送、多图文推送、头条推送和非头条推送对阅读量的影响等，这些都是需要在运营过程中需要考虑的，并且要养成对这些数据进行记录的习惯。

在市场运营过程中最基本的模型就是商户的金字塔模型了，这个金字塔模型的建立是依据商户的活跃度和贡献值来建立的，金字塔模型会将商户分成几个层级，层级越往上商户的价值越大，贡献值越高。当然这个商户金字塔模型的建立一定不是固定的，而是根据具体的市场数据情况会在层级划分和每个层级占比上都会有所不同，并且每个层级的具体需求和运营方式都是不同的。

4.做运营一定要将数据分析培养成为潜意识行为，运营过程中的一切行为和手段都可以数据化，数据驱动运营。

①  培养数据分析的系统化思维

数据分析一般会存在两种方向，一种是自上而下，另一种是自下而上。

自上而下具体的思路为：确立数据分析目标——目标影响维度拆解——各数据维度相关关系建立——发现问题数据及出现原因——问题数据优化，这种思路是多行业多商户市场的数据分析体系或者模型的建立，从而保证数据分析的全面性。

自下而上的数据分析思路多用在市场针对已有数据报表中的数据问题发现，具体思路为：异常数据发现——该异常数据影响因素——影响因素与问题数据之间的相关关系——找出出现异常数据的原因——找到异常数据的解决办法。

②  培养数据的敏感度

数据敏感度培养别无他法，除了掌握正确的数据分析方法外，就是每天看数据，每天分析数据，用数据说话。

③  养成数据记录习惯

做市场运营过程中会有很多细节数据，需要对这些数据进行记录，当记录的数据条数累计到一定程度，就可以通过汇总的数据发现相应的数据规律，这就是所谓市场信息采集，譬如市场成交额这个数据，有一个农贸市场的经理是这样说的:我们运营管理市场要知道市场成交额有什么用，再说这个成交额也无法知道，我们只要收好租金就行了。这就是一种极低级的运营管理思维，关于为什么要做市场信息采集的道理在上面已叙述了这里不再展开。这里想简单说一下在一个农贸市场如何统计这个市场成交额的。

比如：在一个2000平米的农贸市场有蔬菜商户45个,将占好位置的中间位置的差位置的各选5个商户，针对他们每天的进货量和价格平均数据，每日月连续记录多次，从而就能得到本市场一个季度的蔬菜商户的成交额了,通过这样的抽样调查，可以将市场各行业的成交金额统计出来了,当然统计的方法还有很多，可根据自已市场的特点，行业本身的独有性，设计自已统计要求的数据记录，甚至可以对自己每日的工作内容及工作花费时间的记录，从而用于工作效率优化……

数据一定是比较理性和严谨的，所以我们需要理性的眼光来对待，当然市场类型的不同，我们需要的数据维度不同，做运营一定要学会给数据做定义，并且要保证其逻辑性和严谨性，要能经得起推敲。

数据分析是精细化的运营工作，一定要建立起体系化的思维，切勿盲目分析，随意分析。准确的科学的数据采集和分析能帮助政府决策,也能帮助我们专业市场在管理运营中发挥很重要作用，真正让信息对称尽可能做到更多的无缝对接。

无锡汇智市场发展研究所杨四方撰稿