网站数据分析：如何满足不同业务部门的数据需求？

产品需求只有直戳用户痛点才能很好的被用户所接受，获得产品的成功。而作为数据分析师则要懂得根据不同部门的需求制定不同的分析报告，从而实现部门之间的有效沟通，提高效率。

文/听象

做任何事都要有个目的，作为一个数据分析师，我们要了解消费我们数据分析的人是谁？他们又需要怎样的数据报告？

一般而言，你分析的数据是给企业老板、产品部门、运营部门看的，本节讲述的是这三个部门的常见需求和常用的数据展现方式。

一、三个部门不同的数据需求

通常网站统计都包含了一定的基础指标，但如果只是将这些基础报表开放给其他部门，肯定是不能满足老板、产品部门、运营部门的需求。

一般而言，老板只想知道公司的一些关键指标数据及变化情况，产品部门关心增长、活跃、页面数据，因为他们要根据数据对产品进行优化迭代，运营方想要根据数据做用户画像以便做精准营销。

二、老板希望看到怎样的数据

通常，老板们更关心的是关键指标在月度和季度中的表现情况，同时他们必须掌握这些关键指标的变化趋势，从而明确公司整体层面业绩的表现。所以他们要的不只是本月的数据，他们会结合上月和去年的数据一起分析。

那，如何进行呢？在这里引入同比、环比和定基比的方法再合适不过了。

1、同比、环比、定基比

定基比：通常，一个网站或者一个公司的发展都会定一个基点，之后统计的一些指标一般会以这个点的数据作为一个比较基准来考核公司的发展速度；

环比：通过与前一期数据的对比反映当前发展趋势；

同比：通过前后两个发展周期之间的相同时间点进行比较，反映的是周期性的发展变化，比如年、季、月、周等。

2、同比增长率、环比增长率、定基比增长率

同比增长率：作用是为了消除数据周期性波动的影响，将本周期内的数据与上一周期中相同时间点的数据进行比。常见的是今年的月度数据与去年相同月度的数据进行比较；

同比增长率=（本期数值-上一期数值）/（上一周期数值） X 100%

环比增长率：反应的是数据连续变化的趋势，将本期的数据与上一期的数据进行对比。最常见的是这个月的数据与上个月数据的比较；

环比增长率=（本期数值-上一期数值）/（上一期数值） X 100%

定基比增长率：将所有的数据都与某个基准线的数据进行对比。从而反映的是基点后的发展状况；

定基比增长率=（本期数值-基期数值）/（基期数值） X 100%

3、具体操作办法

举个例子：老板最关注的就是公司的销售额，但只显示每个月的销售额显然已经无法满足他们的要求。那就将同比和环比的增长率加入到报表中，如下：

由表可知：加入同比和环比的增长率以后，销售额的变化趋势就比较明显了，2月份的销售额同比和环比增长都要比其他月份稍低，如果将表格中的数据画成图表的形式将会更加直观。

可以将销售额以柱状图的形式显示，而同比增长率和环比增长率以百分比的形式存在，使用折线图进行展现，因为销售额和增长率之间数据的量级差异过大，因此需要使用双纵坐标轴，左右两侧使用不同的刻度类型和单位。如图：

在图表中我们可以更容易地区分出哪些月份的增长率相对较高、哪些较低，进而确定公司的整体运营和发展状况。

三.如何满足产品部门需求

1、产品方关注什么

产品方更加关注的是产品每天用户数量的变化，因为用户量能够从一定程度上体现产品在设计和用户体验上的优劣，他们需要掌控产品的当前表现，尤其是新发布的产品。

他们希望在纷乱的产品数据之中看到产品某些数据的趋势，这需要用到另外一种趋势分析的方法一一趋势线。

2、趋势线种类

数据趋势线是使用拟合技术来表现数据大体的变化趋势的一种技术，能够消除或者减少数据波动的干扰。常见的趋势线有：指数趋势线、对数趋势线、线性趋势线。

指数趋势线

用于拟合以指数形式增长的数据（即增长速度先慢后快）；

线性趋势线

用于拟合以线性增长的数据的（即增长速度基本是均匀的）；

对数趋势线

用于拟合以对数增长的数据的（即增长速度先快后慢）。

3、操作案例

以下就是某网站用户量用线性趋势线拟合的结果。如图：

从图中可以看到，如果只是简单地将每天的网站用户数以柱状图的形式显示，由于数据每天的上下波动，我们不易直接观察得到数据的变化趋势，所以需要借助趋势线。

当添加线性趋势线后，结果就会清晰很多，黄色虚线保持上扬状态，所以网站的用户数”可能”(趋势线是以拟合的方式计算得到的，它只能保证当前数据近似的变化趋势，可能存在偏差)保持上涨的趋势。

四、如何满足运营部门需求

1、运营部门关注的数据

运营部门关注的数据有比较多，比如：电子商务网站的订单数、销售额、访问量等；应用型网站的注册用户数、活跃用户数、留存率等。

相比其它部门，运营部门需要看的数据多而且需要时时监控，所以我们需要给运营部门建立可以监控数据和提供数据预警的系统，以满足他们的运营需求。

2、运营部门操作案例

其实，前面介绍的同比和环比的方法已经为我们提供了基础思路，我们可以使用同比环比监控法来监控数据，如下图所示。

图中所示的是某电子商务网站每天的订单量数据，从图中可以得出2点信息：

1. 订单量明显有周期性波动，周末的数值要比周中高出不少，这表明用户喜欢在周末的时候在这个网站进行消费；

2. 表中同时给出了订单量的周同比和环比的增长率，借助 Excel的”条件格式”功能，同比和环比增长率高于15%的数据被标绿，低于-15%的数据被标红。

那么，你能从这个表格中发现哪几天的数据出现了异常吗?

因为订单量保持增长，从周的同比增长率来看大概在8%上下，其中周一和周六的环比增长都被着色了，因为周一环比周日的数据会有较大下降，周六环比周五的数据会有较大提升，这并非异常，可以排除。

其实只要注意观察就能发现异常，我们发现同比和环比增长两个同时被标红或标绿的日期（第1周的周二和第2周的周三），而第1周的周三和第2周的周二是由于第1周的周二的数据异常引发的后续反应。

通过同比和环比的组合监控来发现数据的问题，可以排除数据增长和周期性波动的干扰，借助条件格式可以让结果更加直观。

3、运营预警系统

基于上面介绍的几种数据监控的方法，我们可以建立一套自动的预警系统。如果指标的降幅或者涨幅超过正常范围(可以设定一个合理的阐值)，就向你的邮箱发送报警邮件，这无疑可以减少很多运营工作，而这也是运营部门的一个需求。