大數據時代已經潛移墨化滲透到我們生活工作生產的方方面面，在解決信息對稱的問題中漸漸發揮著不可低估的作用。作為做市場運營管理者來說必須掌握數據分析思維，會做數據分析。
對于運營數據分析，在實際操作中會存在以下問題：
市場的那些數據要采集？怎么采集？
面對異常數據經常出現“好像做了什么？好像發生了什么？所以可能造成了影響”的主觀臆測？
面對數據報表，不知道該怎么分析？不知道該分析什么？
數據分析作為運營最基礎的一項技能，能否真正的將其價值發揮出來，合格的運營一定是數據驅動運營，而非運營驅動數據！
從單一維度到體系化的思考，是做數據分析必須做出的轉變！對于數據分析需要有體系化的數據框架！
我們在考慮問題的時候都會遵循一個思路，即從宏觀到微觀，從全局到局部，數據分析也不例外。數據分析在市場運營中的地位作用在這里也無需多說，做數據分析一定要建立在對市場數據體系詳細了解的基礎上，在做數據分析時候需要在心中建立起數據體系，例如一個專業市場的總的經營面積(包括建筑面積);成交總額，成交實物量，同期比是指和去年歷年的年度同期相比較；經營戶戶數、市場現有存在總數，比去年同期增加了或減少了多少個，出租率；市場從業人員是指經營戶的從業人員數以及為市場服務的方方面面的人員數;運營中的各方面的經濟成本數據等等。市場數據維度體系由大到小可以分為宏觀數據、中觀數據、微觀數據三大層面，以上數據分析緯度并非包含了我們運營市場的所有數據緯度，在做數據分析時，我們需要結合自己的市場情況來做有用數據篩選。當然運營在提出后臺需求時一定是基礎數據需求，常見的如商戶概況數據、PV數、UV數、UID數、啟動次數、留存率、跳出率、頁面訪問路徑等，很多運營人員在完善數據后臺需求時，提出一大堆數據，并且很多數據涉及到復雜的定義和計算，這樣只會增大后臺數據的運算壓力，對運營分析實際用處并不大，反而影響數據的查看效率。運營數據分析可根據后臺基礎數據結合Excel表格導出功能，以及借助第三方數據平臺來進行輔助分析，這樣不僅能夠降低后臺數據開發成本，也能大大提高數據分析效率。
2.做數據分析需要以目標為導向，學會做數據維度的逐級拆分，以結構化思維來做運營數據的全面的，系統性的分析。
在做市場運營的數據分析時，我們可以按照以下思路來進行：
① 確定數據分析目標
② 明確數據目標的關鍵影響維度拆解
③ 找出不同數據緯度之間的關聯關系從而建立起數據關系模型
④ 發現問題數據及出現原因
⑤ 針對問題數據影響維度做相應的優化
比如我們以農貿市場利潤情況進行分析，市場運營最關注的就是營業額，但最本質的還是盈利情況,市場商戶的盈利直接關系到市場的興衰，按照上面提到的思路進行分析：
① 數據分析目標：市場的利潤情況分析
② 確定數據目標的關鍵影響維度拆解：
③ 找出不同緯度維度之間的關聯關系從而建立起數據分析模型：
利潤=銷售額-成本=流量*轉化率*客單價-（固定成本+運營成本+貨品成本+人員成本）。
④ 根據數據模型發現問題數據：
要想實現市場利潤（L）額最大化：L（max）=R（max）-C（min）
如果市場出現虧損，那么一定是R＜C，也就是成本大于收入，我們假設出現以下情況：
根據上述的假設思路，我們可以得出，在成本合理的情況下，市場出現了虧損，那么可以得出是銷售額太低，銷售額不高影響原因是流量轉化率低。因此針對這種情況我們要做的就是提高市場的轉化率。
⑤ 針對問題數據影響維度做相應的優化：提升轉化率
我們可以通過以下幾個方面來提高轉化率：
——做好調整商戶在肉類蔬菜水產及其它行業之間比例優化
——提升市場形象包裝、品牌建設
——全面優化市場智能智慧化管理落地
——優化推廣市場詳情圖片和介紹文案
——優化消費者下單支付路徑和體驗
——提升客服服務水平和促單技巧
——做好商戶多元優化和消費群的全方位服務
——實行相應的促銷策略等
……
3.數據分析更多的是要關注多個數據維度之間的相關關系，而不是單個數據產生的因果關系！通過影響關鍵指標的數據維度的關聯關系建立數據分析模型。
比如我們以很多專業市場建立的公眾號運營為例，公眾號運營的關鍵指標是粉絲數和文章閱讀量，而粉絲數和文章閱讀量的影響緯度肯有很多個。這些緯度之間也存在相應的影響關系，具體如下：
在做專業市場公眾號運營的時候，可以嘗試著把你影響文章閱讀量的所有數據全部梳理出來，然后去篩選出相對有用的一些數據維度，然后建立起他們的相關關系。在實際運營過程中，很多運營者每周只關注推送了多少篇文章，增長了多少個粉絲，其實還應該關注一些細節數據，比如文章標題、內容長度、內容類型跟閱讀量、轉發量的關系，推送時間和頻次對閱讀量和粉絲增減的影響，另外就是有圖文、純文字、文章圖片數量、公眾號單圖文推送、多圖文推送、頭條推送和非頭條推送對閱讀量的影響等，這些都是需要在運營過程中需要考慮的，并且要養成對這些數據進行記錄的習慣。
在市場運營過程中最基本的模型就是商戶的金字塔模型了，這個金字塔模型的建立是依據商戶的活躍度和貢獻值來建立的，金字塔模型會將商戶分成幾個層級，層級越往上商戶的價值越大，貢獻值越高。當然這個商戶金字塔模型的建立一定不是固定的，而是根據具體的市場數據情況會在層級劃分和每個層級占比上都會有所不同，并且每個層級的具體需求和運營方式都是不同的。
4.做運營一定要將數據分析培養成為潛意識行為，運營過程中的一切行為和手段都可以數據化，數據驅動運營。
① 培養數據分析的系統化思維
數據分析一般會存在兩種方向，一種是自上而下，另一種是自下而上。
自上而下具體的思路為：確立數據分析目標——目標影響維度拆解——各數據維度相關關系建立——發現問題數據及出現原因——問題數據優化，這種思路是多行業多商戶市場的數據分析體系或者模型的建立，從而保證數據分析的全面性。
自下而上的數據分析思路多用在市場針對已有數據報表中的數據問題發現，具體思路為：異常數據發現——該異常數據影響因素——影響因素與問題數據之間的相關關系——找出出現異常數據的原因——找到異常數據的解決辦法。
② 培養數據的敏感度
數據敏感度培養別無他法，除了掌握正確的數據分析方法外，就是每天看數據，每天分析數據，用數據說話。
③ 養成數據記錄習慣
做市場運營過程中會有很多細節數據，需要對這些數據進行記錄，當記錄的數據條數累計到一定程度，就可以通過匯總的數據發現相應的數據規律，這就是所謂市場信息采集，譬如市場成交額這個數據，有一個農貿市場的經理是這樣說的:我們運營管理市場要知道市場成交額有什么用，再說這個成交額也無法知道，我們只要收好租金就行了。這就是一種極低級的運營管理思維，關于為什么要做市場信息采集的道理在上面已敘述了這里不再展開。這里想簡單說一下在一個農貿市場如何統計這個市場成交額的。
比如：在一個2000平米的農貿市場有蔬菜商戶45個,將占好位置的中間位置的差位置的各選5個商戶，針對他們每天的進貨量和價格平均數據，每日月連續記錄多次，從而就能得到本市場一個季度的蔬菜商戶的成交額了,通過這樣的抽樣調查，可以將市場各行業的成交金額統計出來了,當然統計的方法還有很多，可根據自已市場的特點，行業本身的獨有性，設計自已統計要求的數據記錄，甚至可以對自己每日的工作內容及工作花費時間的記錄，從而用于工作效率優化……
數據一定是比較理性和嚴謹的，所以我們需要理性的眼光來對待，當然市場類型的不同，我們需要的數據維度不同，做運營一定要學會給數據做定義，并且要保證其邏輯性和嚴謹性，要能經得起推敲。
數據分析是精細化的運營工作，一定要建立起體系化的思維，切勿盲目分析，隨意分析。準確的科學的數據采集和分析能幫助政府決策,也能幫助我們專業市場在管理運營中發揮很重要作用，真正讓信息對稱盡可能做到更多的無縫對接。
無錫匯智市場發展研究所楊四方撰稿
