数据运营工作内容（据运营到底是做什么的？）( 五 ) 数据运营工作内容（据运营到

用于计算七天内，一台设备活跃过几天。
（4）转化：这里也特指电商，同上文网站运营里的转化。
根据运营的行业来划分：
内容型行业：关注PV,UV,V V，帖子数，页面停留时间，分享数等等
社交类行业：关注发帖量，发言数，PV,UV，活跃占比等等
电商类行业：关注销售收入，成单量，客单价等等
游戏类行业：关注活跃用户量，付费率，收入，ARPU（每用户平均收入）等等
除了运营平台和运营行业两个划分角度外，还有很多划分角度，其中用户运营所要关注的数据指标都是有不同侧重的。

三、如何进行数据分析

1、数据采集
好的数据源主要有两个基本的原则，一个是全，一个是细。
全：就是说我们要拿多种数据源，不能说只拿一个客户端的数据源，服务端的数据源没有拿，数据库的数据源没有拿，做分析的时候没有这些数据你可能是搞不了的。另外，大数据里面讲的是全量，而不是抽样。不能说只抽了某些省的数据，然后就开始说全国是怎么样。可能有些省非常特殊，比如新疆、西藏这些地方它客户端跟内地可能有很大差异的。
细：其实就是强调多维度，在采集数据的时候尽量把每一个的维度、属性、字段都给它采集过来。比如：像where、who、how这些东西给它采集下来，后面分析的时候就跳不出这些能够所选的这个维度，而不是说开始的时候也围着需求。根据这个需求确定了产生某些数据，到了后面真正有一个新的需求来的时候，又要采集新的数据，这个时候整个迭代周期就会慢很多，效率就会差很多，尽量从源头抓的数据去做好采集。
2、数据建模
有了数据之后，就要对数据进行加工，不能把原始的数据直接暴露给上面的业务分析人员，它可能本身是杂乱的，没有经过很好的逻辑抽象的。这里就牵扯到数据建模。首先，提一个概念就是数据模型。许多人可能对数据模型这个词产生一种畏惧感，觉得模型这个东西是什么高深的东西，很复杂，但其实这个事情非常简单。
在数据分析领域领域领域，特别是针对用户行为分析方面，目前比较有效的一个模型就是多维数据模型，“在线分析处理”这个模型。它里面有这个关键的概念，一个是维度，一个是指标。
维度比如城市，然后北京、上海这些一个维度，维度西面一些属性，然后操作系统，还有iOS、安卓这些就是一些维度，然后维度里面的属性。通过维度交叉，就可以看一些指标问题，比如用户量、销售额，这些就是指标。比如，通过这个模型就可以看来自北京，使用iOS的，他们的整体销售额是怎么样的。
3、数据分析方法
数据分析方法是有多种的，比如多维度事件分析、漏斗分析（文章前面已经做了简单分析）、回访分析、交叉分析等，在这里我们就挑一个交叉分析来做个案例分析。
交叉分析法：通常是把纵向对比和横向对比综合起来，对数据进行多角度的结合分析。举个例子：
a. 交叉分析角度：客户端+时间

文章图片

从这个数据中，可以看出iOS端每个月的用户数在增加，而Android端在降低，总体数据没有增长的主要原因在于Android端数据下降所导致的。
那接下来要分析下为什么Android端二季度新增用户数据在下降呢?一般这个时候，会加入渠道维度。
b. 交叉分析角度：客户端+时间+渠道

文章图片

从这个数据中可以看出，Android端A预装渠道占比比较高，而且呈现下降趋势，其他渠道的变化并不明显。