对数据分析的理解就是他是一种工具，既然是工具，所有人都可以学习使用。 那它是用来做什么的呢？目前我总结下来的有三点：
- 基于历史数据和业务背景，构建指标体系或者模型；
- 基于指标体系，监控线上业务数据并制定监控规则；
- 输出分析报告或者提供可执行的策略，推动业务发展。
第一点基于历史数据，就需要我们掌握数据收集，整理，清洗的能力。当得到了一套标准化的数据，我们就可以将其套进指标体系里，监控业务动态。
指标体系就是一套通用的规则以及针对具体业务的特定规则。我们可以通过纵向和横向相结合来搭建指标体系，纵向指的是梳理出分析问题的整个流程，如电商产品，要分析出用户从进入网站到最终下单的整个流程；工具类产品，则需要关注用户使用过程中的体验以及用户流失情况。
有了纵向分析过程，还要横向拓展不同的维度，如基于用户画像的人群分类、根据不同业务背景的时间拓展以及业务线的划分。最后将横向和纵向的结果相结合，就可以得到一套完整的指标体系。
纵向分析
纵向分析最重要的是用户行为的核心节点，我们以互联网公司针对C端用户进行分析为例，对于C端用户，核心的三个节点是新增、活跃、留存/流失，大多数分析都是围绕这三个节点进行的。
EG:对于新增用户，指标有新增用户数量、新增用户留存率、新增用户活跃率等；对于老用户，指标有老用户数量，老用户流失率、老用户唤醒率等；对于活跃用户，指标有活跃用户数量、活跃用户中的新增用户数量、活跃用户中的老用户数量等；对于流失用户，指标有流失用户数量、流失用户与新增用户比率。这样就可以针对用户的整体行为节点进行比较完整的指标设计，其中活跃用户部分是需要重点关注的，通过对从新增到流失整个流程指标的构建，可以清洗地看出在哪个环节最终活跃用户数量增加了或者减少了。
对于活跃用户，我们要研究活跃用户行为，提高用户的体验。针对不同类型产品，需要进行相应的细分设计。比如对于电商产品，需要关注的是从来访用户到用户最终成功支付的整个流程。流程如下：
来访用户-点击用户-加购用户-下单用户-支付用户-判断是否退货、拒收-最终成功支付用户
针对这个流程的每一步，我们都可以统计出相应的用户数量以及上一步的转化率，如来访用户数量、点击用户数量、加购数量等，以及各种转化率如点击/曝光转化率、下单/点击转化率、下单/加购转化率、支付/下单转化率等。这些指标构成了一个完整的纵向指标体系。通过这些指标可以清晰的看出哪个环节存在问题。
对于电商产品，除了关心用户数量，金额也是要关心的指标。从加购开始，每个环节在用户数量基础上都要增加金额指标以及相应的客单价指标。
横向分析
除了纵向分析，还需要横向分析，横向分析是指对同一个指标，基于不同维度进行拓展，常用的维度包括时间维度和用户维度。
时间维度：常用的分析方法是关注最近一段时间的数据，时间长短要根据业务的具体特性来确定，高频1-7天等。 另外，与时间维度相关的有同比和环比概念。因为单纯的关注一段时间的数据并不能很好的看出趋势情况，需要与之前的数据进行的对比，对于同比和环比的概念，在实际应用中不需要进行很明确的划分。常用的对比方法是对当日与上日、本周与上周、本月与上月的数据。需考虑产品是否受周期，大型节假日影响。
除了时间维度，还有一种常用的拓展方法，就是基于用户画像的用户维度进行拓展。通过用户画像可以有效了解各个群体的行为情况，也可以基于用户画像拓展出相应的指标。
用户维度拓展方法有，用户所在地，用户的基本属性，用户使用设备的情况等。对于新老用户，可以关注用户渠道来源（可以分为自然新增、活动新增、广告新增等）。
