在产品运营过程中，数据分析具有极其重要的战略意义，是产品优化和产品决策的核心大脑。因此做好数据分析，是产品运营中最重要的环节之一。
那么如何做好支付的数据分析呢?以下梳理出数据分析的8步流程，以及常见的7种分析思路。新手在启动数据分析前，***跟主管或数据经验较丰富的童鞋确认每一步的分析流程。
一、数据分析八流程：
1、为什么分析?
首先，你得知道为什么分析?弄清楚此次数据分析的目的。比如，这次短信方式的数据分析，为什么要做这个分析。你所有的分析都的围绕这个为什么来回答。避免不符合目标反复返工，这个过程会很痛苦。
2、分析目标是谁?
分析目标是谁?要牢记清楚的分析因子，统计维度是订单，还是用户，还是金额，还是用户行为。避免把订单当用户算，把用户当订单算(上周运营同学真实案例)，算出的结果是差别非常大的。
3、想达到什么效果?
通过分析各个维度的用户，订单，找到真正的问题。例如这次的XX通道的分析，全盘下线，或维持现状不动，都不符合利益***化原则。通过分析，找到真正的问题根源，发现用户精细化运营已经非常必要了。
4、需要哪些数据?
支付的数据，茫茫大海，数据繁多，用“海”来形容一点都不为过。需要哪些源数据?付费总额，付费人数?新老用户维度?付费次数?转移人数?留存率?用户特征?画像?先整理好思路，列一个表。避免数据部门同学今天跑一个数据，明天又跑一个数据，数据部门同学也会比较烦。
5、如何采集?
直接数据库调取?或者交给程序猿导出? 自己写SQL?运营同学不妨都学一下SQL，自力更生。
6、如何整理?
整理数据是门技术活。不得不承认EXCEL是个强大工具，数据透视表的熟练使用和技巧，作为支付数据分析必不可少，各种函数和公式也需要略懂一二，避免低效率的数据整理。Spss也是一个非常优秀的数据处理工具，特别在数据量比较大，而且当字段由特殊字符的时候，比较好用。
7、如何分析?
整理完毕，如何对数据进行综合分析，相关分析?这个是很考验逻辑思维和推理能力的。同时分析推理过程中，需要对产品了如指掌，对用户很了解，对渠道很熟悉。看似一个简单的数据分析，其实是各方面能力的体现。首先是技术层面，对数据来源的抽取-转换-载入原理的理解和认识;其实是全局观，对季节性、公司等层面的业务有清晰的了解;***是专业度，对业务的流程、设计等了如指掌。练就数据分析的洪荒之力并非一朝一夕之功，而是在实践中不断成长和升华。一个好的数据分析应该以价值为导向，放眼全局、立足业务，用数据来驱动增长。运营同学比较容易聚在某个点上转圈走不出来。
8、如何展现和输出?
数据可视化也是一个学问。如何用合适的图表表现?每一种图表的寓意是什么?下面列举下常用的8个图表：
- 折线图：合适用于随时间而变化的连续数据，例如随时间收入变化，及增长率变化。
- (柱型图：主要用来表示各组数据之间的差别。主要有二维柱形图、三维柱形图、圆柱图、圆锥图和棱锥图。如支付宝与微信覆盖率差别。
- 堆积柱形图：堆积柱形图不仅可以显示同类别中每种数据的大小，还可以显示总量的大小。例如我们需要表示各个支付方式的人数及总人数时。
- 线-柱图：这种类型的图不仅可以显示出同类别的比较，还可以显示出趋势情况。
- 条形图：类似于横向的柱状图，和柱状图的展示效果相同，主要用于各项类的比较。
- 饼图：主要显示各项占比情况。饼图一般慎用，除非占比区别非常明显。因为肉眼对对饼图的占比比例分辨并不直观。而且饼图的项，一般不要超过6项。6项后建议用柱形图更为直观。
- 复合饼图：一般是对某项比例的下一步分析。
- 母子饼图：可直观地分析项目的组成结构与比重。例如上次短信支付能力用户中，没有第3方支付能力的用户，中间有X%比例是没银行卡，X%比例是没微信支付账号等。
图表不必太花哨，一个表说一个问题就好。用友好的可视化图表，节省阅读者的时间，也是对阅读者的尊重。
有一些数据，辛辛苦苦做了整理和分析，***发现对结论输出是没有关系的，虽然做了很多工作，但不能为了体现工作量而堆砌数据。
在展现的过程中，请注明数据的来源，时间，指标的说明，公式的算法，不仅体现数据分析的专业度，更是对报告阅读者的尊重。
二、数据分析七思路：
1、简单趋势
通过实时访问趋势了解产品使用情况。如总流水，总用户，总成功率，总转化率。
2、多维分解
根据分析需要，从多维度对指标进行分解。例如新老用户、支付方式、游戏维度、产品版本维度、推广渠道、来源、地区、设备品牌等等维度。
3、转化漏斗
按照已知的转化路径，借助漏斗模型分析总体和每一步的转化情况。常见的转化情境有下单率，成功转化率等。
4、用户分群
在精细化分析中，常常需要对有某个特定行为的用户群组进行分析和比对;数据分析需要将多维度和多指标作为分群条件，有针对性地优化产品，提升用户体验。例如我们这次对短信这类用户，短信里又有第3方和无第3方支付能力的，需要再进行分群的运营。
5、细查路径
数据分析可以观察用户的行为轨迹，探索用户与产品的交互过程;进而从中发现问题、激发灵感亦或验证假设。例如我们这次对新用户的运营，也非常有意思。
6、留存分析
留存分析是探索用户行为与回访之间的关联。一般我们讲的留存率，是指“新增用户”在一段时间内“回访”的比例。通过分析不同用户群组的留存差异、使用过不同功能用户的留存差异来找到产品的增长点。
7、A/B 测试
A/B测试就是同时进行多个方案并行测试，但是每个方案仅有一个变量不同;然后以某种规则(例如用户体验、数据指标等)优胜略汰选择***的方案。数据分析需要在这个过程中选择合理的分组样本、监测数据指标、事后数据分析和不同方案评估。
不单是支付的数据分析，其他的产品运营数据分析流程和思路也一样适用，只是支付数据相对其他产品而言，维度很多，以及组合的维度也非常多，因此就需要更清晰的思路和大局观，避免陷入到数据海洋中。
