运营总监需要什么数据分析工具？

　　＂运营总监需要什么数据分析工具＂，这个问题我来解答，一方面是我本人刚好提供数据分析咨询业务，另一方面是今年已经有3、4个同事跳槽去了互联网公司，负责运营管理方面的工作，尤其最近跳槽的一个同事，是项目组上的伙伴，去京东金融负责一个版块，他的一些经验，刚好可以分享给你，对你有帮助的话，请点赞、转发。
　　第一，运营总监的定位，运营总监属于管理层，是一个执行负责人的角色，因此，需要掌握的数据分析工具肯定不是趋势图、柱状图这样的简单对比分析，需要进行数据挖掘分析，但作为一名负责人，需要的是分析策划，比如分析主题、维度、颗粒度等。
　　第二，运营总监的数据分析，是一种数据挖掘分析、属于大数据分析的范畴，需要的是基于用户画像进行分析，比如分析用户的性别、年龄、偏好、地区、购买能力、购物习惯、购买历史等，通过对用户画像进行多维分析，对用户进行精准推送，这就是为什么我们在头条上预览过某个话题后，头条会主动推送相关内容，再比如我们在某宝上购买某个商品后，打开浏览器后就会有相关产品信息进行推送。
　　第三、运营总监不是大数据分析师，而且进行大数据分析时，也不能指望某个人完成全部动作，所以，在麦肯锡方法中就有一条非常关键的建议：＂不要指望将大海煮沸＂，某个人都只需要完成一部分工作就好，运营总监亦是如此，关键是掌握方法，在麦肯锡、埃森哲这样的公司，我们习惯称之为方法论，方法论是流程、是操作步骤、是方法工具、是拿来就可套用的行动步骤。
　　作为一名咨询顾问，最擅长的就是方法论了，一入职公司公司，就会有方方面面的方法论培训，包括个人能力、专业业务等，比如麦肯锡公司的个人能力方面的方法论就有很多，比如金字塔原理教人如何结构化、如何有逻辑的展示观点、如何有效的与客户沟通，再比如提问术，培训新顾问做客户访谈、如何准备调研提纲、如何通过提问获取需求和展示自己的专业，再比如笔记术，教人通过做笔记，如何在笔记中展示逻辑结构，如何在笔记中勾勒访谈的故事线和客户语录等。
　　第四、运营总监如何进行数据分析，分享一个埃森哲公司的大数据分析的方法。
　　（1）埃森哲认为，数据分析即从数据、信息到知识的过程，数据分析需要数学理论、行业经验以及计算机工具三者结合。
　　（2）数据分析标准流程CRISP-DM为90年代由SIG组织（当时）提出，是已被业界广泛认可的数据分析流程。
　　（3）数据分析框架
　　3.1数据特征探索：
　　3.2数据概率分布
　　3.3 相关性分析
　　3.4 常见分析方法
　　分类与回归
　　聚类分析
　　关联分析
　　时序模型
　　结构优化
　　资源分享：
　　第一步：关注 + 点赞 + 转发 （只会埋头下载而不转发会被随机拉黑）；
　　第二步：
　　如需麦肯锡方法论系列8个PPT可编辑源文件，私信发＂2216＂（资源包需打赏）；
　　如需埃森哲65页大数据分析方法，私信发＂2250＂；
　　关注【思维导图PPT】，每天分享一篇思维导图、PPT、职场技巧干货，希望你的每次来访都有所收获、助您早日升职加薪！
　　日常盘点，佛系推荐。
　　比起IT部门、销售部门等其他部门，运营总监除了简单的数据分析工具之外，还要学会一些用户分析工具、统计分析工具等等，因此列了大约10个常用的工具，按照推荐指数排名，仅供参考。
　　————————正文开始————————1、谷歌统计
　　推荐指数：
　　适用场景：网站数据统计工具，定位是企业级客户服务在数据统计结构上，分为内容、社交、移动、转化和广告分析几个维度主要功能是可以对目标网站进行访问数据统计和分析，并提供多种参数供网站拥有者使用帮助用户衡量销售与转化情况，了解访问者如何使用自己的网站、如何吸引他们不断回访等
　　优点：使用起来很简单，只需要在网页上加一串代码就可以了除了通用的流量统计、关键词等还有一些特色参数，比如电子商务转换率、跳出率等等可以进行强大的自定义报告，不仅是一个数据统计工具，也存在细微的分析行为免费
　　缺点：功能上比较单一，只能进行粗略的数据统计主要适用于企业级角色基础功能免费，但是深度分析功能十分昂贵，少说也得几十万美金每年2、Excel
　　推荐指数：
　　适用场景：一般的办公需求下的数据处理工作；中小公司数据管理，存储（很多国有企业都用）；学校学生，老师做简单的统计分析（如方差分析，回归分析）；结合Word，PowerPoint制作数据分析报告；数据分析师的主力分析工具（部分数据分析师的辅助工具）
　　优点：容易上手；学习资源十分丰富；可以用Excel做很多事情，建模，可视化，报表，动态图表；帮助你在进一步学习其它工具之前（比如Python，R），理解很多操作的含义；
　　缺点：深入学习需要掌握VBA，难度还是很高；当数据量较大时，会出现卡顿的情况；到Excel2016版，在不借助其它工具的情况下，Excel数据文件本身能够容纳的数据仅有108万行，不适合处理大规模数据集；内置统计分析种类太简单，实用价值不大；正版Excel需要付费，比如我用office365.每年需要支付300多块钱3、Tableau
　　推荐指数：
　　专业数据分析工具。
　　优点：官网提供很多学习文档、案例、视频等资源供用户进行上手学习支持进行Iframe网页集成内置时序分析预测、聚类算法，可进行简单数据挖掘计算处理OLAP计算分析能力比较强大
　　缺点：对计算机的硬件要求很高，部署十分复杂数据模型属于宽带模型，灵活性和拓展性比较差无法控制用户查看的列级别的权限粒度，数据权限控制较差国内主要是代理商提供项目实施和技术服务，本土化稍弱，不如国内厂商不能进行深度的数据挖掘4、FineBI
　　推荐指数：
　　专业数据分析工具，特点是自助式。
　　优点：性能强大，在报价上有优势，性价比最高简单易学，支持自助式数据分析，能应用复杂多变的场景需求支持多数据源连接，对企业数据平台的对接能力更强内设多种数据挖掘算法，数据加工能力强大后期采用jar包升级换代，维护方便
　　缺点： 轻量化的BI工具5、Power BI
　　推荐指数：
　　专业数据分析工具。
　　优点：基于ERP和财务帐套，内置多种分析模块面向ERP之上的数据分析，在应用产品上更专业在数据建模上，支持实时和抽取模式，但不支持多数据源
　　缺点：可视化程度很低不支持Kylin、Derby、Gbase、ADS、Hbase、Mongodb的数据源连接对用户的技术要求较高，学习成本较大计算分析能力和数据挖掘能力与同样的FineBI相比起来较差6、R语言
　　推荐指数：
　　使用场景：
　　通过扩展的第三方R包，R能够做的事情几乎涵盖了任何需要数据的领域。
　　优点：数据清洗与整理；网络爬虫；数据可视化；统计假设检验（t检验，方差分析，卡方检验等）；统计建模（线性回归，逻辑回归，树模型，神经网络等）；数据分析报告输出（Rmarkdown）；
　　缺点：学习成本较大，对于营销人员来说得不偿失。7、Python
　　推荐指数：
　　R语言和Python同为需要编程的数据分析工具，所不同的是，R专门用于数据分析领域，而科学计算与数据分析只是Python的一个应用分支，Python还可以用来开发web页面，开发游戏，做系统的后端开发，以及运维工作。
　　优点：数据爬取，使用Python能够很容易的编写强大的爬虫，抓取网络数据；数据清洗；数据建模；根据业务场景和实际问题构造数据分析算法；数据可视化（个人感觉不如R好用）；机器学习，文本挖掘等高级数据挖掘与分析领域；
　　缺点：学习成本较大，对于营销人员来说得不偿失。8、百度统计
　　推荐指数：
　　百度统计是百度推出的一款免费的专业网站流量分析工具，能够告诉用户访客是如何找到并浏览用户的网站，在网站上做了些什么，有了这些信息，可以帮助用户改善访客在用户的网站上的使用体验，不断提升网站的投资回报率。
　　优点百度出品，技术上是值得信赖的，比很多国内粗制滥造的数据统计工具要强得多指标更为丰富一些，系统也比较稳定百度统计在独立IP数统计、访客访问轨迹、实时数据方面来说是优于谷歌统计的
　　缺点虽然号称免费，但其实只是开放给百度联盟等一些限制用户功能上大多局限于数据统计，不像谷歌一样可以进行用户分析9、HeapAnalytics
　　推荐指数：
　　HeapAnalytics是国外一款很犀利的数据统计工具，其中的一大特异之处是让任何完全不懂技术的＂普通人＂，也能够轻而易举的监测到任何我们想监测的东西。
　　优点：去技术化、无埋点、实时数据、可视化配置；
　　缺点：因为统计服务本身在技术层面做了大量的处理与资源分配，也导致其高级服务本身的价格也很高10、Adobe Analtyics
　　推荐指数：
　　Omniture是最早采用页面布码方式进行监测的工具之一（可能就是第一），且最早按照SaaS方式提供服务，也是最为被广为采购的付费工具，但定价并不夸张，跟谷歌分析很像。
　　优点：自定义能力上比谷歌分析要强价格优势，定价也比较灵活，按照流量分阶付费本身就是整个Adobe Marketing Cloud（AMC）构件的最关键最基础的构件
　　缺点：需要强大的本地客户支持如果没有官方的帮助，你自己无法配置，而如果没有配置好，功能基本上跟自己开发一个流量计数器差不多门槛高，如果光是复杂还好，主要是很多配置权限用户并不拥有，需要官方权限
　　前提是运营总监，说明不是数据总监。运营总监的工作重心一定是以运营体系的知识与经验为核心，而数据分析是起到辅助的作用。这样我们界定适合于运营总监的数据分析工具应该有几个特点：
　　1、它应该不是专业技能要求特别强的，需要会计算机语言为基础的就pass掉了，一个运营总怎么可能花时间去学个计算机语言呢！
　　2、它应该是特别好上手的那种，就是非专业人士能迅速掌握用起来的。
　　3、功能还得强大的，毕竟是总监要分析数据，跟基层员工的思考角度还不一样，特别是运营类涉及到的相关数据大量、复杂，必须有给力的功能支撑才能产生价值
　　4、可视化呈现要好一点，毕竟总监是要汇报给老板或者董事局的，数据分析报告拿出手，图表的展现就是第一门面。包装的意识还是要有的。
　　所以结论就是去市面上找一些操作容易、功能强大、图表颜值还得好的工具了。我做主管的时就候是照着这个思路找的，也用过几个，可以给大家说说。像东软做的Dataviz，是用着比较顺手的了。具体介绍我就摘抄下，自己懒得码那么多字
　　DataViz数据可视化分析工具，不需要编写代码，也不需要任何程序设计基础，用户可以通过简单的拖拽就可以实现数据可视化展示与分析。DataViz使用简单，但是实现的功能却不简单，上百种丰富的炫酷图表，可以实现数据的多维度多层次分析。
　　然后上图看下，先看些基本图
　　各种数据分析好后，可以做成图册，更亮眼：
　　重点就是操作起来简单，拖拖拽拽的，看起来特别复杂的图表，其实拼贴一下就能搞定了。操作面板基本本国人都可以分分钟用起来。
　　运营总监需要什么做数据分析？我的答案是一个数据分析岗位专员！只要一个公司设置了运营总监的岗位，那就说明这个公司还是有一定规模和实力的，所以对于数据分析这种细致且耗时的工作，如果运营总监亲自去做，简直就是人才的浪费。运营总监是需要制定公司战略方向的，是需要运用各种战术来提高市场销售额的，所以，数据分析这工作，还是安排专员来做最合适。
　　大多数回答不接地气。
　　运营总监首先是要是公司核心业务专家。
　　做不到这点基本就是走人。做得到这点，excel就是最好的数据分析工具。
　　其他数据分析报表工具，公司有什么用什么。关键是理解和定义数据的意义，其他什么工具都可以
　　运营总监的工作重点是运营，需要快速了解数据间的关系。所以需要的数据分析工具一个是易用，让非专业人士的上手更加简便；另一个是直观，即应该图形化、可视化地将数据表现出来。 以下小趣针对各种侧重方向，给大家介绍几款还算好用的数据分析工具。
　　数据可视化：
　　俗话说，数不如表、表不如图。我们数据分析时，必定知道可视化的重要性。但往往我们总是局限在Excel默认的那几个图表中。想分析更多维度的数据总是无从下手，下面小趣带大家看看哪些可视化工具能帮我们把数据美化成直观的图表吧!
　　Echarts
　　Echats是百度出品的数据可视化工具，可以结合技术上对例程、代码等进行修改。把干巴巴的数据变成直观可视的图、表等。
　　特点：提供的例程十分酷炫，从散点图、折线图到地理图，适用于各行各业。可以帮助运营者使用极低的学习成本，绘制出远强于PPT的可视化数据图。让你在同行、同事的报表中脱颖而出。
　　ANTV
　　ANTV蚂蚁金服出品的数据可视化Lib包。功能和Echarts近似，致力于提供一套简单方便、方便可靠，充分发挥使用者想象力的数据可视化分析工具。
　　特点：类别更加丰富，适用于更多领域。但是因为网站部署的原因，访问速度可能不是很理想。但瑕不掩瑜，我们平时使用阿里系产品，看到的酷炫、美观的数据图就来自ANTV库生产的作品。这个库的配色，设计更现代、更简洁，适用于新兴领域的行业运营者。可以帮助您生产更美观的可视化图表。
　　数据统计来源：
　　有了可视化工具，我们就需要一些可靠的数据来源来让我们的数据更有说服性，下面小趣介绍几个权威的数据来源，让他们帮你的报告立足于职场。
　　百度指数
　　百度指数基于百度搜索的数据，建立各行各业的数据标签。用户可以根据数据库检索结果，每天更新＂百度搜索指数＂。从一定程度上，可以反映检索关键词的趋势、相关领域、人群画像等数据。
　　特点：数据库基于百度搜索结果，各行各业都有自己的关键词指标。对于粗略地理解一个关键词的热度，百度搜索是极为不错的选择。
　　中国国家数据
　　权威的数据来源，由国家统计局负责维护和运营。对于传统企业管理者、社科研究者来说，这个网站是非常重要的数据来源。
　　特点：按部门、按行业汇总了我国各个领域的权威统计数据。对于有数据溯源、reference需求的使用者来说，这里就是数据的终端、引用的终点。如果你的行业关乎第一产业、第二产业，那选择国家数据（Nation Data）准没错。
　　世界银行数据
　　这个数据库来自世界银行分享的各类报告。用户可以免费地使用公开的各类情报。数据分析角度多、数据量权威。
　　特点：这是一个国际化的数据库，数据粒度较大，但是可从宏观角度来分析数据。如果你的行业涉及外贸、跨境电商等。就可以通过世界银行来分析目标客户的所在地等数据。帮助运营者在世界级的角度去做出决策。
　　腾讯移动分析
　　这个工具提供API接口，帮助移动程序开发者从后台了解产品的用户数据。UV、PV一应俱全，对于大致了解应用的各类指标十分方便。
　　特点：MTA为您的应用（APP、H5和小程序）提供实时数据统计分析服务，监控版本质量、渠道状况、用户画像属性及用户细分行为，通过数据可视化展现，协助产品、运营和市场决策。
　　目前平台已累计接入超过150万款应用，覆盖移动设备超过50亿，月活跃设备达12.6亿，支撑数十万开发者日常统计分析工作。
　　以上就是小趣为大家整理的数据分析工具，如果你也有更多的建议，欢迎在评论区与我交流。
　　以上工具，关注@趣玩好应用，私信＂数据分析＂即可获取。
　　我觉得运营总监需要的数据分析工具三个就够了： excel，tableau，pathon。
　　Excel是最简单的，最常用的。做数据分析很简单，各种统计体表都能展示数据。
　　tableau算是中等难度的，可以多个维度分析，设计也美观，操作难度不算太大。
　　python用来抓取数据，要会程序语言，但是编程本就是运营总监的必备技能之一。
　　当然还有很多其他的，比如百度还出来了echarts.国外有d3还有很多，不过我觉得三个组合就很实用了。
　　运营总监一定是核心业务专家
　　首先，如果运营总监还需要考虑使用分析工具来自己解决日常的数据分析问题，这个运营总监的定位我认为就是有问题的，运营总监的定位应该是企业核心战略和决策层。
　　其次，运营总监的角色一定是围绕业务与管理本身的，核心业务专家，数据只是用来去验证自己的思考，基于数据做出判断和决策思路。
　　因此，数据分析工具不是运营总监这个层面的人去考虑的，这应该是下面的人干的事情，运营总监要干的事情就是不断的提出问题、设想和思考，具体数据怎么出来，工具怎么使用，怎么分析都是过程。
　　需要了解，到运营总监这个层面，看问题的角度不是单纯的某一个部门、某一条业务线、某一个产品的问题，而是站在企业全局的角度去思考问题。这些数据的来源本身就分散在不同的系统、数据本身质量可能就很差、数据源也是异构的，从集合这些数据到最终达到能够分析的标准，这个过程绝非通过一个数据分析工具就能解决的，所以但凡让运营总监自己用数据分析工具做分析，基本上就是瞎扯。
　　运营总监的定位
　　运营总监要干的事情：完全了解企业的战略目标，每年重点的经营目标，方向是什么 ？在这些大的目标和方向上，企业财务、人力、产品、服务等现状是什么，企业目前这个阶段最重要的是要解决什么样的问题 ？围绕这些目标和方向，我们的资源是否都匹配，如何利用有限的资源找出实现这些目标和方向的路径。在实现这些目标和方向的过程中会遇到什么样的问题，如何解决 ？如果上述这些问题都清楚了，接下来要干的事情是如何分解这些问题 ？具体运营的计划是什么 ？谁来执行这些计划 ？如何评估这些计划执行的是好还是不好 ？执行的不好是什么原因，如何优化 ？
　　所谓的数据分析工具，重点在于通过数据反馈企业经营运转的现状，通过数据来定位问题和分析问题。
　　例如，2 中的现状、业务的现状、目前遇到的问题要通过数据来反馈。
　　例如，8 中的执行情况怎么样，要通过数据来反馈。
　　除此之外，基本上都是围绕企业的业务、管理、资源来深度思考的问题，而不是工具可以解决的问题。
　　没有数据分析的支撑企业运营的决策依据和思考深度可能会大打折扣，但是运营总监干的一定不是数据分析工具层面的事情。
　　涉及到数据分析的工具、数据取数、数据质量清洗处理、可视化报表设计开发等...这些事情谁去做 ？ 商业智能 BI 顾问、数据分析人员这些专业与数据打交道的专业人员做的事情。
　　比如，在这个图中集团整体产品销售收入整体正常，A 类主打产品没有问题，B 类新进入市场的产品从集团层面没有问题。但是一旦把这种产品结构放入到区域性的市场就出现了问题：华北区域重点产品 A 半年销售收入下滑近一半，B 类新进入市场的产品逐步下滑，和集团总体产品销售趋势以及其它几个区域等都出现了严重的反向对比。
　　像这种情况，运营总监可能不仅仅要深入和销售总监进行沟通，了解背后实际产生的原因，更要综合从产品、市场、销售等多个方面角度进行分析，找出相应的对策。
　　就不过多阐述了，把上面这张图片的分析案例在这里共享一下：
　　如果你负责企业的运营，从这张产品销售图里能分析出什么问题
　　在 BI 数据分析思路中有一个很重要的点就是结构分析。从整体产品销售中看不出有什么问题，集团销售收入在持续增长，主打产品 A 销售额相对稳定，新推出的产品 B 也在稳步增长。这是第一层结构分析，就是产品结构。
　　但一旦将产品结构放入到区域结构中再分析时就会发现一个比较严重的问题。华东、华南区域市场比较正常，和集团产品销售趋势基本匹配，但仔细看华北市场就发现完全不同的趋势了。
　　在华北区域主打产品 A 销售下滑厉害，同时 B。产品在最开始的时候没有太大问题，但在短短半年销售收入折半，这里面能反映出什么深层次的问题呢，分析思路是什么？
　　抛出销售团队的动荡或者变化看主打产品销售下滑，第一有没有可能在华北区域的销售渠道或者重要客户丢失了，丢失的原因会不会是碰到的强劲的竞争对手，在产品方面、价格方面有比较大的竞争优势，如果是这种原因的话问题就比较严重了。因为竞争对手的产品销售模式可以在华北区域打开，也同样可以复制到其它销售区域，在未来的半年或者一年竞争对手会不会快速突破到其它区域性市场？如果是这样就意味着在未来集团的产品销售收入增长将收到严重挑战，不得不警惕这种变化。
　　第二，B类产品刚开始的时候还可以，但之后越来越难打开市场，是否存在一个问题就是 B 产品原来是依靠老客户销售，但之后越来越少，是否 B 产品在华北区域本身就存在强力的竞争对手？
　　第三，A 产品的下滑除了第一条潜在原因外，是否还存在在华北区域严重依赖了重要大客户或者大渠道，是在这些方面出现了问题。如果是这个因素就需要深入分析以往销售渠道和大客户的构成，销售占比。如果是这种情况就不得不思考产品销售依赖性的问题，严重依赖某特定渠道和大客户，就会存在极大的风险，下一步应该怎么办，值得思考。
　　结合以上思路和观点就明白下一步要干什么了？ 分析华北区域客户构成、销售渠道构成，到底是在哪个环节出现了问题？
　　同时也要关注市场和竞争对手的变化，是否存在像上面所提到的问题，如果是就必须提到集团销售层面来整体应对找出解决办法和调整思路。
　　最后，要说的是商业智能 BI 与数据分析他们的定位是分析问题和定位问题，最终仍然是回到业务和管理。做出了分析，看了图表只是放在那里睡觉，而不去通过这种异常的数据去思考更深层次的问题，BI 和分析的价值也就停留在好看而已。
　　其实，这个案例还可以深入的和生产计划排产结合起来思考。华北区域的反馈是产品卖的不好，不用过多生产了，赶紧清库存了。其它区域和总部的反馈是买的好，赶紧加大投入生产了。
　　谁的意见更对呢？加大排产，如果真的是碰到强劲的竞争对手打过来，后面打不过变成直销产品积压库存怎么办？如果减少排产，但不是市场的原因后面买的很好，临时采购要增加不少成本，又怎么办？
　　分析即思考，思考即分析，科学决策需要全面的看问题，这就是数据驱动业务的价值。
　　用minitab，很不错！