仡琦17

“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”；
  

思维导图PPT

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

IT技术管理那些事儿

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。

战略解读菌

运营总监虽然不是CEO，但是也是有决策权的

企业内部职位，是为企业运营服务的，所以各有不同，没有固定死的职能，这都是灵活的

如上，也就是这家企业把运营总监，定义为纯管理岗，没有业务提成。

上面要求熟练使用SPSS，或SAS

SPSS是世界上最早的统计分析软件，如今SPSS的最新版本为25，而且更名为IBM SPSS Statistics。迄今，SPSS公司已有40余年的成长历史。

SAS (Statistical Analysis System)是一个模块化、集成化的大型应用软件系统。

SAS已在全球100多个国家和地区拥有29000多个客户群，直接用户超过300万人。在我国，国家信息中心，国家统计局，卫生部，中国科学院等都是SAS系统的大用户。SAS已被广泛应用于政府行政管理，科研，教育，生产和金融等不同领域，并且发挥着愈来愈重要的作用。

以上

白开水85度

运营总监全面负责公司总体运营工作，在互联网+的大背景下，数据运营管理能力也是运营总监之一。根据市场目标，收集行业及竞争对手信息，了解和分析客户需求，对市场及产品发展方向进行预测，及时调整业务和产品策略，合理制订业务和产品规划。做数据收集整理，并根据数据分析结果，做好业务规划、营销平台优化、市场资源整合，确定核心产品和服务及对应的商业模式，保证准确实现盈利。

通过数据运用，对业务问题进行深入分析，为用户做好画像，并为董事会提供运营决策、产品方向、商业策略提供数据支持。

作为新时期的运营总监，运用好大数据才能更好为企业发展提供强有力支持。

安康财智汇

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。

北海青川

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。

HR阿蕙

最基础的，掌握好QC七大手法。

QC七大手法应用领悟非常的广泛，变通力强。工具四的，人是活的。

工厂讲究工厂的4M1E，你可以弄一套适合金融类的分析手法，实现管理创新嘛。

聊聊企业管理

运行总监应该配备助理了，这样的工作是助理的职责。

我们公司没用什么专门的工具，各级领导都用SAP，过程和结果分析都挺好的啊。

Mr冯二

你是干什么行业的？找你的行业需求，安排实现需求，销售出去就OK了。多看看报表尤其是成本报表。

關鍵字: 运营 跳槽 数据分析