怎么让数据分析落地业务，这个是我们这个行业公认的难题，其实很多人的原因都是因为没有指标思维，以为有了数据就能分析，这是缺少指标思维的表现。那么怎么才能提高指标思维呢？
首先，指标是什么呢？
首先我们都知道，数据分析人的信条当中有一条是“可以量化的要量化，不可以量化的也要量化”，因为只有通过标准或者规则的量化，我们才能说明某件事物是好的还是坏的。
就好比在年度总结会上，领导告诉你：“今年我们公司的净利润大幅增长了”，这个“净利润大幅增长”就不足以成为一个指标，因为它没有量化，也有可能大幅增长只是1%或者2%，因为如果没有参照物相比，我们就不能判断其是否是“大幅增长。”
所以量化指标是最能体现事物程度的一种方法，正好像高考要用分数、工作也要背KPI一样，只有不断去量化业务指标，能够帮助我们更加深入的了解业务，只有我们知道了该用什么指标，才意味着我们已经理解了业务。
那么指标也是有其构成方式的，简单来说，指标是由三部分组成的：
指标=核心需求+对象+时间
比如说业务跟你说要分析一下APP的转化情况，这个“转化情况”是分析需求，不是我们真正要分析的量化指标，那么我们怎么去找量化指标呢？
就是参照上面的公式：
那么最后我们要分析这个app的转化情况，就可能要分析下面这样的指标：
这样不仅指标能提升我们对业务的理解，单是怎么去确定指标的这个过程，就能极大地提升我们对业务的理解，因为如果你不了解业务，你是无法做出这样的表达的。所以学习指标思维，第一步就是要学会确定指标、定义指标。
日常的分析工作中，除了这些基础指标，还会遇到一些特定的业务问题，需要用数据分析解决。比如业务想对比用户对两款产品的喜爱程度，这种情况下我们该怎么办？
想要量化某个事物，关键是要先搞清楚量化后的数据是为了解决什么问题，也就是目标。
1、我们要澄清目标到底是什么?
你想量化用户对某个功能的喜爱程度，那么究竟什么算是“喜欢这个功能" ?是使用频次吗？是使用深度吗？还是用户分享的比例？你需要不断用问题去澄清目标或者说是需求到底是什么。
2、考虑如何量化这个目标？
如果是使用的深度，那么我们可以量化”使用深度”吗？可以用功能内的停留时长，或者各个子功能的使用广度等等。找到可以用数据衡量的指标来表示“深度”
3、量化后的数据能增加我们对目标的了解吗？
比如"子功能的使用广度"这个指标能让我们确定用户喜欢这个产品吗？如果这个指标比较高的用户只是用户不明白如何使用产品，而进行的探索动作。功能使用率高的用户不能代表用户喜欢这款产品，那么这个数据不能有效降低我们对产品受欢迎程度的了解。
如果量化后的数据对我们理解需求没有什么帮助,那么我们就得回到第一-步 ,重新澄清什么是目标。
举个例子，某款APP刚刚研发出来以后，一般为了推广这个app，运营人员都会去花钱买一些量，也就是用机器或者真人去下载app、然后点击app，也就是刷日活。
这种情况下，我们该用什么样的指标去衡量这款app的使用情况呢？
1、理解业务，理解目标
首先我们要先理解业务和目标，我们是为了衡量app的使用情况，那么按照我们刚才量化指标的思路，我们可以通过哪些量化指标去衡量呢？我们可以通过一个忠实用户的行为进行理解：
很显然，这里面涉及到的跳出率、留存率、激活率、注册率、下载率、交易率等等很多，都是我们衡量这个APP使用情况的指标，而这些指标只有在我们真正了解了业务之后才能知道。
2、确定核心指标
第一步我们明确了分析需求，找出了初步的指标，第二步就是确定核心指标。
比如第一步里提到的下载率，在例子里这种情况下下载率是绝对没有说服力的，因为我们通过买量和买日活的方式去造成了一部分的虚荣指标，虚荣指标是没办法说明app的使用情况的。
所以我们应该用停留时长或者跳转率去排除掉虚荣因素的影响，比如我们的核心指标可以是停留时长大于15秒的用户，或者是跳转率。
每个APP的核心指标不太一样，所以一定要多花时间去考虑这件事，这个非常重要，不只是看日活和留存那么简单。
3、按照维度拆解
核心指标的波动必然是某种维度的波动引起，所以要监控核心指标，本质上还是要监控维度核心指标。通用的拆解方法都是先对核心指标进行公式计算，再按照业务路径来拆解。
假设，当前的核心指标是停留时长大于15秒的用户数。
停留时长大于15秒的用户数=打开APP的用户数*停留时长大于15秒的占比
分析“打开进入APP的用户数”时，我们要关注渠道转化率，分析用户从哪里来；同时用户通过哪种方式打开的，如通过点击桌面图标、点击通知栏、点击Push等；并且，这类用户的用户画像是什么，用户画像也更多是在这个时候才最有作用，更多要基于场景和相应的指标来分析。
“停留时长大于3秒的占比”该指标要重点关注如停留时长的分布，停留1秒的用户有多少、2秒的用户有多少、3秒的用户有多少，具体分布情况是怎样的；停留大于3秒的用户特征和行为特性是怎么样的情况；停留小于3秒的用户特征，并且要分析是否有作弊或刷量的可能性。
每一个环节的关键指标都可以通过公式的形式进行拆解，再根据拆解公式逐个分析对应的影响因素，当然还有其他的维度，这里大家可以重点看一下之前的细分思维。
转载自网络 不用于商业宣传 版权归原作者所有，侵权删。
41019702002033