仡琦17
“運營總監需要什麼數據分析工具”，這個問題我來解答，一方面是我本人剛好提供數據分析諮詢業務，另一方面是今年已經有3、4個同事跳槽去了互聯網公司，負責運營管理方面的工作，尤其最近跳槽的一個同事，是項目組上的夥伴，去京東金融負責一個版塊，他的一些經驗，剛好可以分享給你，對你有幫助的話，請點贊、轉發。
第一，運營總監的定位，運營總監屬於管理層，是一個執行負責人的角色，因此，需要掌握的數據分析工具肯定不是趨勢圖、柱狀圖這樣的簡單對比分析，需要進行數據挖掘分析，但作為一名負責人，需要的是分析策劃，比如分析主題、維度、顆粒度等。
第二，運營總監的數據分析，是一種數據挖掘分析、屬於大數據分析的範疇，需要的是基於用戶畫像進行分析，比如分析用戶的性別、年齡、偏好、地區、購買能力、購物習慣、購買歷史等，通過對用戶畫像進行多維分析，對用戶進行精準推送，這就是為什麼我們在頭條上預覽過某個話題後，頭條會主動推送相關內容，再比如我們在某寶上購買某個商品後，打開瀏覽器後就會有相關產品信息進行推送。
第三、運營總監不是大數據分析師，而且進行大數據分析時，也不能指望某個人完成全部動作，所以，在麥肯錫方法中就有一條非常關鍵的建議：“不要指望將大海煮沸”，某個人都只需要完成一部分工作就好，運營總監亦是如此，關鍵是掌握方法，在麥肯錫、埃森哲這樣的公司，我們習慣稱之為方法論，方法論是流程、是操作步驟、是方法工具、是拿來就可套用的行動步驟。
作為一名諮詢顧問，最擅長的就是方法論了，一入職公司公司，就會有方方面面的方法論培訓，包括個人能力、專業業務等，比如麥肯錫公司的個人能力方面的方法論就有很多，比如金字塔原理教人如何結構化、如何有邏輯的展示觀點、如何有效的與客戶溝通，再比如提問術，培訓新顧問做客戶訪談、如何準備調研提綱、如何通過提問獲取需求和展示自己的專業，再比如筆記術，教人通過做筆記，如何在筆記中展示邏輯結構，如何在筆記中勾勒訪談的故事線和客戶語錄等。
第四、運營總監如何進行數據分析，分享一個埃森哲公司的大數據分析的方法。
（1）埃森哲認為，數據分析即從數據、信息到知識的過程，數據分析需要數學理論、行業經驗以及計算機工具三者結合。
（2）數據分析標準流程CRISP-DM為90年代由SIG組織（當時）提出，是已被業界廣泛認可的數據分析流程。
（3）數據分析框架
3.1數據特徵探索：
3.2數據概率分佈
3.3 相關性分析
3.4 常見分析方法
分類與迴歸
聚類分析
關聯分析
時序模型
結構優化
資源分享：
第一步：關注 + 點贊 + 轉發 （只會埋頭下載而不轉發會被隨機拉黑）；
第二步：
如需麥肯錫方法論系列8個PPT可編輯源文件，私信發“2216”（資源包需打賞）；
如需埃森哲65頁大數據分析方法，私信發“2250”；
思維導圖PPT
日常盤點，佛系推薦。
比起IT部門、銷售部門等其他部門，運營總監除了簡單的數據分析工具之外，還要學會一些用戶分析工具、統計分析工具等等，因此列了大約10個常用的工具，按照推薦指數排名，僅供參考。
————————正文開始————————
1、谷歌統計推薦指數：☺☺☺☺☺
適用場景：
- 網站數據統計工具，定位是企業級客戶服務
- 在數據統計結構上，分為內容、社交、移動、轉化和廣告分析幾個維度
- 主要功能是可以對目標網站進行訪問數據統計和分析，並提供多種參數供網站擁有者使用
- 幫助用戶衡量銷售與轉化情況，瞭解訪問者如何使用自己的網站、如何吸引他們不斷回訪等
優點：
- 使用起來很簡單，只需要在網頁上加一串代碼就可以了
- 除了通用的流量統計、關鍵詞等還有一些特色參數，比如電子商務轉換率、跳出率等等
- 可以進行強大的自定義報告，不僅是一個數據統計工具，也存在細微的分析行為
- 免費
缺點：
- 功能上比較單一，只能進行粗略的數據統計
- 主要適用於企業級角色
- 基礎功能免費，但是深度分析功能十分昂貴，少說也得幾十萬美金每年
推薦指數：☺☺☺☺☺
適用場景：
- 一般的辦公需求下的數據處理工作；
- 中小公司數據管理，存儲（很多國有企業都用）；
- 學校學生，老師做簡單的統計分析（如方差分析，迴歸分析）；
- 結合Word，PowerPoint製作數據分析報告；
- 數據分析師的主力分析工具（部分數據分析師的輔助工具）
優點：
- 容易上手；
- 學習資源十分豐富；
- 可以用Excel做很多事情，建模，可視化，報表，動態圖表；
- 幫助你在進一步學習其它工具之前（比如Python，R），理解很多操作的含義；
缺點：
- 深入學習需要掌握VBA，難度還是很高；
- 當數據量較大時，會出現卡頓的情況；
- 到Excel2016版，在不借助其它工具的情況下，Excel數據文件本身能夠容納的數據僅有108萬行，不適合處理大規模數據集；
- 內置統計分析種類太簡單，實用價值不大；
- 正版Excel需要付費，比如我用office365.每年需要支付300多塊錢
推薦指數：☺☺☺☺☺
專業數據分析工具。
優點：
- 官網提供很多學習文檔、案例、視頻等資源供用戶進行上手學習
- 支持進行Iframe網頁集成
- 內置時序分析預測、聚類算法，可進行簡單數據挖掘計算處理
- OLAP計算分析能力比較強大
缺點：
- 對計算機的硬件要求很高，部署十分複雜
- 數據模型屬於寬帶模型，靈活性和拓展性比較差
- 無法控制用戶查看的列級別的權限粒度，數據權限控制較差
- 國內主要是代理商提供項目實施和技術服務，本土化稍弱，不如國內廠商
- 不能進行深度的數據挖掘
推薦指數：☺☺☺☺☺
專業數據分析工具，特點是自助式。
優點：
- 性能強大，在報價上有優勢，性價比最高
- 簡單易學，支持自助式數據分析，能應用複雜多變的場景需求
- 支持多數據源連接，對企業數據平臺的對接能力更強
- 內設多種數據挖掘算法，數據加工能力強大
- 後期採用jar包升級換代，維護方便
缺點： 輕量化的BI工具
5、Power BI推薦指數：☺☺☺☺
專業數據分析工具。
優點：
- 基於ERP和財務帳套，內置多種分析模塊
- 面向ERP之上的數據分析，在應用產品上更專業
- 在數據建模上，支持實時和抽取模式，但不支持多數據源
缺點：
- 可視化程度很低
- 不支持Kylin、Derby、Gbase、ADS、Hbase、Mongodb的數據源連接
- 對用戶的技術要求較高，學習成本較大
- 計算分析能力和數據挖掘能力與同樣的FineBI相比起來較差
推薦指數：☺☺☺☺
使用場景：
通過擴展的第三方R包，R能夠做的事情幾乎涵蓋了任何需要數據的領域。
優點：
- 數據清洗與整理；
- 網絡爬蟲；
- 數據可視化；
- 統計假設檢驗（t檢驗，方差分析，卡方檢驗等）；
- 統計建模（線性迴歸，邏輯迴歸，樹模型，神經網絡等）；
- 數據分析報告輸出（Rmarkdown）；
缺點：學習成本較大，對於營銷人員來說得不償失。
7、Python推薦指數：☺☺☺☺
R語言和Python同為需要編程的數據分析工具，所不同的是，R專門用於數據分析領域，而科學計算與數據分析只是Python的一個應用分支，Python還可以用來開發web頁面，開發遊戲，做系統的後端開發，以及運維工作。
優點：
- 數據爬取，使用Python能夠很容易的編寫強大的爬蟲，抓取網絡數據；
- 數據清洗；
- 數據建模；
- 根據業務場景和實際問題構造數據分析算法；
- 數據可視化（個人感覺不如R好用）；
- 機器學習，文本挖掘等高級數據挖掘與分析領域；
缺點：學習成本較大，對於營銷人員來說得不償失。
8、百度統計推薦指數：☺☺☺
百度統計是百度推出的一款免費的專業網站流量分析工具，能夠告訴用戶訪客是如何找到並瀏覽用戶的網站，在網站上做了些什麼，有了這些信息，可以幫助用戶改善訪客在用戶的網站上的使用體驗，不斷提升網站的投資回報率。
優點
- 百度出品，技術上是值得信賴的，比很多國內粗製濫造的數據統計工具要強得多
- 指標更為豐富一些，系統也比較穩定
- 百度統計在獨立IP數統計、訪客訪問軌跡、實時數據方面來說是優於谷歌統計的
缺點
- 雖然號稱免費，但其實只是開放給百度聯盟等一些限制用戶
- 功能上大多侷限於數據統計，不像谷歌一樣可以進行用戶分析
推薦指數：☺☺☺
HeapAnalytics是國外一款很犀利的數據統計工具，其中的一大特異之處是讓任何完全不懂技術的“普通人”，也能夠輕而易舉的監測到任何我們想監測的東西。
優點：去技術化、無埋點、實時數據、可視化配置；
缺點：因為統計服務本身在技術層面做了大量的處理與資源分配，也導致其高級服務本身的價格也很高
10、Adobe Analtyics推薦指數：☺☺☺
Omniture是最早採用頁面布碼方式進行監測的工具之一（可能就是第一），且最早按照SaaS方式提供服務，也是最為被廣為採購的付費工具，但定價並不誇張，跟谷歌分析很像。
優點：
- 自定義能力上比谷歌分析要強
- 價格優勢，定價也比較靈活，按照流量分階付費
- 本身就是整個Adobe Marketing Cloud（AMC）構件的最關鍵最基礎的構件
缺點：
- 需要強大的本地客戶支持
- 如果沒有官方的幫助，你自己無法配置，而如果沒有配置好，功能基本上跟自己開發一個流量計數器差不多
- 門檻高，如果光是複雜還好，主要是很多配置權限用戶並不擁有，需要官方權限
IT技術管理那些事兒
我覺得運營總監需要的數據分析工具三個就夠了： excel，tableau，pathon。
Excel是最簡單的，最常用的。做數據分析很簡單，各種統計體表都能展示數據。
tableau算是中等難度的，可以多個維度分析，設計也美觀，操作難度不算太大。
python用來抓取數據，要會程序語言，但是編程本就是運營總監的必備技能之一。
當然還有很多其他的，比如百度還出來了echarts.國外有d3還有很多，不過我覺得三個組合就很實用了。
戰略解讀菌
運營總監雖然不是CEO，但是也是有決策權的
企業內部職位，是為企業運營服務的，所以各有不同，沒有固定死的職能，這都是靈活的
如上，也就是這家企業把運營總監，定義為純管理崗，沒有業務提成。
上面要求熟練使用SPSS，或SAS
SPSS是世界上最早的統計分析軟件，如今SPSS的最新版本為25，而且更名為IBM SPSS Statistics。迄今，SPSS公司已有40餘年的成長曆史。
SAS (Statistical Analysis System)是一個模塊化、集成化的大型應用軟件系統。
SAS已在全球100多個國家和地區擁有29000多個客戶群，直接用戶超過300萬人。在我國，國家信息中心，國家統計局，衛生部，中國科學院等都是SAS系統的大用戶。SAS已被廣泛應用於政府行政管理，科研，教育，生產和金融等不同領域，並且發揮著愈來愈重要的作用。
以上
白開水85度
運營總監全面負責公司總體運營工作，在互聯網+的大背景下，數據運營管理能力也是運營總監之一。根據市場目標，收集行業及競爭對手信息，瞭解和分析客戶需求，對市場及產品發展方向進行預測，及時調整業務和產品策略，合理制訂業務和產品規劃。做數據收集整理，並根據數據分析結果，做好業務規劃、營銷平臺優化、市場資源整合，確定核心產品和服務及對應的商業模式，保證準確實現盈利。
通過數據運用，對業務問題進行深入分析，為用戶做好畫像，併為董事會提供運營決策、產品方向、商業策略提供數據支持。
作為新時期的運營總監，運用好大數據才能更好為企業發展提供強有力支持。
安康財智匯
前提是運營總監，說明不是數據總監。運營總監的工作重心一定是以運營體系的知識與經驗為核心，而數據分析是起到輔助的作用。這樣我們界定適合於運營總監的數據分析工具應該有幾個特點：
1、它應該不是專業技能要求特別強的，需要會計算機語言為基礎的就pass掉了，一個運營總怎麼可能花時間去學個計算機語言呢！
2、它應該是特別好上手的那種，就是非專業人士能迅速掌握用起來的。
3、功能還得強大的，畢竟是總監要分析數據，跟基層員工的思考角度還不一樣，特別是運營類涉及到的相關數據大量、複雜，必須有給力的功能支撐才能產生價值
4、可視化呈現要好一點，畢竟總監是要彙報給老闆或者董事局的，數據分析報告拿出手，圖表的展現就是第一門面。包裝的意識還是要有的。
所以結論就是去市面上找一些操作容易、功能強大、圖表顏值還得好的工具了。我做主管的時就候是照著這個思路找的，也用過幾個，可以給大家說說。像東軟做的Dataviz，是用著比較順手的了。具體介紹我就摘抄下，自己懶得碼那麼多字
DataViz數據可視化分析工具，不需要編寫代碼，也不需要任何程序設計基礎，用戶可以通過簡單的拖拽就可以實現數據可視化展示與分析。DataViz使用簡單，但是實現的功能卻不簡單，上百種豐富的炫酷圖表，可以實現數據的多維度多層次分析。
然後上圖看下，先看些基本圖
各種數據分析好後，可以做成圖冊，更亮眼：
重點就是操作起來簡單，拖拖拽拽的，看起來特別複雜的圖表，其實拼貼一下就能搞定了。操作面板基本本國人都可以分分鐘用起來。
北海青川
運營總監需要什麼做數據分析？我的答案是一個數據分析崗位專員！只要一個公司設置了運營總監的崗位，那就說明這個公司還是有一定規模和實力的，所以對於數據分析這種細緻且耗時的工作，如果運營總監親自去做，簡直就是人才的浪費。運營總監是需要制定公司戰略方向的，是需要運用各種戰術來提高市場銷售額的，所以，數據分析這工作，還是安排專員來做最合適。
HR阿蕙
最基礎的，掌握好QC七大手法。
QC七大手法應用領悟非常的廣泛，變通力強。工具四的，人是活的。
工廠講究工廠的4M1E，你可以弄一套適合金融類的分析手法，實現管理創新嘛。
聊聊企業管理
運行總監應該配備助理了，這樣的工作是助理的職責。
我們公司沒用什麼專門的工具，各級領導都用SAP，過程和結果分析都挺好的啊。
Mr馮二
你是幹什麼行業的？找你的行業需求，安排實現需求，銷售出去就OK了。多看看報表尤其是成本報表。
