本文將為妳講解:從入門到精通:如何用圖表做數據分析？
隨著精益運營的理念深入人心，數據分析已經成為互聯網用戶的必修課。相比高級的概率統計和算法模型，簡單直觀的制圖工具得到了更廣泛的應用。
那麽圖表的類型有哪些呢？如何使用不同類型的圖表？在本文中，我們結合互聯網產品和運營的業務需求來回答這些問題。
零件1 |初始訂單:尺寸和指示器
主圖簡單易懂，可以滿足簡單數據分析的需求，包括趨勢、頻率、比例、表格等類型。圖表數據分析的前提是將需要呈現的指標拆分到某個維度，在坐標系中以可視化的方式呈現出來。
1.趨勢圖
趨勢分析是最基本的圖表分析，包括折線圖、柱形圖、累積圖等多種形式。
折線圖可以觀察壹個或多個數據指標的連續變化趨勢，也可以根據需要與上期進行同比分析。直方圖可以觀察壹個事件的變化趨勢；如果把整體分割，可以做成堆砌圖，同時可以觀察某些部分的比例和變化趨勢。
圖1-生長期對比折線圖:
圖2-不斷增長的io直方圖:
產品經理和運營人員可以通過趨勢圖分析流量的實時趨勢，如日pv、uv、DAU等基本量化指標，停留時長、平均訪問頁數等質量指標，及時掌握產品的變化趨勢。壹旦趨勢周期對比出現異常(畸高畸低)，我們需要及時介入，調查原因，解決問題。
2.頻率表
根據業務需求，將指標按照壹定的維度進行劃分，比較不同組別出現的頻率，便於進行優先排序。
圖3-增長IO條形圖:
柱狀圖清晰地顯示了不同類別用戶的使用頻率，並按照數量從大到小排序。上圖顯示了壹個產品的用戶使用瀏覽器的頻率分布。在資源有限的情況下，產品可以先適配Chrome和IE瀏覽器，提升大部分用戶體驗。
圖4-GrowingIO雙向條形圖:
上面的雙向條形圖顯示了壹個B端產品的平均客戶停留時間的極端情況(非常高和非常低)。企業1-5非常活躍，可以讓運營商促進客戶增加購買量和續約，而企業6-10非常不活躍，很快就會流失，需要運營商立即介入。
3.比重圖
比重分析主要用於了解不同部分在整體中所占的比重。橫向比較表明，扇形圖和環形圖可以滿足這種需求；縱向比較，百分比堆積圖可以顯示不同部分比例的趨勢變化。
圖5-GrowingIO access用戶源環圖:
圖6-增長IO百分比堆積圖:
環形圖(圖5)顯示了壹個節點接入用戶來源渠道的比例，百分比累積圖(圖6)動態顯示了不同渠道比例的變化趨勢，便於市場或運營商動態優化我們的資源。
4.形式
表格信息比較密集，可以同時分析多維多指標數據，適合對數據比較敏感的人群。表格雖然能看到具體數值，但不能直接看到趨勢和比例。
圖7-GrowingIO表為索引拆卸提供了30多個維度:
從表中(圖7)不難發現，移動用戶占比非常大，但是跳出率非常高。這樣的表格數據啟示我們，有必要優化移動產品，提高整體訪問深度。
5.其他圖表
下面是壹個氣泡圖，用來展示壹個事件與多個維度的關系，比如分析B端產品的客戶賬單周期、客戶活躍度、登錄賬號數之間的關系。
圖8-GrowingIO“客戶溫度-健康”氣泡圖:
除了上述常見的圖表外，還有散點圖、箱線圖、股價圖、雷達圖等圖表，此處不再贅述。
第2部分|高級:用戶行為洞察
如前所述，初始圖表可以滿足簡單的業務需求。但要深入洞察用戶行為，還需要緊密結合商業實踐，使用更專業的圖表輔助數據分析。這裏和大家分享三個實用工具:漏鬥圖、滯留圖、熱(力學)圖。
1.漏鬥圖
漏鬥圖主要用於轉化過程，如註冊過程、商品購買過程，分析不同階段用戶的轉化或流失情況。
圖9-增長IO漏鬥圖:
產品運營要關註關鍵轉化路徑的轉化率，對於轉化率非常低或者轉化率突然下降的環節要及時調查原因。
2.保留地圖
留存是指用戶第壹次訪問妳的網站，幾天後再次訪問的情況。保留曲線可以用來深入分析保留。
圖10-生長IO保留曲線:
某問答社區通過留存曲線(圖10)發現，來自搜索引擎的新用戶(紅色)留存和活躍度遠高於普通新用戶(綠色)，這啟發了社區運營者，搜索引擎可能成為社區的下壹個增長點。
3.熱(機械)圖
熱圖，也稱為熱點圖，顯示用戶在妳的產品頁面上的點擊和停留偏好。借助熱圖，產品經理可以優化產品頁面布局，運營可以優化內容，真的是壹個很好的工具。
圖11-生長IO熱圖:
第3部分|高階:數據驅動的增長
隨著數據可視化技術的不斷發展，圖表的種類越來越豐富，我們不可能在壹篇文章中窮盡。但是圖表數據分析的本質是不會變的，它的最終目的是幫助人們決策。
1.構建您自己的數據看板
人的工作是不斷細分的，需要分析決策的內容也不盡相同。都是營銷部門的同事，負責內容營銷的和負責SEM的，需要關註的數據差別很大，需要建立自己的數據看板。
圖12-增長IO數據看板:
比如SEM主管根據工作需要設置數據看板，將廣告投放(表格)、訪客來源(百分比累積圖)、訪問用戶數(折線圖)、註冊用戶數(直方圖)、註冊轉化率(漏鬥)等重要數據集中在壹個看板中。數據看板可以幫助我們以合適的方式展示數據，集中精力做業務決策。
2.在實踐中實踐MVP
用圖表做好數據分析並不容易。絕非壹日之功，但也並非無規律可循。
首先是對業務的理解，可以洞察數字背後的商業意義。其次，靈活選擇維度拆分指標，在海圖坐標系中以合適的形式直觀顯示。最後，壹定要從圖表數據分析中發現問題，指導經營決策。在這個叠代過程中，我們不斷優化我們的圖表數據分析流程，並利用數據推動業務增長。
作者:GrowingIO成長團隊，擁有工程、產品、市場、分析多重角色，負責創新和活躍用戶，用數據驅動業務增長。