为什么要做APP数据分析?-
一、行业数据有助于分析APP优劣
行业数据对于了解自己的APP来说至关重要，因为有了行业数据的对照，就能知道自己的APP在整个行业的水平，从中分析出自家APP在行业中的优势和劣势，发现其中的问题以及在未来的APP运营和推广当中作出有针对性的调整。
二、了解用户指标是基础也是重点
1、新增用户
①按照时间维度来分，新增用户分为日新增用户、周新增用户、月新增用户等。
②按渠道来源，新增用户还可以分为渠道新增用户、运营商新增用户、地域新增用户。
2、活跃用户
活跃用户是指那些在一定的统计周期内打开APP，并且为APP带来一些价值的用户，一般用于衡量APP的运营现状——真正意义上的用户规模。很多产品说到用户规模和质量不会看用户总量，而是看它的活跃用户数。
活跃用户根据不同的统计周期分为日活跃用户数（DAU），周活跃用户数（WAU），月活跃用户数（MAU）。
在活跃用户指标里，有个很重要的指标：单个用户总活跃天数，是指在一定的统计周期内，平均每个用户在APP的活跃天数，反映了用户在流失之前TA花费在APP上的天数。
3、流失用户
流失用户是相对于活跃用户的概念，是指那些下载了APP之后，曾经启动过APP并且注册过，但是对该APP逐渐失去了兴趣，进而彻底脱离这款产品的用户。如果说活跃用户是用来衡量APP的运营现状，那么流失用户则是用以分析该APP是否存在被淘汰的风险，以及你的APP是否有能力留住新用户。
4、用户构成
用户构成是指对某周期内的活跃用户的构成，一般是对周活跃用户或者月活跃用户构成进行分析。拿月活跃用户来说，其用户构成包括：
①忠诚用户：也叫做超级活跃用户，长期持续地使用APP，例如连续活跃4周，或者1个月内15天。
②近期流失用户：连续1个月内没有打开过APP的用户。
③本月回流用户：上个月没有打开过APP，但是这个月重新打开了APP的用户。
④连续活跃用户
5、用户留存率
用户留存率是指在某一个统计时段的新增用户数中经过了一段时间后仍打开这个APP的用户比例，包括次日留存、7日留存（如今天新增用户数在第7日再次打开APP的比例，14日和30日留存以此类推）、14日留存、30日留存。这个指标是验证你的APP对用户是否具有吸引力。
“数据分析”作为近几年最火热的词汇，越来越受到大家的关注。但和一些应届生或者数据分析师沟通时，发现很多人都对数据分析的职业规划很迷茫。今天我们主要从业务方向的数据分析入手，聊聊数据分析的入门条件及职业规划。
“0基础入行数据分析要掌握哪些技能？”
“怎么能最快找到数据分析工作？”
“数据分析师未来的发展方向是什么？”
数据分析是什么？
数据分析是有关“数据”类岗位的总称。从事这些工作的人，通过分析数据发现业务问题，洞察商业机会点，为运营活动、业务增长及企业发展提供合理建议及参考依据。
数据分析主要是与数据打交道，但数据分析≠分析大数据，所以大家不要对这个职位产生恐惧感，零基础转行数据分析是可行的。要入门的话，3个月的时间也是足够的。
需要注意的是：
1.如果本身对数据不敏感，或者看到复杂的数据就眼晕头疼，那说明你可能不太适合这个岗位。
2.目前数据分析已不再是专职技能，而是职场人必备的通用技能，建议每个职场人都可以学一下，会让你在职场竞争中更有优势。至于是否从事数据分析工作，还是看你对数据的敏感程度以及你对这个岗位的热爱程度。
数据分析岗位方向及工作内容
数据分析可以简单分为业务和技术2大方向：
业务方向——数据运营、数据分析师、商业分析、用户研究、增长黑客、数据产品经理等
技术方向——数据开发工程师、数据挖掘工程师、数据仓库工程师等
业务类岗位的数据分析师大多在业务部门，主要工作是数据提取、支撑各部门相关的报表、监控数据异常和波动，找出问题、输出专题分析报告。
在日常工作中，业务部门往往更关心某个指标的为什么下跌或上升、产品的用户属性是怎样的，如何更好的完成自己的KPI等。
以活跃指标为例，数据分析人员通常要解决以下问题：
指标下跌了多少？是合理范围内的数据波动，还是突发式?（what）
下跌是从什么时候开始的？（when）
是整体用户下跌，还是部分用户？（who）
下跌的原因是什么？产品更新？还是某个渠道推广到期？（why）
怎么解决下跌的问题（how）
在经过了数据提取-数据清洗-多维分析-交叉分析等一系列步骤之后，你发现是某个地区的活跃下跌了，但这并不能作为分析的结论。因为某个地区的活跃下跌只是现象，并不是根本原因。
所以数据分析师要解决的是，为什么这个地区的活跃跌了？是政策因素？还是竞争对手？或者是渠道问题，这些都是需要深入分析的范畴。
找到原因后，数据分析师还需要预测未来的发展趋势，根据目前的分析结果输出可执行的改善策略，最后推动业务部门落地，再次复盘效果，最终形成闭环的分析路径。
对数据分析师而言，解决问题只是一方面，另一方面数据分析师的职责是将业务数据体系化，形成一套指标框架。比如活跃下跌，本质上也是指标问题，如“日活”等指标。
技术方向的岗位如数据挖掘/算法专家等岗位有的归在研发部门，有的则单独成立数据部门。与业务方向的数据分析师相比较来说，数据挖掘工程师要求更高的统计学能力及编程技巧。因为数据挖掘工程师对工具的要求比较高，所以数据挖掘的平均薪资也会高于数据分析师。
数据分析师岗位技能要求
对业务方向的数据分析师而言，掌握工具只是基础，还需要对业务有深入的理解以及较强的数据分析能力。
在工具使用上，数据分析师需要掌握Excel、SQL、PPT、Python等工具。
Excel是日常工作中用到的最多的工具，常用的函数及数据透视表都要学。
SQL是数据分析的核心工具，主要学习Select、聚合函数以及条件查询等内容。
Python重点掌握Pandas数据结构、Matplotlib库、Pyecharts库及Numpy数组。
关于工具的部分，需要注意不同行业对工具的要求会有差异，比如金融行业会要求SAS等工具。一般情况下Excel、SQL、PPT、Python这4种工具就能搞定大部分数据分析工作。
除工具的使用外，数据分析师要了解基本的统计学知识及数据分析方法。
统计学知识：环比、同比、概率分布、变量、抽样等。
数据分析方法：假设检验、回归分析、漏斗分析、多维分析、对比分析等。
针对0基础的小伙伴，建议大家先将精力放在数据分析的思路和训练上，多去看一些商业数据模型和数据分析案例的资料，最终形成自己的分析思路。千万不要一上来就啃Python，可以先上手Exce+SQL这2个简单的数据分析工具来入门。有SQL基础后再学Python会相对容易些。
数据分析师的成长路线
业务方向的数据分析师有2条发展路径。
一条是专精业务，晋升成为商业分析师、战略分析师或管理岗。从业务型发展上来的好处是具备商业网洞察能力，这点是直接做数据挖掘所不具备的。
另一条是提升技术能力，成长为算法专家或数据科学家。
如何快速入门数据分析
应届生想要入行数据分析，建议先做学习规划：
明确自己想走业务方向还是技术方向。
充分调研目标领域的行业知识，了解行业背景及行业相关的指标（在行业的选择上，擅长的、热爱的和有发展前景的即是最佳行业领域）
了解目标行业常用的数据处理工具、数据生产流程及数据应用。针对数据工具进行系统性学习。
0基础转行数据分析，建议先罗列自己的个人优势和行业背景，找到最佳突破口：
如果有运营相关经验，基础工具掌握一般，可以先学习SQL，再从数据运营岗入门。
如果有产品经验，对交互设计和用户体验有深入的理解，可以选择数据产品经理。
如果有金融、物流等行业工作经验，可以借用行业优势，转到相关行业的数据分析岗位。
也就是说，转行数据分析的路径不只有一条，我们要做的是根据自己的背景及优势，找到最适合自己的那条路。
总结：
作为一名合格的数据分析师，你需要至少以下三点技能：
必要的SQL、Excel+python\R技能；
正确的理解业务；
基本的数据使用意识和学习能力。
转行过程中个人必要技能的锤炼是很重要，但保持良好积极的心态也是转行成功的必备要素之一。
一个APP的构建与运营工作通常由多个角色分工实现，由于大家的工作重点不同，仅关注一个方面的数据就如同管中窥豹，无法全面了解产品运营情况，不能提出行之有效的分析建议。因此，只有搭建完善的数据运营分析框架，才能全面的衡量移动应用产品运营情况。除此之外，完整的数据运营分析框架还可以让产品经理和开发者不仅知道产品运营的基本状况和使用状况，更了解用户到底是谁，深入发现用户的需求。
②用数据推动产品迭代和市场推广
基础的数据运营分析框架对公司产品的整体发展状况会有一个很好的展现，但是创业者会关注更加细节的部分。
产品设计人员可以有针对性的对产品使用情况进行数据分析，了解用户对不同功能的使用，行为特征和使用反馈，这样可以为产品的改进提供很好的方向。
市场推广人员也不应该仅仅关注“什么渠道带来了多少用户”，更应该关注的是哪一个渠道带来的用户质量更高一些。
③产品盈利推手
盈利是公司的最终目的，无论一款产品是否已经探索出一个成熟的商业模式，创业者都应该借助数据让产品的盈利有一个更好进程。在产品商业的路上，数据可以帮助企业完成两件事：①发现产品盈利的关键路径;②优化现有的盈利模式。