二、深入业务寻价值：价值源于深度理解场景
题解 数据本身无价值，其价值存在于数据的应用场景中。从业务场景出发，找到对运营有指导作用的内容，这是我们做数据分析的基本原则。
说完了技能进阶图谱，咖哥转向下一个问题：“单纯地对着一大堆数字分析来分析去意义不大。企业的数据分析部门要为具体的业务问题量身定制解决方案。我这里准备了一些业务场景卡片（请看下面5个挑战卡片），你能针对这些场景说说数据分析师应如何进行数据分析吗？”
挑战1 数据分析师要帮助销售部门选择合适的渠道
挑战2 数据分析师要根据已有数据进行用户画像
挑战3 数据分析师将搜集并分析用户对每种商品的评价，搭建合理的推荐系统
挑战4 数据分析师将利用机器学习方法进行建模，预测销售趋势
挑战5 数据分析师将参与搭建高效的业务数据平台
小雪逐个翻看卡片，面露紧张的表情：“其实，这正是我一直困惑的问题，工具我都学了，Excel、Python培训班上了四五个，数据思维的相关文章也读了很多，但面对数据时，我还是感觉下不去手……”
咖哥看出了小雪的不安，安慰道：“不急，不急。这其实是初阶数据分析师和高阶数据分析师的关键区别——有经验的高阶数据分析师更能深入了解业务需求、根据业务需求做数据分析，从实际出发，有的放矢。我们暂不谈工具的使用，先好好说说数据与运营、增长之间的关系。这有助于你了解数据分析师如何真正创造价值这个‘最后一公里’问题。”
1 驱动运营增长的AARRR模型
首先，我们要知道在实践中，数据分析应深入契合业务场景的每一个角落，在各个支点发力，对业务做出支持[1]。
[1] 此处是咖哥讲述的内容。全书有大量类似的咖哥发言，考虑到全部加双引号可能会影响读者的阅读体验，所以在没有对话的地方，本书换了一种形式，即不加双引号。
如何满足上述要求？关键在于对各个运营场景（环节）进行分解，并在分解场景的同时明确当前所需的数据指标。
如何分解运营场景？增长黑客理论[2]中的海盗指标能给出答案。
[2] 对于增长黑客理论体系更详细的介绍参见本书第十话。
海盗指标这一术语由风险投资人戴夫·麦克卢尔创造。他将诸多关键数据指标归并至创业、创新和运营过程中的五大阶段，分别为获取用户（Acquisition）、提高活跃度（Activation）、提高留存率（Retention）、获取营收（Revenue）及良性的自传播循环（Referral），即AARRR[3]（见下图）。众多互联网公司在实际运营中将这五大阶段简化为获客、激活、留存、变现和自传播。
[3] AARRR指标，有时候会多增加一个A（Awareness），用来强调在获取用户之前要先做好心理建设工作。
这五大阶段也可视为驱动增长的五大核心引擎。
创业、创新和运营过程中的五大阶段
上述的5个阶段并没有严格的先后顺序，各阶段之间也没有明显的界限。例如，获客和留存是相辅相成的，在这两个阶段中也常会采用相同的数据分析方法。又如，具体到某个用户来说，他可能先推荐某个产品给朋友，然后自己才购买。这样自传播阶段就先于获客、激活阶段出现。如何分清界限并不重要，我们只需要明白这5个阶段实际上是为了帮助创业者、公司运营人员及数据分析人员思考如何用数据构建驱动增长的框架[4]。
[4] 其实就是本书的写作框架。
那么，各阶段具体的关键数据指标有哪些？
（1）不同的商业模式所关注的关键数据指标是不同的。除了共同关注的流量指标之外，淘宝等电商平台更关心购买转化率；而知乎等UGC（User Generated Content，用户生成内容）平台更关心用户活跃度、内容输出的频率和质量。
（2）公司在不同创业阶段所关心的关键数据指标也不同。公司在每一个阶段都有自己的北极星指标，即当前的第一关键数据指标。例如在公司早期阶段，获取用户是重中之重，公司要不遗余力地让更多的用户了解并使用自己的产品，此时的北极星指标是用户数；而当积累了一定的用户数量并且保持一定的活跃度后，公司要关注的就是营收指标，此时的北极星指标可能是销售额[5]。
[5] 此处引自《精益数据分析》第5章“数据分析框架”。
AARRR每一个阶段的任务和关键数据指标如表1所示。
表1 AARRR每一个阶段的任务和关键数据指标
通过这些可量化的关键数据指标，数据分析师可以在每一个阶段对运营的具体效果给出客观的反馈，从而驱动下一步的决策。
2 精益数据分析的业务方法论
有了AARRR模型及各阶段的关键数据指标之后，还要找到一个实证有效的方法论，以指导业务的数据分析流程。下面介绍阿利斯泰尔·克罗尔提出的精益数据分析，它能让数据分析师在面对业务需求时不再感到困惑。
精益数据分析把业务拆解和数据分析划分为下图中的4个步骤。
拆解业务问题，进行分析、决策
上页图中4个步骤的具体介绍如下。
第一步：结合当前的业务模式和业务阶段，选择一个希望改进的KPI（关键绩效指标），并为该KPI确定一个基准值。
第二步：确定数据指标，将其进行细化，并找出提升KPI的方法。
第三步：为数据指标制定方案并进行增长实验，搜集数据后进行分析。
第四步：根据数据的测试和分析结果做出决策。
上述步骤的第一个关键点是定位自己的业务模式和所关注的业务阶段，也就是确定问题。问题本身决定了我们需要关注的数据指标和KPI。之后要为KPI设置基准值，用来衡量是否达到预期结果。基准值可以自主设定也可以参考行业基准值。
第二个要强调的关键点是在数据分析的实现过程中，往往需要制定方案，进行实验，检测新方案是否能达到预期的结果或验证最初的假设。例如要想提高注册页面的转化率，方案是调整注册按钮的文字；如何知道是“注册新用户”转化率高还是“点这里试试”的转化率高？这时可能就要用到A/B测试了。再例如，在获客时想知道选哪个渠道做推广效果会更理想，那就需要在多个渠道同时投放广告，然后搜集数据进行对比分析。
也就是说，我们推出的每一个新功能、做出的每一个新决策是否符合用户预期，是否受用户欢迎，都需要通过数据来回答。