我们之前已经讨论过内容运营、活动运营、用户运营的常见知识。我想大家已经明白了，我们在进行数据分析的时候，其实想要了解的不仅仅是数据，而是数据背后的用户。
这时候我们需要考虑的是下面两个问题：1、当我们在讨论数据的时候，我们真的是在讨论数据么？2.在我们分析数据的时候，我们只是在看数据的涨跌变化么？因此，读懂数据的关键是读懂数据背后的人。那么，如何读懂数据背后的人？对于一个小程序而言，其逻辑应该包含如下几个方面。
一、抛弃预设立场
分析数据的第一步是要抛弃预设的立场，先不要着急定义数据展现的意义，而是研究数据的波动和波动的节点，通过这一步去确立要研究哪些相关事件，研究用户行为还是系统事件。去找相关的事件来证明你的推测是正确的，所以，在做数据分析时，一定要避免预设立场。
二、深挖用户行为与系统事件
定位完成后，就要去挖掘对应时间节点的相关事件，包括系统事件(版本升级、服务器错误、系统异常等)和用户行为(时间节点前后一段时间关联用户的持续行为，比如是否做了什么操作等)，通过这一步找出可能造成影响的动作和事件。
三、尝试换位思考
接下来，不管定位原因是系统还是用户，运营人员都需要换位思考，假设运营人员是用户，在对应的时间节点和对应的事件行为发生时，有怎么样的感知、反馈，模拟可能的状态。
需要注意的是，必须要把用户的真实反馈模拟出来，而不是夸大或削弱用户的反馈。必要的时候，可以找一些用户进行调研。通过这一步，运营人员进一步了解数据变化的原因，并对后续整合数据，如何操作进行思考。
四、整合关键数据
整合关键数据，是指整合可能有用的核心数据，譬如历史数据、关联数据等，最后得出结论：
1.造成数据变化的原因空间是什么？
2.有什么办法可以改善或者促进数据的变化？
3.总结经验，类似情况再次发生时，应该进行何种处置与预案。
最重要的是，要整合所有路径的数据，串起所有流程去看对应的行为，孤立的一个数据不说明任何问题。
运营人员需要关注的数据大致如下：
1.页面流量变化、各渠道入口流量变化；
2.登录用户的浏览行为，比如使用小程序的购物车但未购买的用户数、商品类型等，支付订单页面的蹦失率；
3.其他：比如竞品平台同类商品价格，竞品平台同节点流量变化，小程序最近的异常监控报告等；
跳出数据看数据，考验的是运营人员对数据的敏感度，以及通过数据解读背后原因和提出解决方案的总结、归纳、提高的能力。
