1.从业务角度拆解
总结来说八个字：时间对比 维度划分（纵向 横向）

拿知乎举例：
拿题主提到的用户活跃来说，如何对知乎用户活跃做分析？

1.1 时间对比。

今天的用户活跃度相对于昨天是上升了还是下降了？相对于上个星期的一天是上升还是下降？相对于上个月呢？
1.2 维度划分。

横向：是哪一部分用户上升或下降？新用户还是老用户、哪个年龄段、哪个城市、哪种机型？再来对产品拆分，是回答问题的用户数有变化？还是提问的用户有变化？这样就形成了一张巨大的二维表，能够细分到每一块看是上升还是下降。

纵向：而对于产品的某一块，还可以做漏斗转化分析，从注册页面到首页转化率，从首页到浏览问题转化率，从浏览到点赞转化率。
做完之后就会发现哪里转化率相对较低，这个时候就可以与业务人员交流，思考如何从产品、运营角度来提升，不断的用时间前后对比来看是否数据有提升（这里会有大量的ABtest）。

总结来说就是不断的对比 不断的维度划分。

2.从技术角度挖掘数据
要想完成数据挖掘，除了业务上的知识，还需要一定的编程能力和算法能力。

业务部门提出的问题，大部分问题都可以转化为数据挖掘中的分类、回归或聚类等问题。

还是拿知乎举例：
比如知乎用户如何在大量的问题中看到他想看到问题，这是个性化推荐问题，运用的到的是各种分类算法。
用户的留存与什么因素有关，如何准确得知用户是否留存？如果熟悉逻辑回归，就可以选择特征来建模，解释模型中各个feature的weight，而逻辑回归的输出就是留存的概率，可以根据业务需求，指定阈值，预测是否留存。
关于如何做到，个人认为需要注意以下几点：
1.增强自己的数据清洗能力，这是基本功。
2.增强与业务人员的沟通能力，发现运营、产品上的业务痛点，这点很重要，直接决定你的工作是否真正有用。
3.一定的编程能力，对统计模型、机器学习算法要熟悉，能快速产出原型，迭代验证。

4.增强数据敏感度，保持好奇心，多多观察数据 。

原文链接：https://www.zhihu.com/question/62425650/answer/206292696