一、为什么需要了解数据分析
数据分析能力是每一位想要举办会议活动的人员需要掌握的关键技能，随着人口和流量红利的下降，不管是企业还是组织都在互联网环境下开始朝着精益化的方向运营和营销，数据分析的能力在会议活动中的价值就越发显著。
但是据了解，很多活动组织者对于数据分析的认知和理解都支离破碎，缺乏一个整体的、系统的思维框架和分析方法，例如,很多活动组织者会认为数据分析就是对数据的报表、整体数据的高峰和低值进行归因处理。但事实上，我们大部分人对数据分析都缺乏深层次的洞察。
那么会议活动中数据分析的目的究竟是什么？会议活动的数据又该怎么提升呢？
二、数据分析的目的
1.目标导向
在会议活动中，所有的工作实际上都是以目标为导向的，不对数据结果负责的活动实则是在浪费企业的人力、物力和财力。
对于企业来说，数据分析可以辅佐整场会议活动优化流程、降低成本，提高一定的参会人数和销售指数，往往我们把这类数据分析定义为目的性数据分析。这种方式就是利用大数据为活动组织者组走出迅捷、高质、高效的决策，提供一些可借鉴和可服用的解决方案，本质是在于让数据创造价值，驱动整体会议活动的业务增长。
2.思维方式
“拥有数据分析思维方式的企业，在会议活动营销这条路才会走的更好更远。”为什么这么说呢？在广义上，数据分析会在一定程度上指导我们未来的发展趋势，驱动业务的增长，而这样的思维方式，也泛指是通过数据分析的方法来发现问题、解决问题，提升整体的工作效率。
在数据分析思维中一共有三大层次需要了解，分别是：
数据规划：收集整理数据，制定数据指标；
数据收集：从不同的渠道准确收集数据，提供数据报表；
数据分析：通过数据挖掘、数据模型等方式，深入分析正常会议活动的业务数据；提供活动数据分析报告，定位问题，并提出解决方案。
那么数据分析思维应该怎么搭建，数据分析又该如何分析呢？接下来我们将围绕这三大层次为你详细阐述。
三、数据规划
数据规划主要针对的是目标。我们都知道，在举办会议活动中，目标是尤为关键的，而数据指标往往也是围绕目标来进行开展，在做数据规划前，就需要搞清楚本次会议活动的目标是什么，只有搞清楚目标，才会了解目的，也会知道需要哪些数据做支撑和论证，接下来的数据收集和分析才能更有针对性。
例如一场会议活动中，领导的需求是想要本次会议能够提升30%的转化，到场率要80%。那么针对领导已经给我们安排好的指标，我们就可以轻松确定，本次会议活动的数据指标是围绕“拉新”和“转化”来规划的。
这就引出我们数据规划的一个重要信息——指标。
指标，也称为度量。是用来衡量具体的运营效果，比如销售金额、转化率、到场率等等。一般情况下，领导规定好本次会议互动的业务指标后，我们需要对数据进行规划和拆解。拆解思路是了解影响这个指标背后的成因，然后将这些成因一一进行分解，对这些影响因素进行完善即可。
如上述案例中所说，我们的关键指标其实是最终的订单转化。到场率实则是转化指标中拆分出来的一个环节，我们用分解图来展示一下。
（指标拆解图）
四、数据收集
了解数据的重要目的后我们需要准确了解数据的来源，毕竟找不准数据来源，分析便无从谈起，且数据源头选取的偏差很有可能导致出现错误的结论。并且数据收集是我们数据分析的基础，而我们会议活动的数据来源无外乎有三种方式，即调查问卷、会议活动数据和调研数据。
1、调查问卷
调查问卷是获取数据最常用的方式之一，但是，其中有许多认知和方法上的误区，使得问卷调查数据变得不那么科学。
这些小问题隐藏在哪里呢？
（1）抽样方法
抽样即抽取样本，抽取正确的样本是保证数据来源准确的基础。
好的样本有两个方面的评判标准，在抽样过程中一定要充分兼顾：
一是针对研究的问题而言，不同的问题对应不同的样本。例如，若调查参会者的满意度，样本应该是报名参加此次会议的人员；如果调查参会者的需求，样本则不仅包括参加此次会议的人员，还应包括与此次会议关系密切但没有报名的顾客。
二是针对调查费用与估计精准度而言，即抽查样本要有较高的性价比。有时候，对不太重要的数据需要适当放低精准度，以节省下资金用于调查更重要的数据。
（利用百格活动创建调查问卷）
因此，抽样过程中需要选取能精准面向目标人群的问卷发放工具。百格活动中的调查问卷功能不仅可以管理会议相关人员的信息，还可以直接对这些目标人群精准地发放问卷，对抽查样本而言，是具有高性价比的工具。
抽样的优点是操作简便且随机度高，尤其是有工具可以辅助进行排序的情况下。例如在百格活动，所有参会者集合在统一列表中，可以选择批量导出表格进行系统抽样。
概率抽样看起来如此麻烦，那为何还要使用呢？其实，抽样方法的错误对数据来源的可靠性影响是巨大的，更有可能对调查结果带来偏差。
以参会者对会议的满意度调查为例，若不进行随机抽样，只等待参会者随缘参与调查，那么，对会议“十分不满”的那部分参会者很有可能急于投诉，因而更多地参与调查，使得调查结果不准确。
但是，在实际实施中，除了随机性带来的数据精准度外，调查数据还有成本、便利性、专业性等方面的要求。这时候，就难以避免使用非概率抽样。
常见的非概率抽样方式有方便抽样、判断抽样、自愿样本等。
1） 方便抽样即调查员根据方便的原则自行选取调查对象。例如在大会现场拦截式抽取路过的参会者，或调查员自己偶遇的演讲嘉宾。这样的抽样方式固然很方便，但是受调查员个人主观因素、场景内随机因素影响太大，这样的调查结果是不太可靠的。
2） 判断抽样指调查员根据对研究对象的了解和经验，有目的地选择一些单位作为样本。这时，会出现一些具代表性的重点抽样。如行业应用峰会中，往往存在几个巨头企业，若要了解行业发展趋势，调查员应该对巨头企业的参会者进行重点调查。
3） 自愿抽样即被调查者自愿参加调查，成为样本中的一份子。这是一种使用极其广泛的抽样方式，在网络上投放的调查问卷、会议手册上的问卷二维码，都是参会者自愿参与的途径。
（百格活动电子邮件、短信群发）
若想以电子邮件的形式让参会者自愿填写，可以给参会者发送会议现场资料、感谢参与等邮件，附载调查问卷或链接，让参会者更自然、从容地自愿接受调查。
这样的方式优点在于方便、低成本，且被调查者配合调查的意愿更大。缺点在于自愿参与的人数可能过少，且样本往往集中在某一特定人群。
（2）问卷制作工具
问卷的内容一般需要先用word等办公软件撰写好文字部分，再利用一些问卷平台模板进行制作，最后将链接搭载在邮件、短信或社交平台上发送给被调查者。也就是说，从问卷的制作到发放要更换好几个平台，借用好几种工具。相比之下，使用百格活动可以直接制作调查问卷，再一键发送给系统中的参会者，可以大大提高办公效率。
（百格活动问卷调查表）
2、会议数据
调查问卷一般用于相对深层的数据分析，直接使用统计得到的会议活动数据也可以达到一定的分析目的，而且获取的数据真实可靠、成本低廉。
这就要求调查者根据会议需求，定义好需要统计的几个方面的数据，然后在进行分析。用于评估会议的数据指标可以划分为以下几方面：
1） 财务方面：门票销售额统计；
2） 客户满意方面：客户分享统计、客户邀请统计；
3） 会议运营方面：页面访问量统计、报名统计、签到统计；
4） 学习成长方面：更多地来源于会议活动组织团队本身，如工作人员的满意度统计、会议策划和执行的培训等。
在百格活动管理系统中，可以实时更新9大数据指标，不仅可以帮助主办方进行会后数据分析，还可以及时跟进会议的报名、签到状况，在数据异常时进行调查并实施调整。
3、调研数据
使用调研数据是为了从更大的视野进行数据分析。会议数据仅与某个会议相关，问卷数据一般仅针对参会者，而调研数据一般来自网络和竞品，跨越不同的时间、渠道和群体。
（节选自百格活动会议营销电子书）
调研数据大多是二手数据，即来自企业外部的资料，因此需要谨慎判断二手数据的真实可靠性。选择使用可靠的组织生产的调研数据，可以大大地减小使用二手数据的风险。
（节选自百格活动会议营销电子书）
以互联网行业的会议为例，主办方想要让数据分析更好地有利于会议或企业自身的发展，就需要调研同行业相似会议的相关数据，需要了解竞争对手的信息，还需要结合互联网本身的发展趋势，对比历史数据进行分析（详细的分析方法见下文）。
五、数据分析
数据分析是会议活动结束后的重点工作，前面的“数据规划”和“数据收集”工作都是为数据分析服务的，最终目的就是通过数据分析的方法定位本次会议活动中存在的问题，提出解决方案，促进业务增长。
相比于复杂高深的统计与表格，简单直观的图表在数据分析中得到广泛应用。选择合适的图示，不仅可以方便调查者自己处理和分析数据，还可以更好地向他人展示数据。
因此数据的图示在汇报总结、PPT演示等场景下发挥着巨大的作用，充分、准确地利用各种图示，绝对能让你的分析眼前一亮。以下是对三种常见的图示类型的详细讲解。
1.对比图
孤零零的单个数据指标是很难发现问题的，我们需要从多维度出发来找到问题和解决问题。通常对比使用的图示就是我们常用的条形图。
条形图（bar chart）用宽度相同的长方形的高度来表示数据的多少。条形图可以是横向的也可以是纵向的，纵向的条形图也称柱形图（column chart）。
（采集点数据量条形图）
如上图，条形图的横轴是数据所属的类别（即采集点对应的分会场名称），纵轴是数据量（即每个该采集点的数据量），长方形上可以标示数值。
条形图可以直观地将各个类别进行对比。在上图中，我们可以一眼看出“美容产品”的数据量最大，“益生菌”的数据量最小，各个类别的数据量大多集中在600-850。
这种图示不仅可以方便数据分析者快速做出最简单的判断，还可以用于PPT、keynote展示，让一份汇报图文并茂、抓人眼球的同时，还能辅助汇报人的解说。
2.趋势图
折线图（line plot）用于展示在不同时间点上获取的数据，即时间序列数据。绘制折线图，可以很清晰地看到某一现象随时间的变化。
（报名人数数据折线图）
如上图，可以看到报名人数随时间大致呈增长趋势，其中2019/11/3和2019/11/8两日的数据突增尤为明显。可以初步推断这两天有什么特殊活动引发了报名人数的暴涨，并做进一步调研，从而改进营销方式。
（签到人数实时统计折线图）
此外，实时统计数据的折线图对会议数据的监控用途巨大。如上图所示的签到人数实时统计，可以实时更新每小时的签到人数，从而帮助现场执行人员了解签到处的人员拥堵情况，以做及时的引导处理。
在会议复盘时，则可以根据签到人数折线图分析会场的签到点分布是否合理、签到开始时间设置是否得当等，据此改进下一次会议的策划。
3.比重图
饼图（pie chart）用圆形内的扇形的角度来表示数值的大小及某部分数据占总体的比例。
（睡眠时长数据饼图）
饼图可以直观地对比各类别的数据之间的比例，对于研究总体的构成问题十分有用。
如上图，我们可以清晰地看到每日睡眠时长在为6小时、7小时的参会者人数最多，5小时和9小时的最少。进一步推断出数据的总体结构，即大多数人睡眠时间达不到通俗的“8小时“的标准。
在数据汇报展示中，饼图的使用可以让数据的结构性分析更有说服力，如上图，汇报人可以有依据地说出“调查数据显示参会者睡眠时间普遍不足”的结论。
