【七周】第一周.数据分析思维

关注

原创最新推荐文章于 2022-04-05 21:26:36 发布 433 阅读 AI 写同款· GEO 优化 ›

学习笔记——七周成为数据分析师《第一周：数据分析思维》公司进行了一次营销活动,APP上销量数据整体比上周上升了20%,因为统计失误,拿不到明细,现在的问题是,销量本身就有可能因为节日而提高,那怎么证明活动是有效或者无效.优点对比法可以发现很多数据间的规律，它可以与任何思维技巧结合，比如多维对比、象限对比、假设对比等。应用和假设法不同，假设法是缺乏有效数据，指数法是无法利用数据而将其加工成可利用的。应用对比更多是一种习惯，是数据分析的牛角尖，一次合格的分析，一定要用到N次对比。寻找金字塔的塔顶,它可以是假设,是问题,是预测,是原因。... 阅读详情

三种核心思维

1）结构化采用金字塔结构将问题分化为各类尽可能不相关的小问题，一步步进行讨论分析。构建思维导图来解决此步问题。

2）公式化将结构化后的各个分类点进行公式化的拆解，将各项指标量化。如：客单价 = 原价 * 折扣率；购买人数 = 新客（曝光数 * 转化率） + 老客（老客 = 忠诚客户 + 回头客户）。

3）业务化
eg：如何预估上海地区的共享单车投放量？
①从城市流动人口计算 * 相应的转化率
②从各个区的人口密度计算 * 相应的转化率
③从城市交通数据计算 * 相应的转化率
④从保有自行车计算 * 相应的转化率
以上只是简单的将问题进行结构化的拆解和公式化的量化，在业务方面并没有深入地分析，比如单车是有损耗的，也许计算得出要投入100w共享单车，但实际上要投入120w，所以计算公式中应该考虑单车的消耗因素。

总结：

结构化是将一个大问题细分，找到关键问题所在。

公式化则是将问题具体量化，用数据来解决问题。

业务化则是在前两步的基础上增添上实际业务方面的思考，给出更合理的建议。

数据分析的思维技巧

1）象限法

①象限法是一种策略驱动的思维。
②应用范围广，如战略分析、产品分析、市场分析、用户管理等
③能够直观、清晰地对数据进行划分，划分结果可直接应用于策略。
④须知：象限划分可以按中位数、平均数或者是经验。

最经典的例子就是RFM模型
R:最近一次消费时间间隔
F:消费评率
M:消费金额

在这里插入图片描述

2）多维法

①多维法是一种精细驱动的思维
②只要数据齐全且丰富，均可以应用
③处理大数据量，维度丰富且复杂的数据有较好的效果。但是维度过多，会消耗不少时间。
④须知：对不同维度进行交叉分析时，需要注意辛普森悖论。
辛普森悖论：即在某个条件下的两组数据，分别讨论时都会满足某种性质，可是一旦合并考虑，却可能导致相反的结论。
eg：
用户统计维度：性别、年龄
用户行为维度：偏好、兴趣、
消费维度：金额、频率、消费水平
商品维度：品牌、品类、属性

3）假设法

①假设法时一种启发思考驱动的思维。
②假设法更多是一种思考方式，假设—验证—判断。
③当没有直观数据或者线索能分析时，以假设先行的方式进行推断，这是一个论证的问题。
④不止可以假设前提，也能假设概率或者比例，一切都能假设，只要自圆其说。
eg：
活动有效吗？
商品提价后收入会有变化吗？
1.假设商品提价后，销量一定下跌，问题时为销量下跌多少？
2.首先假设流量不会有变化，流量和渠道营销正相关，商品价格影响转化率，那么现在确定转化率的波动。
3.找出平时的转化率，预估提价后的转化率变化。假设各类型用户对价格敏感度不同，那么将用户分为忠诚客户，普通客户，羊毛客户等。
4.不同用户层次数量是不同的，反应也不同。忠诚客户转化率极低，羊毛客户几乎不会转化…这些数据可以凭借经验做出假设。最后进行汇总。

4）指数法根据现有的数据，通过加工来建立合适且有价值的数据指标

包括：
线性加权法————设置不同的权重
反比例法————能达成一个收敛的效果（0,1）
log法————将数值缩小

这三种方法一般要融合使用

①指数法是一种目标驱动思维。
②和假设法不同，假设法是缺乏有效的数据，指数法是将无法利用的数据加工成可利用的数据
③目标驱动力强，直观、简洁、有效。对业务有一定的指导作用。一旦设立指数，不易频繁变动。
④须知：指数法没有统一的标准，很多指数更依赖经验的加工。
eg：
中国今年的经济指标如何？
竞争对手产品表现的如何？