数据分析学习笔记V1
2020-12-04 10:09:32 1 举报AI智能生成
数据分析；运营分析；产品运营分析；数据分析报告；运营分析报告；用户留存分析；数据分析学习
作者其他创作
大纲/内容
概述
概述：
定义：数据分析是指根据分析目的，用适当的分析方法及工具，对数据进行分析，提取有价值的信息，形成有效结论的过程
作用:
通过观察数据知道当前发生了什么？
通过具体的数据拆解，理解为什么发生？
预测未来会发生什么？
支撑商业决策
场景：
运营
活动运营
内容运营
商品运营
用户运营
用户分类
用户生命周期
产品
产品功能，产品体验
产品调研
用户需求调研
市场
商务合作效果
渠道推广效果
投入产出比
能力要求：
数据敏感性
对业务的深刻理解
良好的逻辑思维能力
统计分析能力
熟练使用数据分析工具
数据解读能力
数据应对能力
范围：产品设计，研发人员，市场等
术语：
流程
需求分析
数据提取
数据清洗
数据分析
报告撰写
报告分享
投入应用收集反馈
案例
数据分析前提
数据类型
定性数据(一般通过问卷调查获取)
分类数据：男女，天气等(不能区分大小，不能进行运算[+-*/])
顺序数据：满意度评分，幼儿园、小学、中学、大学等(可以区分大小)
定量数据(一般通过日志埋点获取)
数值型数据离散型：用户数，消费次数等(可以加减)
数值型数据连续：成绩，消费金额等(可以乘除)
数据收集
埋点/日志
UV/PV
用户数
用户停留时间
浏览页面的用户行为等
第三方数据平台
百度统计
Growing IO
SimilarWeb
Google Analytics
天朝统计局
问卷调查
线上问卷
线下问卷
电话回访
数据整理
数据异常表现
空值，NULL，空，-1等
波动太大
不同数据源获取的数据矛盾
数据异常原因
系统故障
硬件故障，数据丢失
软件BUG
人为因素
数据如何清洗
删除异常值
平均值填充
通过统计计算值填充
不同源的数据交叉填充
数据验证
数据验证
不同源数据交叉验证
方法
分析框架
QQ模型
用户行为理论
5W2H分析法
AARRR模型
RFM模型
人货场模型
人：用户(新老用户数，留存率，转化率等)
货：商品(会员动销率，客单价)
场：销售平台(网站，第三方平台，超市，无人售货机，点位等)
方法
对比分析
时间对比：同比，环比，变化趋势
空间对比：不同城市，不同产品对比
目标对比：年度目标，阅读目标，活动目标
用户对比：新&老用户，注册用户&未注册或访客
竞品对比：渠道，功能，体验和流程，推广和收入
使用场景：用于判断某个数据是好是坏，以及某几个数据之间的差异性
分组分析
不同时间分组：日，周，月，年等
不同产品类型分析分组：产品属性，区域
不同用户类型分组：行业，研究领域，学历，客户价值，消费频次，年龄，性别等
不同渠道分组：线上渠道，线下渠道；付费渠道，免费渠道
使用场景：用于数据包含的信息多样化且各种类型的数据之间差异较大，用于分析不同类型数据之间的差异，经常与对比分析法结合使用
矩阵关联
SWOT矩阵
优势
劣势
机会
威胁
波士顿矩阵
市场份额
市场增长率
满意度矩阵
重要性
满意度
使用场景：对2-4个重要属性进行分析。当判断某个事物有多重属性时，且各个属性之间没有直接的关联性，需要根据多重属性判断事物的结果
逻辑树分析
使用场景：通过将复杂数据分层拆解，用于发现复杂数据中的问题和机会
漏斗分析
使用场景：用户发现某个行为路径中的问题
工具
excel
导入
文本：txt/csv/xml/json/excel/access/文件夹
在线服务：网页/api/odata/webservices
关系型数据库：mysql/sqlserver/db2/oracle/psql/sysql
云数据库
其他源：具体参照office版本以及插件
数据拆分合并
数据清洗
缺失数据处理：查找，填充
重复数据处理：countif，条件格式，数据图视表
数据转化
数据计算
vba
报告
根据分析目的，进行数据分析整理，反映某项事物的现状与问题，分析研究原因，本质和规律，“得出结论，提出解决方案”的一种呈现应用文体
类型：
基础数据报告：列明重点关注的数据指标；波动异常的数据，注明原因；近期关注重点标注进展
综合分析报告：对长时间数据的同比，环比，分析数据波动原因，找到问题和机会点；注明项目建站及问题；总结成败原因，给出意见建议
专题分析报告：针对某个专项活动或目的进行细化的分析，总结项目成败原因，得出经验教训
基本要求
分析北京和目标的清晰
抽取数据实践和逻辑标记清晰，外部数据注明出处
避免结论和数据相互矛盾
观点，结论清晰，切结论一定基于报告中已呈现的数据，有理有据，避免主观臆测
呈现方式文不如表，表不如图，文字和配色尽量简洁
报告思路：金字塔思维(参见金字塔原理一书)
总结：总结分享及归档
收藏
收藏
0 条评论
下一页
