数据分析方法与知识
2021-06-22 11:12:21 1 举报AI智能生成
数据分析不是某个固定的职位，而是人工智能时代的通用能力。你会看到各行各业的招聘中都会要求应聘者具备数据分析能力。所以，具备数据分析能力可以极大地提升你在职场中的竞争力。
作者其他创作
大纲/内容
业务指标
为什么要学习业务指标？
（1）理解数据，懂得从数据中发现业务指标。
（2）使用相关指标去分析数据，使用多个指标去分析一个问题。
如何理解数据？
弄清楚数据里每一列的含义，对数据进行分类，有助于后期的分析
通常将数据分为3类
用户数据（我是谁）
用户数据是指用户的基本情况，包括姓名、性别、邮箱、年龄、家庭住址、教育水平、职业等。
行为数据（我做了什么）
行为数据是记录用户做过什么的数据，行为数据主要包括用户做了哪些行为、发生行为的时间等。
产品数据（卖什么）
一个平台里的东西都可以看作产品，产品数据包括产品名称、产品类别、产品评论、库存等。
常用的指标有哪些？
什么是指标？
用某个统一标准去衡量业务，这个统一标准就是指标
用户数据指标
（1）对于新增用户使用的指标：日新增用户数。
（2）对于活跃用户使用的指标：活跃率。
（3）对于留存用户使用的指标：留存率。
行为数据指标
行为数据相关的指标包括：PV和UV、转发率、转化率、K因子
PV（访问次数，Page View）：一定时间内某个页面的浏览次数，用户每打开一个网页可以看作一个PV
UV（访问人数，Unique Visitor）：一定时间内访问某个页面的人数。
转发率=转发某功能的用户数／看到该功能的用户数
转化率的计算方法与具体业务场景有关
K因子（K-factor）可用来衡量推荐的效果，即一个发起推荐的用户可以带来多少新用户。
产品数据指标
产品数据相关的指标包括：用来衡量业务总量的指标，例如成交总额、成交数量；用来衡量人均情况的指标，例如客单价；用来衡量付费情况的指标，例如付费率、复购率；
总量：用来衡量业务总量的指标有：成交总额、成交数量、访问时长
人均：用来衡量人均情况的指标有人均付费、付费用户人均付费、人均访问时长。
付费相关的指标有付费率、复购率
产品相关的指标是指从产品的角度去衡量哪些产品好，哪些产品不好。通过找出好的产品来进行重点推销，不好的产品去分析原因。
推广付费指标
在付费做广告推广时，涉及考察推广效果的指标。从不同的付费渠道可以分为以下指标：展示位广告、搜索广告、信息流广告
展示位广告出现在网站或手机App的顶部、App的开屏等。
搜索广告：这种类型的广告是按点击次数付费（CPC，Cost Per Click），也就是有多少人点击了该广告。
信息流广告
如何选择指标？
（1）好的数据指标应该是比例。
（2）根据目前的业务重点，找到北极星指标。
指标体系和报表
（1）什么是指标体系？
指标体系是从不同维度梳理业务，把指标有系统地组织起来
指标体系=指标+体系，所以一个指标不能叫指标体系，几个毫无关系的指标也不能叫指标体系。
（2）指标体系有什么用？
· 监控业务情况；
· 通过拆解指标寻找当前业务问题；
· 评估业务可改进的地方，找出下一步工作的方向。
（3）如何建立指标体系？
（1）明确部门KPI，找到一级指标。
一级指标是用来评价公司或部门运营情况最核心的指标
一级指标并非只能是一个指标，有可能需要多个指标来综合评价
（2）了解业务运营情况，找到二级指标。
有了一级指标以后，可以进一步将一级指标拆解为二级指标。具体如何拆解，要看业务是如何运营的
（3）梳理业务流程，找到三级指标。
（4）通过报表监控指标，不断更新指标体系。
（4）建立指标体系有哪些注意事项？
（1）没有一级指标，抓不住重点。
（2）指标之间没有逻辑关系。
（3）拆解的指标没有业务意义。
（4）一个人就完成了指标体系和报表，也不和业务部门沟通。
分析方法
什么是分析方法？
分析方法就好比在盖房子前画的设计图，用来指导如何盖房子，是分析问题的思路
常用的分析方法有哪些？
分支主题
5W2H分析方法
5W是指对于所有的现象都追问5个问题：what（是什么）、when（何时）、where（何地）、why（为什么）、who（是谁）。
2H是指再追问2个问题：how（怎么做）、how much（多少钱）。
逻辑树分析方法
逻辑树分析方法是把复杂问题拆解成若干个简单的子问题，然后像树枝那样逐步展开
逻辑树分析方法在解决业务问题时，经常不是单独存在的，会融合在其他分析方法里，辅助解决问题。
行业分析方法
PEST分析方法是对公司发展宏观环境的分析，所以经常用于行业分析。通常是从政策、经济、社会和技术这四个方面来分析的
多维度拆解分析方法
对于多维度拆解分析方法，要理解两个关键词：维度、拆解
如何使用多维度拆解分析方法？
1）从指标构成来拆解
分析单一指标的构成。例如单一指标为用户，而用户又可以拆解为新用户、老用户
2）从业务流程来拆解，例如按用户购买产品的业务流程来拆解。
按业务流程进行拆解分析，例如不同渠道的用户付费率。
对比分析方法
想要进行对比分析，我们要弄清楚两个问题：和谁比，如何比较。
和谁比
和自己比，和行业比。
如何比较
1）数据整体的大小
某些指标可用来衡量整体数据的大小。常用的是平均值、中位数，或者某个业务指标。
2）数据整体的波动
标准差除以平均值得到的值叫作变异系数。变异系数可用来衡量整体数据的波动情况。
3）趋势变化
趋势变化是从时间维度来看数据随着时间发生的变化。常用的方法是时间折线图，环比和同比。
假设检验分析方法
假设检验分析方法底层思想其实很简单，就是逻辑推理
假设检验分析方法的步骤
分支主题
1）提出假设。根据要解决的问题，提出假设。
2）收集证据。通过收集证据来证明。例如警察通过收集嫌疑犯的犯罪数据，来作为证据。
3）得出结论。这里的结论不是你主观猜想出来的，而是依靠找到的证据得到的结论。
相关分析方法
当我们研究两种或者两种以上的数据之间有什么关系的时候，就要用到相关分析。如果两种数据之间有关系，叫作有相关关系；如果两种数据之间没有关系，叫作没有相关关系。
相关分析的作用
（1）在研究两种或者两种以上数据之间有什么关系，或者某个事情受到其他因素影响的问题时，可以使用相关分析
（2）在解决问题的过程中，相关分析可以帮助我们扩大思路，将视野从一种数据扩大到多种数据
（3）相关分析通俗易懂
群组分析方法
“群组分析方法”（也叫同期群分析方法）是按某个特征，将数据分为不同的组，然后比较各组的数据，说白了就是对数据分组然后来对比。
RFM分析方法
RFM是3个指标的缩写：最近1次消费时间间隔（Recency）、消费频率（Frequency）、消费金额（Monetary），通过这3个指标对用户分类的方法称为RFM分析方法
（1）最近1次消费时间间隔（R）是指用户最近一次消费距离现在多长时间了
对于最近1次消费时间间隔（R），上一次消费离得越近，也就是R的值越小，用户价值越高。
（2）消费频率（F）是指用户一段时间内消费了多少次。
对于消费频率（F），购买频率越高，也就是F的值越大，用户价值越高。
（3）消费金额（M）是指用户一段时间内的消费金额。
对于消费金额（M），消费金额越高，也就是M的值越大，用户价值越高。
AARRR模型分析方法
AARRR模型对应产品运营的5个重要环节
（1）获取用户（Acquisition）：用户如何找到我们？
（2）激活用户（Activation）：用户的首次体验如何？
（3）提高留存（Retention）：用户会回来吗？
（4）增加收入（Revenue）：如何赚到更多钱？
（5）推荐（Referral）：用户会告诉其他人吗？
AARRR模型分析方法的作用
可以帮助分析用户行为，为产品运营制定决策，从而实现用户增长
漏斗分析方法
从业务流程起点开始到最后目标完成的每个环节都会有用户流失，因此需要一种分析方法来衡量业务流程每一步的转化效率，漏斗分析方法就是这样的分析方法。
漏斗分析方法的作用
漏斗分析的作用是“定位问题节点”，即找到出问题的业务环节在哪。
漏斗分析常用于用户转化分析或者用户流失分析，所以漏斗分析中要关注两个指标：用户转化率和用户流失率。
用数据分析解决问题
数据分析解决问题的过程
分支主题
第1步：明确问题。通过观察现象把问题定义清楚
第2步：分析原因。这一步是分析问题发生的原因
第3步：提出建议。找到原因以后，还要针对原因给出建议，或者提出可以实施的解决方案。
如何明确问题？
1）明确数据来源和准确性
针对时间：这是观察哪个时间范围的数据发现问题的？
针对地点：这是哪个地区的数据？
针对数据来源：数据来自哪里？是否核对过数据没有问题？
2）业务指标理解
对于业务指标，可以分析指标含义、和谁比。
如何分析原因？
（1）使用“多维度拆解分析方法”对问题进行拆解，将一个复杂问题细化成各个子问题；
（2）对拆解的每个部分，使用“假设检验分析方法”找到哪里出了问题。分析的过程可以用“对比分析方法”等多个分析方法来辅助完成；
（3）在找到哪里出了问题以后，可以多问自己“为什么出现了这个问题”，然后使用“相关分析方法”进行深入分析。
如何提出建议？
回归分析
AARRR模型分析方法
0 条评论
下一页
