《誰說菜鳥不會數據分析》讀書筆記——第5章工欲善其事必先利其器或舞,數據分析

思考:

數據分析方法的三大作用?

主要是現狀分析蒙幻,原因分析嚷那,預測分析

基于分析的目的對應的數據分析方法


數據分析作用與對應的分析方法

基于上圖顯示的分析方法,進行一次介紹說明

一杆煞、現狀分析


1.? 對比分析

定義:對比分析魏宽,顧名思義,是指將兩個或者兩個以上的數據進行比較决乎,分析差異性队询,從而揭曉事物的性質、變化构诚、發(fā)展蚌斩、與其他事物的異同等個性特征,從而更深刻的認識事物的本質和規(guī)律

指標和維度:

1. 指標范嘱,也可稱之為度量送膳,是用來衡量事物發(fā)展程度的單位或方法员魏,需要通過計數,加和叠聋,平均等匯總計算方式得到撕阎,同時匯總計算需要在一定前提條件下進行,這個一定前提條件是統計口徑與范圍碌补,比如時間虏束、地點、范圍厦章。

分析一個事物的發(fā)展可以從數量 Quantity 和質量 Quality 這兩個方面進行對比分析镇匀,簡稱QQ模型,為對比分析提供思路袜啃。

QQ模型

質量可以分為廣度和深度

廣度:群體覆蓋的范圍

深度:群體參與的深度

應用

分析業(yè)務汗侵,先分析業(yè)務是否達到一定的規(guī)模。如果業(yè)務的規(guī)模足夠大群发,可以再分析質量高不高晰韵。收入與利潤率,用戶數和留存率等組合分析都是QQ模型的經典應用也物。

2. 維度

指標用于衡量事物的發(fā)展程度宫屠,那這個程度是好是壞列疗,需要通過不同維度進行對比滑蚯,才能判斷出是好是壞。單獨的數據呈現結果并不能說明問題抵栈。維度是事物或現象的某種特征告材,即分析角度,熟悉的??有:產品類型古劲、用戶類型斥赋、地區(qū)、時間等产艾。

a. 同級別對比疤剑,橫比。了解自身某一方面或其他各方面的發(fā)展水平在公司闷堡、集團內部或各地區(qū)處于什么樣的位置隘膘,哪些指標是領先的,哪些是落后的杠览,進而找到方向和目標弯菊。看自己踱阿,看同行管钳,看市場——看差異

b. 不同時期對比钦铁,縱比。時間是一種常用的才漆,特殊的維度牛曹,之前提到的同比和環(huán)比在這里就應用到了——看變化

比較之前,都有了解選取的對比對象是否有對比意義

c. 與目標對比——看差距

強調:只有通過食物發(fā)展的數量栽烂、質量兩大方面的指標躏仇,從橫比、縱比角度進行全方位的對比腺办,才能夠全面了解事物發(fā)展的情況與規(guī)律

2.? 分組分析法

分組分析法焰手,是根據分組字段,將分析對象劃分成不同的部分怀喉,以對比分析各組之間的差異的一種分析方法书妻。

定性分組 & 定量分組

定性分組:按實物的固有屬性劃分,如性別躬拢、學歷躲履,地區(qū)等屬性,定性分組一般看結構聊闯,即結構分析

定量分組:數值分組工猜,根據分析目的將數值型數據進行等距或非等距分組,定量分組一般看分布菱蔬,即分布分析

3.? 結構分析法

定義:結構分析法篷帅,實在分組的基礎上,計算各組成部分所占的比重拴泌,進而分析總體的內部構成特征

常見應用:市場占有率魏身,用戶性別結構,用戶的地區(qū)結構蚪腐,公司的產品結構等

結構相對指標(比例)=(總體某部分的數值/總體總量)*100

4.? 分布分析法

定義:分布分析法箭昵,是根據分析目的,將數值型數據進行等距或不等距分組回季,研究各組分布規(guī)律的一種分析方法

常見應用:用戶消費分布家制,用戶收入分布,用戶年齡分布等

5.? 交叉分析法

定義:交叉分析法通常用于分析兩個或兩個以上分組變量之間的關系泡一,以交叉表的方式進行變量關系的對比分析颤殴。交叉分析的原理,就是從數據的不同維度瘾杭,綜合進行分組細分诅病,以進一步了解數據的結夠、分布特征。建議分析維度不超過 2個贤笆,越多越抓不到重點蝇棉。交叉分析更像是一種展示數據的技巧。

6.? RFM分析法

RFM指標含義

使用此分析方法需要滿足以下 3點假設:

1. 假設最近有過交易行為的客戶芥永,在此發(fā)生交易的可能性要高于最近沒有交易行為的客戶

2. 假設交易頻率較高的客戶比交易頻率低的客戶篡殷,更有可能在此發(fā)生交易行為

3. 假設過去所有交易金額較多的客戶,比交易總金額較少的客戶埋涧,更有消費積極性

實現方式有兩種

方法一

使用Excel相關函數將R板辽、F、M三個值根據相應的標準劃分為高棘催、低兩類劲弦,再使用交叉表分析將R、F醇坝、M分類結果交叉組合為八個客戶群體

RFM客戶細分模型

方法二

計算RFM分值邑跪,文本轉數值型數據,有點像編碼

step1:

R_S 定義為距離當前日期越近呼猪,得分越高画畅,最高分 5分,最低分 1分

F_S 定義為交易頻率越高宋距,得分越高轴踱,最高分 5分,最低分 1分

M_S 定義為交易金額越高谚赎,得分越高淫僻,最高分 5分,最低分 1分

step2:

RFM=100*R_S+10*F_S+1*M_S

step3:

根據細分模型沸版,將用戶劃分八種不同類型

系數設定是為了使得使得RFM值的順序和RFM客戶細分模型的分類順序保持一致

7.? 矩陣關聯分析法

定義:將事物的兩個重要屬性(指標)作為分析的依據嘁傀,進行關聯分析兴蒸,找出解決問題的一種分析方法视粮,也成為矩陣關聯分析,簡稱矩陣分析法橙凳。

矩陣圖的關鍵在于找到兩個度量(相關)以及劃分象限的方法蕾殴。矩陣關聯分析法非常直觀清晰,用法簡便岛啸,在營銷管理活動中應用廣泛钓觉,對銷售管理起到指導、促進坚踩、提高的作用荡灾,而且在戰(zhàn)略定位、市場定位、用戶細分批幌、滿意度研究方面都有較多的應用础锐。圖形表示可以通過散點圖展示,進階圖形為氣泡圖荧缘,新增加一個屬性皆警,數據圖下章詳細學習。

(聯想一下事件的優(yōu)先級截粗,緊急優(yōu)先級高信姓,緊急優(yōu)先級低,不緊急優(yōu)先級高绸罗,不緊急優(yōu)先級低)

8.? 綜合評價分析法

定義:通過對實踐活動的總結意推,逐步形成了一系列運用多個指標對多個參評單位進行評價的方法,稱為多變量綜合評價分析方法珊蟀,他的基本思想在于將多指標轉化為一個能夠反映綜合情況的指標來進行分析評價左痢。

綜合評價分析方法主要有 5步:

step1:確定綜合評價指標體系,即包含哪些指標系洛,是綜合評價的基礎和依據

step2:收集數據俊性,并對不同劑量單位的指標數據進行標準化處理

step3:確定指標體系中各指標的權重以保證評價的科學性

step4:對經處理后的指標在進行匯總,計算出綜合評價指數或綜合評價分值

step5:根據評價指數或分值對參評單位進行排序描扯,并由此得出結論

二定页、原因分析


9.? 結構分解法

經典好用的邏輯樹——用來做對比分析,它將問題按項目組成結構進行分層羅列绽诚,層層深入典徊,分析項目構成的變化,直至找到問題所在恩够。是因素分解法的特例

10.? 因素分解法

定義:因素分解法把綜合性指標分解為各個原始因素卒落,主要用于有明確分析梳理關聯關系的各因素直接的變動對綜合指標變動量的影響程度,從而確定指標變化的原因蜂桶。

因素分析法的具體操作步驟:

a. 確定指標因素有哪些

b. 確定各因素與指標的關系儡毕,如加、減扑媚、乘腰湾、除或函數等

c. 測定、分析因素對指標變動的影響方向和程度

11.? 漏斗圖分析法

漏斗圖是一個適合業(yè)務流程比較規(guī)范疆股、周期比較長费坊、各流程環(huán)節(jié)涉及復雜業(yè)務過程比較多的管理分析工具。用戶使用行為分析就可以通過漏斗圖進行分析旬痹。單一的漏斗圖無法評價網站某個關鍵流程中個步驟轉化率的高低附井,但是可以通過對比方法讨越,對同一環(huán)節(jié)優(yōu)化前后效果進行對比分析,或對統一環(huán)節(jié)不同細分用戶群轉化率做比較永毅,或對同行業(yè)類似產品的轉化率進行對比谎痢。對比真是有效的方式。此外卷雕,通過對不同業(yè)務的漏斗圖進行對比节猿,可以找出何種業(yè)務在網站中更受用戶的歡迎或更吸引用戶。

三漫雕、預測分析


12.? ?趨勢分析方法

預測分析常用的方法可以分為定性預測與定量預測兩大類滨嘱。


預測分析常用方法分類

進行預測,重點不在于使用多么高級的預測分析方法浸间,而是在于是否服務業(yè)務的實際發(fā)展情況

除此之外太雨,還有很多高級數據分析方法,不斷熏耳魁蒜,培養(yǎng)自己的業(yè)務嗅覺

高級數據分析方法索引表

總結

????????介紹了很多基礎的數據分析方法囊扳,大多數都是用于原因和現狀分析,可以通過網上搜索一些數據分析的案例兜看,加深印象锥咸,溫故知新。

?著作權歸作者所有,轉載或內容合作請聯系作者
  • 序言:七十年代末细移,一起剝皮案震驚了整個濱河市搏予,隨后出現的幾起案子,更是在濱河造成了極大的恐慌弧轧,老刑警劉巖雪侥,帶你破解...
    沈念sama閱讀 217,734評論 6 505
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現場離奇詭異精绎,居然都是意外死亡速缨,警方通過查閱死者的電腦和手機,發(fā)現死者居然都...
    沈念sama閱讀 92,931評論 3 394
  • 文/潘曉璐 我一進店門代乃,熙熙樓的掌柜王于貴愁眉苦臉地迎上來旬牲,“玉大人,你說我怎么就攤上這事襟己∫眨” “怎么了牍陌?”我有些...
    開封第一講書人閱讀 164,133評論 0 354
  • 文/不壞的土叔 我叫張陵擎浴,是天一觀的道長。 經常有香客問我毒涧,道長贮预,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,532評論 1 293
  • 正文 為了忘掉前任,我火速辦了婚禮仿吞,結果婚禮上滑频,老公的妹妹穿的比我還像新娘。我一直安慰自己唤冈,他們只是感情好峡迷,可當我...
    茶點故事閱讀 67,585評論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著你虹,像睡著了一般绘搞。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上傅物,一...
    開封第一講書人閱讀 51,462評論 1 302
  • 那天夯辖,我揣著相機與錄音,去河邊找鬼董饰。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的蹦魔。 我是一名探鬼主播撞叽,決...
    沈念sama閱讀 40,262評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼也祠!你這毒婦竟也來了谴供?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 39,153評論 0 276
  • 序言:老撾萬榮一對情侶失蹤齿坷,失蹤者是張志新(化名)和其女友劉穎桂肌,沒想到半個月后,有當地人在樹林里發(fā)現了一具尸體永淌,經...
    沈念sama閱讀 45,587評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡崎场,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 37,792評論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現自己被綠了遂蛀。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片谭跨。...
    茶點故事閱讀 39,919評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖李滴,靈堂內的尸體忽然破棺而出螃宙,到底是詐尸還是另有隱情,我是刑警寧澤所坯,帶...
    沈念sama閱讀 35,635評論 5 345
  • 正文 年R本政府宣布谆扎,位于F島的核電站,受9級特大地震影響芹助,放射性物質發(fā)生泄漏堂湖。R本人自食惡果不足惜闲先,卻給世界環(huán)境...
    茶點故事閱讀 41,237評論 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望无蜂。 院中可真熱鬧伺糠,春花似錦、人聲如沸斥季。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,855評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽酣倾。三九已至渊迁,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間灶挟,已是汗流浹背琉朽。 一陣腳步聲響...
    開封第一講書人閱讀 32,983評論 1 269
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留稚铣,地道東北人箱叁。 一個月前我還...
    沈念sama閱讀 48,048評論 3 370
  • 正文 我出身青樓,卻偏偏與公主長得像惕医,于是被迫代替她去往敵國和親耕漱。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 44,864評論 2 354