500w彩票app下载|首页

数据分析

写到数据分析小白::一般数据思维 写给小白看

发布时间:2020-09-11 浏览:178

写给数据分析小白:一种通用的数据思维

写给数据分析小白:一种通用的数据思维

写给数据分析小白:一种通用的数据思维

写给数据分析小白:一种通用的数据思维

1.细分

写给数据分析小白:一种通用的数据思维

写给数据分析小白:一种通用的数据思维

在细分方式中,主要有以下三种方式

写给数据分析小白:一种通用的数据思维

横切:按一定维度对指标进行切片交织:以时间变化为轴,细分指标的上下游内切:按模型划分

写给数据分析小白:一种通用的数据思维

写给数据分析小白:一种通用的数据思维

横切

横切

写给数据分析小白:一种通用的数据思维

横切,对维度和指标进行分类交织。当某一类指标出现问题时,我们知道应该从哪个维度进行分析。在进行横切分析时,经常需要将多个维度相互交织在一起。

纵向切割

如果有目的和路径,则使用漏斗分析。如果存在无目标路径,则使用轨迹分析。如果没有目标和路径,则使用日志分析。

内部切割

,主要基于市场上现有的常用分析模型,采用RFM、队列和细分等方法进行分析。RFM,即最近购买的时间、频率和金额三个指标来判断用户忠诚度和粘性。

比较

比较主要分为以下几类:

横切比较:证据细分中横切维度的比较,如都市、类别切线比较:与细分中垂直切线保持的比较,如不同阶段的漏斗转换率;目的比较:目的治理中的共性,如完成率等;时间比较:环比、周比、同比比较。7日均线比对、7日极值比对

3、溯源

经过反复细分比对,基本可以确认问题。此时要与业务方确认是否存在某些业务行为导致的数据异常,包括新版上线,或者体育战略优化等。

如果还没有头绪,只能从最细的粒度做起,比如用户日志分析、用户访谈、外部熟人,比如外部动向、政策变化、经济状况等。

4、衍生模型

在“细分比较”的基础上,可以衍生出很多模型。这些模型的意义是帮助您快速判断一件事的关键要素。这里有几个可供参考:

为什么-怎么-什么5W1H5Why4P模型(产品、价格、渠道、宣传)SWOT模型(优势、劣势、机会、威胁)PEST模型(政治、经济、社会、技术)波士顿矩阵

4.如何:数据分析如何落地

以上都是偏向于“技术”部门的“技能”。以下是上述内容的总结。与实际活动强强联合,组成“科技”系。

写给小白看的mac入门指南

1、数据分析过程和场景

凭据不同的过程和场景,会有一些不同的注意事项和“技巧”的结合

2、数据分析中的常见谬误

控制变量谬误:做A_amp B测试时变量没有控制好,导致测试结果不能反映实验结果。或者在比较数据时,这两个指标不具有可比性。

样本谬误:在抽样分析中,抽样样本的随机性和代表性不够。比如,互联网圈的人会发现,身边的人几乎不用今日头条。为什么这款应用仍然有这么多的浏览量?

定义的谬误:当看某些声明或公开数据时,经常会有人把眼睛和鱼眼混为一谈。“网站会议数破亿”,是指用户数还是页数?

比率谬误:可以单独挑出的比率或比例指标的谬误。其一,每次你谈到这类指标时,你都需要知道分子和分母是什么。

因果谬误:会将相关性误认为因果关系,忽略中介变量。例如,有人发现冰激凌销量与溺水儿童的数量有显着相关性,于是下令减少冰激凌销量。事实上,这可能只是因为两者都发生在炎热的夏天。

辛普森悖论:简单地说,当两个不同的分组数据加在一起时,在分组比率中占主导地位的一方在总体评价中就会失势。

总结

数据准确性是第一位的,从业务方的角度思考问题:担心他们担心什么,给他们想要的,定义“变化”和“稳定”,细分、比较、追根溯源。