数据分析基础(一定的数据思维、统计基础和sql能力)-能够做最基本的数据分析(使用各种分析工具、应用数据模型、制作可视化报表等。)-能做简单的分析工作,业务分析经验(熟悉各种业务逻辑和指标体系)-能做复杂的业务拆解
。判断一个人的数据分析水平,不是看他学了多少工具,核心差距在于他思考问题的思维能力,这是数据分析的精髓,也是最容易被忽略的。
常见的思维有很多种。这里有几个例子:
(1)细分思维:
比如某次考试,小明的排名很靠后。如果他的父母不懂细分,就会很不负责任的骂小明,也找不到小明成绩差的真正原因。
而他们如果懂细分分析应该怎么做?我们要把排名的维度变成科目,然后分析每个科目的成绩。也许我们会发现小明只有一科没考好,然后针对这个短板采取相应的策略。这就是细分分析的思路。
(2)趋势思维
你可以简单地把趋势分析定义为一种比较分析。一般来说,按照时间维度,对某一数据或不同数据的走势进行差异化研究,预测数据下一步的变化。
一般来说,趋势分析适合长期跟踪产品的核心指标,比如点击率,GMV,活跃用户数.做一个简单的数据趋势图不是趋势分析,更多的是关于明确数据的变化和变化原因进行分析.
(3)目标思维
接到业务需求后,我们需要思考这个需求真正的核心目的。
如果你知道了业务目标,那么你就可以把这样一个接入需求变成一个分析需求,最后的交付形式就会变成一个PPT,这样你就可以避免成为接入机器。
(4)结构化思维
面对这样的问题,结构化思维方法做的第一件事不是马上开始清理数据。而是根据对业务的理解,先画出数据分析的思维导图。它的作用相当于当你来到一个陌生的城市,拿出百度地图,查询乘坐交通工具到达所住酒店的路线图。
其实结构化思维就是麦肯锡提出的著名的“金字塔思维”。下图是典型的结构化思维:
(5)演绎思维、归纳思维
显然,归纳是基于个体属性,寻找因素间的共性,总结出一个总的特征;而演绎则是从一般的整体出发,寻求事物之间的逻辑,从而获得个体的特征。
(1)描述型统计
描述是我们数据分析的主要依据。比如销售人员说我们今年的销售很好,比去年好很多。这不叫描述性统计,因为“比去年好”不是量化数据。
描述统计学中大概有三种分类:集中趋势、离散趋势和分布。集中趋势包括均值、中位数、众数和分位数,离散趋势包括极差、平均差、方差、标准差和分位数,分布主要包括峰值分布和偏度分布。
(2)推理型统计
也被称为推断统计学,他的目的是研究如何利用样本数据来推断整体数据。他不同于描述统计学,描述统计学是用总体数据来描述总体特征,推断统计学是用部分数据来推断总体特征。我们常说的假设检验,抽样与过抽样,回归预测模型,贝叶斯模型,都是推断统计学。
二项分布:如果抛硬币n次,面朝上不同次数对应的概率;
几何分布:如果你抛硬币n次,第一次成功的概率直到第k次都服从分布。
泊松分布:在一定时间范围内发生的概率是相同的。给定平均发生次数,该事件范围内K次发生的概率服从泊松分布。
trong>(3)假设检验
假设检验就是通过抽取样本数据,通过小概率反证法去验证整体假设
(4)回归
回归分析的任务就是,通过研究X和Y的相关关系,尝试去解释Y的形成机制,进而达到通过X去预测Y的目的。
(5)聚类
聚类是根据数据本身的特性研究分类方法,并遵循这个分类方法对数据进行合理的分类,最终将相似数据分位一组,也就是"同类相同、异类相异”
帕累托分析依据的原理是20/80定律,80%的效益常常来自于20%的投入,而其他80%的投入却只产生了20%的效益,这说明,同样的投入在不同的地方会产生不同的效益。
(2)波士顿模型
这个模型虽然是市场模型,但是其背后的逻辑却是数据分析,也就是矩阵模型。矩阵模型是双维度模型,你可以从两个维度出发对不同的指标进行定位,比如波士顿矩阵,即从两个维度对产品或者业务进行定位,也就是产品本身和销售的维度
(3)购物篮分析
购物篮模型的本质是关联,关联大家应该都很好理解,就是反映某个事物与其他事物之间相互依存关系的,在商品关联分析的定义是,通过对顾客的购买记录数据库进行某种规则的挖掘,最终发现顾客群体的购买习惯的内在共性
(4)用户流失模型
主要应用在两个方面:流失用户召回、现有活跃用户防流失,最常见的就是AARRR模型、漏斗模型等等。
(5)用户价值模型
业务分析,很多情况下都是要在资源有限情况下,去最大化的撬动效益,如何挖掘能创造最大价值的客户就是用户价值模型的工作。最常见的就是RFM模型、CLV模型、顾客社交价值模型。
(6)5W2H模型
所谓的5w2h其实就是针对5个W以及2个H提出的7个关键词进行数据指标的选取,根据选取的数据进行分析
(7)SWOT模型
分析法也叫态势分析法,S是优势、W是劣势,O是机会、T是威胁或风险。
对收入、销量等与企业经营活动相关分析,监控企业的运行情况,是为了发现企业运营中的问题,关注点是销量/销售额总体的时序变化、地区分布、变化原因
(2)用户数据分析
对购买额、购买频次、购买偏好等相关分析,目标是深入理解客户,关注点是用户画像分层、RFM模型衡量用户价值分层
(3)销售数据分析
定义是指销售收入、销售额、单价等与销售情况直接相关的分析,目标是完成销售任务,监控销售销量低的原因,提出解决方法,关注点是时序进度、落后原因、销售单产情况
(4)营销/市场分析
对企业营销/市场活动的投放、反馈、效果相关分析,目标是了解活动结果、优化活动计划、提升活动效率关注点主要集中在ROI相关指标