数据分析学习笔记（一） 数据分析思维

秦路《七周成为数据分析师》学习笔记，供自己学习查看使用，侵删。

目录

结构化

公式化

业务化

---

chap 1 数据分析思维（一）数据分析的核心思维

数据分析的核心思维：结构化，公式化，业务化。

结构化

结构化的思考来自于麦肯锡，将分析思维结构化。

• 核心论点：寻找金字塔的塔顶，可以是假设、问题、预测、原因
• 结构拆解：自上而下，将其层层拆分成论点，上下之间呈因果或依赖关系。 有时是线性的，但很多时候是可以对没一点逐一拆解的，比如把地区拆解为省，省拆为市。
• MECE：相互独立、完全穷尽。所有分论点互相独立，两个论点之间不要有重合的地方（不可以存在共线性）；所有可能都想到，希望事无巨细。
• 验证：量化才能用数据做分析。

例1   现在有一个线下销售的产品。

我们发现8月的销售额度下降，和去年同比下降了20%。我想先观察时间趋势下的波动，看是突然暴跌，还是逐渐下降。再按照不同地区的数据看一下差异，有没有地区性的因素影响。我也准备问几个销售员，看一下现在的市场环境怎么样，听说有几家竞争对手也缩水了，看一下是不是这个原因。顾客访谈也要做，但是往常一直找不出原因，这次我也不抱希望，姑且试试吧。要是还找不出原因，那我也很绝望啊。

这个思维就是混乱的，各个分论点举的毫无逻辑。下面用金字塔结构进行分析。

• 核心论点：你想解决什么问题？       

        探究销量下降的原因。

• 分论点？  

首先，一个常见的分论点归类方法是将影响因素分为内部与外部。

销量下降是因为地区，那不可能每个城市都下降了，否则我们认为是其他因素影响了销量而非地区。

看一看哪个地区下降了，再考察：是否有竞争对手？单价是否有变化？购买人数是否变化？

分论点为购买人数有变化：是什么新品出现了？有替代？是否存在流失？

层层再次深入。

利用思维导图进行可视化。使用X-MIND构造思维导图：

 结构化不是完美的，有发散的缺点。还需要使用公式化+业务化思维进行补充。

公式化

核心：一切结构均可量化

原则：最小不可分割

例1（续，关于销售额下降的分析）：

销售额=销量*客单价

利润=销售额-成本

销售额是单一维度吗？no.是多个商品/SKU的总和。

        （SKU: Stock Keeping Unit，最小库存量单位）

地区销量由什么组成？   人均销量&购买人数。

将各指标量化，随后修改我们的导图。（部分）

（碎碎念：我觉得不熟悉业务的人员，是很难将指标量化的，容易想不到从什么维度拆解。这种东西应该还是要在生活中多积累，没有啥好的方法。）

例2：

如何获取用户？

业务化

例3  如何预估上海地区的共享单车投放量？

单从结构化和公式化的角度：

从城市流动人口计算：市区有两千万人，通勤人数在六七百万之间，再设置一个转化率

从人口密度计算：分为市区和郊区，再进一步分，如市区可以分为居住区、商业区等等

从城市交通数据计算：地铁客流量、小交通枢纽、人多的景点

保有自行车计算：获取保有自行车数量的数据，乘一个转化率

结构化和公式化的缺点1：分论点往往是孤立的，不能点连成面。

如这个题目，有些缺失点就没有考虑到，如共享单车的损耗。分析师会漏掉，但是真正的从业人员不会忘记。要从核心思想和需求出发，则需要业务思维。

······ 考虑分析是否贴合了业务：

• 是否从业务方思考了？
• 真的分析出了原因吗?
• 能不能将分析结果落地？

例4  一家销售公司业绩没有起色，对它进行了分析。

        1.销售人员的效率降低，因为士气低落

        2.产品质量不佳，和同期竞争对手比没有优势

        3.价格平平，顾客并不喜欢

这些结论并不是靠谱的结论，本质上是现象而非原因。士气因为什么低落？顾客因为什么不喜欢？产品质量不佳是为什么？——用结构化思考+公式化拆解，获得的最终分析论点很多时候，是现象。数据是某个结果的体现，但不代表原因。——换位思考：如果我是业务人员？如果我是用户？

结构化和公式化的缺点2：分论点只是现象，不能说明原因。

业务思维要在实际案例中打磨。

将三种重要思维结合起来（结构化+公式化+业务化）

         结构化思维 —— 结构化数据  —— 结构化业务数据

 捋顺思路   ——   量化问题    ——  贴合业务

这是我数据分析学习笔记系列的第一篇。坚持学习下去，加油~