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
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~