![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
CDA数据分析师
谷晓光
这个作者很懒,什么都没留下…
展开
-
(CDA数据分析师笔记)第六章 业务分析方法十五
柱形图是分类数据的图。区别在于,直方图横轴是数轴,按照数轴顺序排列,且要求数据连续,各直方图中间无间隔。箱线图(盒须图)由一个箱子、两条线构成。数据指标由最大值、最小值、上四分位、下四分位、中位数5个。将各类别数据的频数或者频率画成条形,横置的称为条形图,竖置的称为柱形图。类似箱线图的实用图:K线图:由最高价、最低价、开盘价、收盘价构成。中间挖空得到环形图,环形图可以展示多个总体或样本的数据。峰态:数据分布的尖峰扁平程度。散点图:描述变量间的相关关系。偏态:数据分布的偏斜程度。线图:描述量的变化情况。原创 2024-05-25 23:08:40 · 181 阅读 · 0 评论 -
(CDA数据分析师笔记)第六章 业务分析方法十四
四分位差的性质:不受极端值的影响;是一个局部指标,衡量的是处于中间50%的数据的离散程度,四分位差越大说明中间50%的数据越分散。极差的性质:①极差是离散程度最简单的测量方法,但易受极端值的影响。②极差越大,通常说明数据范围越大,数据越分散。根据平均差计算的离散系数也称为平均差系数,根据标准差计算的离散系数称为标准差系数。分类数据的离散程度常用指标:异众比率,一组数据中,非众数的频数占总数据个数的比重。②一组数据中异众比率越大,众数的代表性越大。样本的自由度是指在一组样本数据中,能自由取值的数据的个数。原创 2024-05-22 23:10:19 · 392 阅读 · 0 评论 -
(CDA数据分析师笔记)第六章 业务分析方法十三
常用指标平均数,又称为均值、期望。分为算术平均数、调和平均数、几何平均数、平方平均数。数据的描述性统计分析常从数据的集中趋势、离散程度、分布形态3反面着手。数据平方的算术平均数的算术平方根,常用符号Q表示。根据是否分组分为简单调和平均数和加权调和平均数。集中趋势描述数据向其中心值靠拢的趋势。分为简单平方平均数和加权平方平均数。数据乘积的个数方根,用符号G表示。简单几何平均数和加权几何平均数。特点:不受极端值影响,不唯一。是数据倒数的算术平均数的倒数。原创 2024-05-21 09:03:27 · 243 阅读 · 0 评论 -
(CDA数据分析师笔记)第六章 业务分析方法九
量化指标K因子:K=每个用户向他的朋友们发出的邀请的数量*接收到邀请的人转化为新用户的转化率。主要观测漏斗的粗细(漏斗容量)、斜率(相邻两个阶段接点切线与垂直线间构成的角度)、体形、流速四个方面。将一个完整的事项分为多个按递进关系构成的不同阶段,用个阶段指标值来描述每个阶段在递进过程中产生流失、损耗等问题的大小程度的业务模型。各个阶段的指标:流量指标、用户的行为指标、用户的留存流失类指标、付费情况指标、转化情况指标。实际工作中可将坐标轴替换为产品的进货增长率、库销比、利润增长率、销售增长率等。原创 2024-05-12 12:52:09 · 369 阅读 · 0 评论 -
(CDA数据分析师笔记)第六章 业务分析方法八
主要应用于电商领域,帮助决策者了解用户的留存、流失情况,以便针对不同特征用户开展不同运营策略。R最近一次消费,F消费频次,M消费金额。单位时间内用户贡献的价值为核心业务目标。将消费金额拆解成购买频次和客单价两个不同度量轴。注意:低价值用户的消费可以维持正常的营运成本,但是没办法从这类人群上赚取更多利润。在零售企业中用的多。用消费金额和消费次数指标体现用户的忠诚度的高低。衡量客户价值和客户创利能力。原创 2024-05-10 07:31:43 · 395 阅读 · 0 评论 -
(CDA数据分析师笔记)第六章 业务分析方法七
3 将业务对象的属性、行为结果等进行数值量化处理,按照量化处理的结果将业务对象映射到坐标系的不同区间进行分类。完整的指标体系可以描述业务框架的整体架构情况、业务流程的完整脉络线索即业务结果的具体产生原因。分类模型的主要作用是帮助决策者快速理解不同业务对象的业务特征,制定不同的业务行为策略。搭建树状指标体系的前提条件是指标体系背后的逻辑关系具备树状层级拓展的条件。将不同的业务对象分别映射到坐标系的不同区间上进行量化分类的模型。3 根据指标所量化的业务行为间的层级关系搭建树状指标体系。原创 2024-05-10 07:28:33 · 203 阅读 · 0 评论 -
(CDA数据分析师学习笔记)第五章多维数据透视分析一
是第一步对源数据进行抽取,源数据主要来源于业务系统、文件数据、第三方数据。T是第二步,对数据进行适当处理,目的是为了下一步的加载。主要是筛选(有价值数据)、清理(异常数据)、转换(如时间、数字、小数等)、缺失值填充、默认值设定、枚举值映射、数据拆分、合并、排序、计算等。T是第三步,将经过适当处理的数据加载到数据仓库中,分为全量加载、增量加载,这是是一个周期性的、不断完善的工作。全称 Extract-Transform-Load。原创 2024-04-10 23:06:32 · 314 阅读 · 0 评论