1 数据分析的动力及目标
人类拥有丰富的数据,却缺乏有用的信息。我们需要某些方法或技术从数据中挖掘信息,提取知识,拥有智慧。
具体在企业场景中,我们希望基于数据反馈不断迭代、优化产品和业务策略,更好的支持管理决策。同时,基于数据训练算法,让机器自动化地完成工作,提升效率。此外,预测未来。在金融市场中,通过对历史数据的分析,构建ARCH、ARMA等模型可以预测股票价格、汇率等的变化趋势,从而为投资者提供有价值的参考信息,进行风险管理。
2数据分析的过程
数据分析过程是一个系统而复杂的过程,旨在通过收集、整理、处理和解释数据来发现其中的模式、趋势和关联性,从而为决策和问题解决提供支持。以下是数据分析过程的主要步骤,以及每个步骤的详细说明
-
1 明确分析目的与框架
- 需要明确分析项目的数据对象、商业目的以及要解决的业务问题。
- 基于商业理解,整理分析框架和分析思路,例如减少新客户的流失、优化活动效果、提高客户响应率等。
-
2数据收集与储存
1.采集数据:解析系统日志、埋点获取新数据、通过传感器采集(天气)、爬虫(解析网站)、API (API 平台文档、用API 获取数据)、问卷。
- 2.储存:各类类型的数据库-hive、mysql、presto、impala等。
-
3 数据分析
- 使用分析手段、方法和技巧对准备好的数据进行探索、分析。
- 目的是发现因果关系、内部联系和业务规律,为商业目的提供决策参考。
- 需要熟悉常规数据分析方法,如方差分析、回归分析、因子分析、判别分析、聚类、分类、时间序列等。
-
4 数据展现
- 将分析结果以图表、图形或其他可视化方式展现出来,以便更好地理解数据的分布和趋势。(报表、仪表盘等)
-
5撰写报告
将数据分析的结果进行解释,阐述其中的意义和结论;根据数据分析的结果,提出相应的建议和决策支持;监控决策和建议的实施效果,以便进行后续的调整和改进。
3 常见业务拆解方法
3.1原则mece
MECE分析法是麦肯锡的第一个女咨询顾问巴巴拉·明托(Barbara Minto)在《金字塔原理》中提出的一个很重要的原则,也是麦肯锡思维过程的一条基本准则。 MECE把一个工作项目分解为若干个更细的工作任务的方法。 它主要有两条原则: 完整性 (无遗漏):指分解工作的过程中不要漏掉某项,要保证完整性; 独立性 (无重复):强调每项工作之间要独立,每项工作之间不要有交叉重叠。
3.2 方法
(1)流程拆解法(看到广告-->点进商品-->点击购买-->完成支付-->订单量下降。
(2)二分法
(3)杜邦分析法
(4)AARRR
- AARRR分别代表了五个单词,又分别对应了产品生命周期中的五个阶段:
- Acquisition[获取]∶用户从不同渠道来到你的产品
- Activation [激活]:用户在你的产品.上完成了一个核心任务(并有良好体验)
- Retention[存留]:用户回来继续不断的使用你的产品
- Revenue [收益]:用户在你的产品.上发生了可使你收益的行为
- Referral [推荐]∶用户通过你的产品,推荐引导他人来使用你的产品
(5)rfm
(6)象限拆解法、pest、swot
(7)5w1h(原因(何因Why)、对象(何事What)、地点(何地Where)、时间(何时When)、人员(何人Who)、方法(何法How))