分析方法4---多维度拆解分析

本文介绍了多维度拆解分析方法,通过案例解释了如何通过拆解数据来避免“辛普森悖论”,并提出了从指标构成和业务流程两个维度进行拆解的策略,以帮助理解数据背后的真实情况并做出更准确的决策。
摘要由CSDN通过智能技术生成

对于多维度拆解分析方法,要理解两个关键词:维度、拆解。

拆解其实就是做加法,A=维度1+维度2+维度3+…,上面的例子中,老妈把优秀拆解成个子高、家庭背景好、长得帅(图2-23)。也就是优秀=个子高(维度1)+家庭背景好(维度2)+长得帅(维度3)。

我们先来看一个案例。2012年中国15~59岁的劳动年龄人口数量为9.37亿人,比上年末减少345万人,下降幅度为0.6个百分点。这是多年增长后劳动年龄人口首次下降。这一人口结构变化趋势意味着在中国人口红利消失,老龄化人口越来越多。如果你的亲戚去医院看病,不知选择哪家医院更好,这时候你学到的分析方法能起到非常关键的作用。假设在每个医院最近收治的1000例患者中,A医院有900例患者存活。然而,B医院只有800例患者存活(图2-24)。这样看起来,A医院的存活率更高,应该选择A医院。你的选择真的是正确的吗?现在我们使用多维度拆解分析方法来看下。光看患者整体时,我们可能注意不到“数据构成要素的差异”。现在根据患者的健康状况,我们将每家医院入院的总人数拆解为两组,一组是轻症患者,一组是重症患者(图2-25)。然后我们再来计算患者存活率,会有什么发现呢?我们来比较A医院和B医院的重症患者组。A医院有100例患者入院时是重症患

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值