数据分析师使用统计数据的7种方式

数据分析
1.设计和解释实验以指导产品决策
　　观察：广告变体A的点击率比变体B高5％。
　　数据分析师可以帮助确定这种差异是否足够显着，以致需要引起更多的关注，关注和投资。
　　它们可以帮助我们了解实验结果，这在我们测量多个指标，运行相互影响的实验或结果中发生某些Simpson悖论时特别有用。
　　假设我们是一家全国性的零售商，并且我们正在尝试测试新的营销活动的效果。数据分析师可以帮助我们确定应分配给实验组的存储，以在实验组和对照组之间取得良好的平衡，应分配给实验组的样本量以获得清晰的结果，以及如何进行研究支出尽可能少的钱。
　　使用的统计数据：实验设计，频率统计（假设检验和置信区间）
2.建立预测信号而非噪声的模型
　　观察：12月的销售额增长了5％。
　　数据分析师可以告诉你可能的原因，为什么销量增长了5％。数据分析师可以帮助我们了解推动销售的因素，下个月的销售情况以及需要注意的潜在趋势。
　　请参阅什么是过度拟合的直观解释，尤其是对于少量样本集？过度拟合实际上是在做什么？高R²，低标准误差的过高承诺如何发生？了解为什么仅适合信号这一点很重要。
　　使用的统计数据：回归，分类，时间序列分析，因果分析
3.将大数据变成大局
　　观察：一些顾客只购买健康食品，而另一些顾客仅在有销售时才购买。
　　任何人都可以观察到该企业有100,000个客户在我们的杂货店购买10,000个项目。
　　数据分析师可以帮助我们标记每个客户，将他们与相似的客户分组，并了解他们的购买习惯。这样一来，我们便可以查看业务发展如何影响特定人群，而不必整体看待每个人或单独看待每个人。
　　邓恩比（Dunhumby）将杂货店购物者分为以下几个组：“预算购物者”，“最精打细算”，“以家庭为中心”，“观看腰围”和“挥霍与保存” [1]
　　使用的统计信息：聚类，降维，潜在变量分析
4.了解用户的参与度，保留率，转化率和潜在客户

　　观察：很多人都在注册我们的网站，而且再也没有回来。
　　为什么我们的客户从我们的网站上购买商品？我们如何保持客户回头客？为什么用户会退出我们的渠道？他们什么时候出来？我们公司最喜欢哪种电子邮件来吸引用户？参与，活动或成功的一些主要指标是什么？有哪些好的销售线索？
　　使用的统计数据：回归，因果分析，潜在变量分析，调查设计
5.给用户他们想要的东西
　　给定用户（客户，客户，用户）及其与公司项目（广告，商品，电影）之间的互动（点击，购买，评级）的矩阵，我们能否建议用户接下来要购买哪些项目？
　　使用的统计信息：预测建模，潜在变量分析，降维，协作过滤，聚类
6.智能估算
　　观察：我们有一面横幅，其印象数为100，点击次数为0。
　　0％可以很好地估算点击率吗？
　　数据分析师可以结合数据，全局数据和先验知识来获得理想的估计值，告诉我们该估计值的属性，并总结该估计值的含义。
　　如果我们对估算点击率的更好方法感兴趣，请查看Web数据中的贝叶斯方法比常客方法有什么优势？
　　使用的统计数据：贝叶斯数据分析
7.用数据讲故事
　　数据分析师在公司中的角色是充当数据与公司之间的使者。沟通是关键，并且数据分析师必须能够以公司可以使用的方式解释他们的见解，而又不牺牲数据的保真度。
　　数据分析师不仅简单地总结了数字，还解释了数字为何如此重要以及从中可以得到哪些可行的见解。
　　数据分析师是公司的讲故事者，负责传达数据的含义及其对公司的重要性。
　　前六点的成功可以衡量和量化，但是最后一点不能，可以说这一点是最重要的。
　　以上就是数据分析师对于统计数据的使用方式，感兴趣的小伙伴可以在下面留言评论哦~