数据分析-思维分析逻辑day02

一、数据分析多元思维模型

背景

瓶颈、职业发展不顺利、掌握好哪些能力

中观能力

真正的专业度，能够很好的发现其他分析师中的问题；需要长期总结和思考，但多数同学没掌握

• 中观能力：专业度、包括技术理解、逻辑性、价值点三个点。反应分析师基本功，套路熟练、思考到位与否一种标准

  • 技术理解：对分析师需要的技术是否理解到位，是停留在理论阶段还是实践阶段
  • 逻辑性：整体思考的逻辑性是否欠缺
  • 价值点：做出来的东西价值在哪，如果你是决策者，你敢不敢立马规划落地。

• 技术理解：

  • 数据处理中，有一个是数据标准化，常见的都是max-min方法、z-score方法，指数对数法，一定要理解这个只是理论上的方法，只有理解到数据标准化的本质目的是去除量纲量级的差异性。
  • 真实案例：对to B公司来说，往往都是除去头部几个很大的客户，剩下的都是中小客户，以max-min方法为例，如果直接用这种方法，会造成除了头部几个数据有数值外，其他基本为0，数据非常稀疏，可用性和理解性很困难。
  • 两个解法：① 对客户进行先分群，再max-min方法进行标准化；② 以90%中位数替代max，消除头部影响。

• 逻辑性：

  • 真实案例：数据分析师研究最近一个月的数据，发现所有与留存相关的因素中，留存和自媒体文章下发的占比存在高度相关，于是建议多下发自媒体文章，结果执行开始几天微涨，后续大跌。
  • 解释：相关性是一种基于向量的伴随关系，不代表直接的因果关系（但确实是因果关系的一种可能性），具体到这个例子，留存的影响因素本身就非常多，不可能是因为某一中两个指标就能很好提升留存的，后来复盘发现，最近刚好有一些重大热点导致留存提升，而这些重大热点文章是以自媒体文章为主，最终造成文章下发占比能提升留存的假象。

• 价值点

  • 数据分析中，有些就是描述性统计，这没办法，能做的就是快速解决这种，不要耽误时间
  • 对于指导性、预测性分析、价值最大，最花时间，但一定要注意到价值点，即使只有1个
  • 有没有价值不是分析师说了算，是业务方说了算，有些点很好但暂时无法落地，就不要管他。

微观能力

有效沟通力+快速发散收敛力，能够从业务的交流中发现问题

• 背景：中观能力相同的情况下，有些分析师总是表现得比其他分析师更加优秀，比如：
  • 很多想法，找到切入点——想象力
  • 最短时间给业务方一个较好的答复——解决问题能力
  • 更好的数据敏感度，能够第一个发现数据问题并给出解法——敏感度
  • 会议上，总是能提出自己的独到观点，让别人觉得他很聪明——快速发现提问
  • 总是能很好的知道业务在干啥，而他的视角又一直高于业务，所有人认可——高维视角
  • 始于经验，终于沉淀，注重点点滴滴，思维高度活跃，总是能找到一些线索
• 微观能力理解
  • 微观能力：包括有效沟通能力和快速发散收敛能力
  • 前提：先知道业务怎么想的，怎么做的，然后从中发现问题或者切入点，解决问题，这样就能高于业务
  • 有效沟通能力：与业务狠心人员沟通，从谈话中捕捉到很多有用的信息。两个技巧：
    • 黄金思维圈法则：在了解业务的情况下，反问业务方为何要做这件事，基本上，业务方都会有一个很具体的回答，往往都能在这里找到切入点。
    • 做一些准备工作再沟通：再业务沟通中，如果没有提前准备一些业务知识和数据，整个过程中就是业务在主导，你还怎么发现问题呢？
  • 快速发散收敛能力：基于沟通中的有效信息，快速提炼总结找到最好的分析切入点。
    • 举例：在制定公司级KPI的时候，业务分析师需要预估下一年年中的MAU和DAU，该问题有很多种解法：时间序列、行业环境、渠道分析都可以作为切入点
    • 最终觉得渠道分析切入点会更加合理：
      MAU=MAU新用户+MAU老用户
      MAU新用户：明年渠道侧每个月能够带来的新增量多少（这个与明年预算高度相关）
      MAU老用户=MAU上月新次月老（基于渠道）+MAU上月老次月老（历史数据）+MAU回流（历史数据）
• 微观能力培养
  • 尽可能多和业务核心人员，特别是业务leader沟通，看他们如何思考业务
  • 多看心理学、社交学、记忆力、科普类、经济学的书籍
  • 刻意练习、慢慢养成习惯

宏观能力

洞见的全局观，能够从社会事件、整个行业发展中找到业务的决策方向（极难，平台和天赋缺一不可）

二、电商数据分析—以京东APP为例

1、如何去看京东APP

用户视角

• 搜素：流量最大的一个入口
• 广告banner：各种活动宣传
• 导航：十宫格、相对比骄稳定
• Feeds流：电商+内容
• 个性化推荐：千人千面

分析师视角

作为一名数据分析师，应该要能更深入，并且有层次的去看这个APP数据，有三个问题需要大家思考：

• 1、引流（场）：首页作为最大的带量位，分发效率怎么评估
• 2、漏斗（货）：北极星指标交易额只是一个数字，更加重要的是理解这个数字转化的过程
• 3、用户（人）：作为一款非常成熟的APP，老用户相对比较稳定，但新用户获取应该怎么优化。

2、首页的分发效率

分发效率评估

• 除了要关注日活、留存、渗透率这些常规指标外，更加重要的是找到一些能够反映产品问题的指标
• CTR：点击UV/曝光UV，反应用户点击欲望的指标，非常重要，只有点击才能产生交易，如果较小，首页问题较大。
• 人均访问（点击）页面数：总访问页面数（pv）/总访问uv，只有多访问页面，才可能产生交易。
• 而围绕这两个指标，按照维度拆解方法，可以发现更多问题，比如CTR突然低了，那么是所有坑位的