数据分析
文章平均质量分 67
米勒111
数据分析学习ing
展开
-
tableau-小栗子-让你的图表背景变透明
具体步骤如下:1创建图表打开 Tableau,添加数据源表,选择超市-订单的数据源表。然后,将销售额拖至列、将类别拖至行,再将类别拖至颜色,生成如下的条形图表。2插入背景图片点击新增仪表板按钮,创建一个新的仪表板。接着,双击仪表板左下方的“图像”,添加自备的背景图片 (注意图片的大小要与仪表板大小相符)。然后,点击仪表板左下方的“平铺”,切换至浮动,将工作表拉进仪表板,调整大小使其铺满整个页面。3设置阴影格式转载 2022-05-26 17:19:17 · 2231 阅读 · 0 评论 -
tableau-小栗子-查看固定或自定义时间段的数据
举个栗子!Tableau 技巧(184):查看固定或自定义时间段的数据在实际业务分析时,常常会遇到查看某时间段数据的需求。例如可能需要查询近一周、近一月、近一年、近三年等固定周期的基金情况,或者查询从促销活动开始到结束期间的销售情况。陆续有很多数据粉咨询,如何在 Tableau 中查看固定或者自定义时间段的数据?今天的栗子,我们来分享方法,一睹为快吧!本期《举个栗子》,我们要给大家分享的 Tableau 技巧是:查看固定或自定义时间段的数据。为方便学习,栗子使用 Tableau转载 2022-05-25 14:10:50 · 1050 阅读 · 0 评论 -
tableau-小栗子-如何定制个性调色板
举个栗子!Tableau技巧(8):如何定制个性调色板在日常工作中,人们做数据分析可视化时,对色彩的选择是非常有趣的体验:同样一个图表,换一种颜色之后,看上去似乎就变得不同了。其实,Tableau 颜色搭配功能非常强大,可供选择的颜色也是多种多样的。可是,有些用户会有自己的一套配色方案,或者是要增加一些 Tableau 调色板上没有的颜色。有办法解决吗?本期《举个栗子》,阿达要给大家分享的Tableau技巧是:如何定制个性调色板。打开“我的..转载 2022-05-24 15:51:00 · 253 阅读 · 0 评论 -
tableau-咖啡行业销售数据看板
Step 1,设计思路Step 2,准备所需数据Step 3,连接到Tableau DesktopStep 4,思路可视化Sheet1:当日销售额及环比(数据看板)Sheet2:当日订单量及环比(数据看板)Sheet3:近一个月销售额趋势(折线图Sheet4: 门店年度业绩目标达成率(标靶图)Sheet5: 各类别产品畅销榜(条形图)Sheet6: 客户性别分布(饼图) Sheet7: 客户职业分布(环形图) Sheet8: 客户国籍分布(地图) Step 5原创 2022-05-23 13:29:27 · 502 阅读 · 1 评论 -
tableau-市场渠道质量评估
假如要定期追踪市场渠道拉新用户的质量,你可以怎么做?Step 1,设计思路分渠道拉新用户量;分渠道拉新用户留存率;分渠道拉新用户成本;分渠道拉新用户LTV;分渠道拉新用户ROI渠道综合评估分级这是我的思路,你的呢?Step 2,准备所需数据每日分渠道拉新用户量、3日留存量、总LTV_3;每日分渠道消耗;渠道维度表Step 3,连接到Tableau Desktop数据源导入;数据合并:三份数据以渠道ID为键值合并Step 4,思路可视化Sheet1:监测最近3天每日原创 2022-04-15 15:21:55 · 225 阅读 · 0 评论 -
tableau-618期间销售情况的仪表盘
Step 1,设计思路每日销售情况,当日目标完成情况,同比去年增长情况,分品类构成,分单品销量排行这是我的思路Step 2,准备所需数据2020年618期间截止昨日每日日销售数据;2020年618期间昨日销售SKU级别销售数据;2019年618期间每日日销售数据;2020年618期间每日日销售目标值Step 3,连接到Tableau Desktop数据源导入;数据合并:2020年销售数据和销售目标数据做数据合并;数据并集:2019年和2020年的数据做数据并集Step 4,思路可视化原创 2022-04-15 15:18:37 · 336 阅读 · 0 评论 -
tableau数据分析
目录1. 简单总结下Tableau分析步骤2. 连接数据,必须且基础2.1 支持导入的数据类型丰富多样2.1.1 Excel导入2.1.2 CSV导入2.1.3 txt导入2.1.4 MySQL数据2.1.5 直接复制数据2.2 数据预处理2.2.1 规整数据2.2.2 数据格式设置2.2.3 字段设置2.3 数据联接2.3.1 联接方式(how)2.3....原创 2022-04-01 13:31:34 · 6043 阅读 · 2 评论 -
基于mysql的电商用户分析
目录1.项目背景1.1分析流程2.使用“人货场”拆解方式建立指标体系3.确认问题4.准备工作4.1数据读取(用户行为数据)4.2数据预处理5.指标体系建设5.1用户指标体系(UV/PV/留存率)+RFM模型分析5.1.1 基础指标5.1.2RFM模型分析1.项目背景本项目基于电商平台用户行为数据,在mysql关系型数据库,探索用户行为规律,寻找高价值用户;分析商品特征,寻找高贡献商品;分析产品功能,优化产品路径1.1分析流程2...原创 2022-03-27 21:42:58 · 2318 阅读 · 0 评论 -
Kettle数据的导入导出—批量Excel表到数据库
案例目的:如果你有一堆收上来,表结构相同的Excel表格,把他们放在了一个文件夹下,向批量导入到数据库中的一个表中。那么下面的操作将非常适用。这里用emp表为例子讲解,先进行一些准备工作。数据库:oracle表格:Excel表准备工作:1.将Scott账户下的emp表格导出成Excel表格。复制几份。命名随意。(注:表格"HIREDATE"字段下年月日格式为yyyy/mm/dd,需要更改一下格式, 不然后面"运行"会报错,比如个位数日期,要补零。例:20...原创 2022-03-19 11:55:11 · 6091 阅读 · 2 评论 -
A/B测试-统计篇
一.A/B测试理论基础指标的统计属性,指的是什么?在实际业务中,我们常用的指标其实就是两类:均值类的指标,比如用户的平均使用时长、平均购买金额、平均购买频率,等等。概率类的指标,比如用户点击的概率(点击率)、转化的概率(转化率)、购买的概率(购买率),等等。很明显,这些指标都是用来表征用户行为的。而用户的行为是非常随机的,这也就意味着这些指标是由一系列随机事件组成的变量,也就是统计学中的随机变量。我们可以用概率分布来表征随机变量取不同值的概率和范围。所以,A/B 测试指标的统计属性...原创 2021-12-02 19:46:06 · 1895 阅读 · 0 评论 -
数据分析基础地图
目录1. 数据分析方法1.1产品研究1.2品牌研究1.3价格研究1.4市场细分1.5满意度研究1.6用户研究1.7预测决策2.数据分析思维2.1目标思维2.1.1正确定义问题2.1.2合理分解问题2.1.3抓住关键问题2.2对比思维2.2.1 跟目标对比2.2.2与上月环比2.2.3与去年同比2.2.4分渠道对比2.2.5与同类对比2.3细分思维2.3.1按时间细分2.3.2按空间细分2.3.3按过程细分2.原创 2021-11-21 19:27:54 · 1617 阅读 · 1 评论 -
谁说菜鸟不会数据分析大框
目录 第 1 章:确定分析思路 数据方法论 常用的数据分析方法论 第 2 章:数据准备 理解数据 数据来源 第 3 章:数据处理 数据清洗 重复数据的处理 缺失数据处理 检查数据逻辑错误(使用if函数) 数据加工 第 4章:数据分析 数据分析作用与对应的分析方法 对比分析法 分组分析法 结构分析法 平均分析法 综合评价分析法 杜邦分析法(采用金字塔结构) 漏斗图分析法 矩阵关联分析法 高级数据分析方法 ..原创 2021-10-26 11:19:11 · 153 阅读 · 0 评论 -
pandas 数据处理(python数据分析活用pandas库)
目录1.数据组合1.1连接1.1.1添加行1.1.2添加列1.1.3不同索引下的连接操作1.2合并多个数据集1.2.1一对一合并1.2.2多对一合并1.2.3多对多合并2.缺失数据2.1查找和统计缺失数据2.2清理缺失数据2.2.1重新编码/替换2.2.2前值填充2.2.3后值填充2.2.4插值2.2.5删除缺失值2.3缺失值计算3.整理数据3.1包含值而非变量的列3.1.1固定一列3.1.2固定多...原创 2021-10-23 18:33:28 · 1161 阅读 · 1 评论 -
pandas数据结构(python数据分析活用pandas库)
目录1创建数据1.1创建series1.2创建dataframe2.Series2.1类似于ndarray的Series2.2布尔子集:series2.3操作自动对齐和向量化2.3.1同长度向量2.3.2向量和整数运算2.3.3不同长度向量间的运算2.3.4带有常见索引标签的向量3.dataframe3.1布尔子集3.2操作自动对齐和向量化4.更改series和dataframe4.1添加列4.2更改...原创 2021-09-12 10:25:43 · 199 阅读 · 0 评论 -
pandas dataframe 基础知识(python数据分析活用pandas库)
file:///D:/python%E5%9F%BA%E7%A1%80%E7%9F%A5%E8%AF%86(1).html原创 2021-09-06 02:15:14 · 365 阅读 · 0 评论 -
电商数据分析与数据化运营
第一章:建立电商运营的上帝视角1.数据分析师具备的三种能力:懂运营,数据,工具2.制作数据报告的四大步骤:原创 2021-09-02 03:28:28 · 7643 阅读 · 2 评论 -
以数据分析为导向的运营体系搭建+LTV
一.市场体系数据化1.销量波动与趋势分析(使用线性回归预测未来业绩趋势)2.日/周/月销量权重对比(销量波动周趋势分析指标-周权重指数)3.市场占有率计算 计算不同地区人口占总人口的比例A 计算不同地区订单占总订单的比例B 通过比例A与B 的数值大小判断不同地区的未来运营策略二.运营体系数据化 1.关键词优化 从需求角度优化:用户搜索什么词就用什么词 类目词与产品词...原创 2021-08-02 13:30:09 · 389 阅读 · 0 评论 -
搭建指标体系(更新中。。。)
一.规划数据指标体系的三种方法1.OSM模型什么是OSM(object-strategy-measure)模型?O代表业务目标(Object)。需要我们思考或者回答,我们的业务、产品甚至是其中的一个小的功能存在的目的是什么、能够解决用户什么问题、满足用户的什么需求?S代表业务策略(Strategy)。是指清楚业务目标之后,为了达成上述目标,我们应当采取的业务策略。M代表业务度量(Measure)。用于衡量我们的策略是否有效,反映目标的达成情况T业务度量涉及到以下两个概念 ..原创 2021-07-28 12:55:18 · 1128 阅读 · 0 评论 -
指标异常波动分析-dau下降
先明确数据指标出现异常:上升或下跌,通常有以下情况1.一次性波动:只在某个时间节点发生波动。原因一般是短期或突发事件。2.周期性波动:周期性发生上升/下跌,比如双十一,周末,季节性因素等。3.持续性波动:从某个时间开始,一直出现上升/下降趋势。持续性上升/下跌背后原因往往都是深层次的,比如用户需求转移,渠道投放长期暂停,大环境等因素,导致出现持续性的。如果是数据指标下跌的话,周期性下跌一般都不需要做特殊处理;一次性下跌往往比较突然,要关注事件的持续性;持续性下跌的,特别是不见好转,持续的时间原创 2021-07-25 11:40:56 · 2280 阅读 · 1 评论 -
常用的电商数据指标
前人总结出来的,觉得挺好,首先要构建电商数据分析的基本指标体系,主要分为8个类指标,即:1. 总体运营指标:从流量、订单、总体销售业绩、整体指标进行把控,起码对运营的电商平台有个大致了解,到底运营的怎么样,是亏是赚。2.网站流量指标:即对访问你网站的访客进行分析,基于这些数据可以对网页进行改进,以及对访客的行为进行分析等等。3. 销售转化指标:分析从下单到支付整个过程的数据,帮助你提升商品转化率。也可以对一些频繁异常的数据展开分析。4. 客户价值指标:这里主要就是分原创 2021-07-22 14:33:09 · 4498 阅读 · 0 评论 -
某app次日留存率下降3%,如何分析?如何量化?假设abcd四个渠道,如何判断是哪个渠道导致的次日留存下降,而且可以多大程度上可解释这3%?
先从用户来分析是哪个渠道,假设a渠道有问题,通过看a渠道的同比 环比有没有下降,若是下降,再看a渠道的用户特点,针对他们特点生成合适的策略来进行运营。同理B,C,D都这样假设,如果发现不是用户问题,也就不是渠道问题。再分析产品,最近产品有没有上新,若是有,通过环比查看留存率变化。若是产品没问题,就考虑行业和竞品的问题...原创 2021-07-17 19:58:44 · 722 阅读 · 0 评论 -
dau计算-预测日活
一个社交APP, 它的新增用户次日留存、7日留存、30日留存分别是52%、25%、14%。请模拟出来,每天如果日新增6万用户,那么第30天,它的日活数会达到多少?请使用Excel进行分析建立日活的数学模型某一天的日活,我们可以看作是,当天的新增,加上前一天的新增的次日留存用户,再加上大前天的新增的二日留存用户......DAU(n)=A(n)+A(n-1)R(1)+A(n-2)R(2)+... ...+A(1)R(n-1)其中,DAU(n)为第n天的日活,A(n)为第n天的新增,R(n-1原创 2021-07-15 16:27:04 · 1997 阅读 · 0 评论 -
sql 50道练习题
数据表介绍--1.学生表Student(SId,Sname,Sage,Ssex)--SId 学生编号,Sname 学生姓名,Sage 出生年月,Ssex 学生性别--2.课程表Course(CId,Cname,TId)--CId 课程编号,Cname 课程名称,TId 教师编号--3.教师表Teacher(TId,Tname)--TId 教师编号,Tname 教师姓名--4.成绩表SC(SId,CId,score)--SId 学生编号,CId 课程编号,score 分数原创 2021-07-14 13:22:28 · 257 阅读 · 0 评论 -
RFM用户分层
转载 2021-07-06 15:56:07 · 193 阅读 · 0 评论 -
用户画像搭建
第一建模:1)获取原始数据(用户访问的行为日志,用户基本属性),得到用户行为信息2)数据预处理,挖掘出事实标签。对用户数据进行过滤,清洗,简化。例如:得到用户第一次登陆时间,名称等事实标签3)分析用户的行为,构建用户画像的核心标签。通过用户行为分析,得到用户访问页面的规路,构建用户行为模型4)通过模型进行预测,完善用户画像,预测用户的操作行为模型:1)文本挖掘模型:(TF-IDF);处理清洗数据,匹配标识用户数据;提取事实数据2)分类/聚类(KNN,贝叶斯):预测新用户,分析有相原创 2020-11-23 18:29:09 · 280 阅读 · 0 评论 -
根据链接截屏
from selenium import webdriverimport timefrom PIL import ImageGrab#读取txt文档,逐行读取f = open(r"C:\Users\mile\Desktop\1.txt",‘r’)lines = f.readlines()i=1for line in lines:#根据分隔符进行读取line_1 = line.split(’\n’)Link = line_1[0]#打开谷歌模拟浏览器driver = webdriver原创 2020-11-17 19:18:00 · 264 阅读 · 0 评论 -
数据指标的搭建
1.什么是数据指标指标体系:就是把数据指标系统化的组织起来指标(也称度量)是量化的数值,指标包括用DAU,时长,点击率,渗透率,留存率,成功率等。用于评价业务的好坏体系就是通过不同维度梳理指标的过程。梳理的过程也是业务本质思考的过程2.如何搭建指标体系2)建模型PULSE模型是衡量用户体验的重要指标,也经常被用来度量产品的整体表现。举例来说:如果一款产品响应时间为10秒,那么大部分用户会放弃这款产品;如果一款产品7天活跃用户数仅占全部用户数的1%,那么将很难实现用户的持续..原创 2020-10-16 11:35:17 · 518 阅读 · 0 评论 -
RFM+AHP
RFM + AHP实操一.RFM与AHP的定义RFM:RFM模型是衡量客户价值和客户创利能力的重要工具和手段。使用该模型能够对用户进行分群,按照不同属性用户进行经营AHP: AHP是对定性问题进行定量分析的一种简便、灵活而又实用的多准则决策方法;分层分析法,需要进行专家打分。二.使用RFM模型的场景RFM的模型使用需要遵循一定的原则,不同类型的企业使用该方法的方式有所不同。一般来说,在使用模型过程中需要考虑:1. 如何选取一定的时间段?选取营业数据进行处理,一般在选取时间时需原创 2020-10-13 22:51:12 · 442 阅读 · 0 评论 -
taobao用户分析
数据来源及说明 提出问题 1) 整体用户的购物情况 2) 用户行为转化漏斗 3) 购买率高和购买率为0的人群有什么特征 4) 基于时间维度了解用户的行为习惯 5) 基于RFM模型的用户分析 数据清洗 1)导入数据 2)缺失值处理 3)数据一致化处理 构建模型和分析问题 1) 总体用户购物情况 日均访问量 uv(用户总数) 有购买行为的用户数 用户的购物情况 2.用户行为转化漏斗 3.购买率高和购买率低的人群有什么特征 基于时...原创 2020-09-30 21:48:25 · 204 阅读 · 0 评论 -
点滴学习
1.如果数据中有很多连续型变量,散点图矩阵会让人抓不到重点。这时可以两两计算相关系数。遗憾的是,如果把相关系数的数值展示成矩阵,并不直观。在此,可以将相关系数矩阵可视化。2.箱线图(boxplot)是一种针对连续型变量的统计图.3.箱子被压得很扁,甚至只剩下一条线,同时还存在很多刺眼的异常值。这种情况的出现有两个常见的原因:一是样本数据,存在特别大或者特别小的异常值,这种离群的表现,导致箱子整体被压缩,反而凸显出这些异常;二是样本数据特别少,数据少就有可能出现各种诡异的情况,导致统计图很不美观----&原创 2020-09-29 16:58:38 · 496 阅读 · 0 评论 -
数据查询渠道汇总
移动端数据微信数据排名列表-日榜微榜 | 爱微帮新媒体榜 BetasimplyKOL微信数据微指数_微信大数据领导者_微信文章_微信营销_微信公众账号大全_微信排行榜微信公众平台导航_微信公众账号大全可查90数据-易赞微博数据知微传播分析-WeiboReach微博认证-名人堂发现-热门微博微风云_微博风云榜APP数据热门搜索App Annie App Store Stats | iOS热门 App 排行榜 中国 - 所有类别应用雷达-iOS深度原创 2020-09-11 11:20:45 · 1361 阅读 · 0 评论 -
数据分析常用指标
1、DAU :Daily Active User 日活跃用户数量,统计一日(统计日)之内,登录或使用了某个产品的用户数(去除重复登录的用户)。2、WAU :Weekly Active Users 七天内登陆过产品的用户数。统计一周之内(统计日)之内,登录或使用了某个产品的用户数(去除重复登录的用户)。3、MAU :Monthly Active User 月活跃用户量,统计一月之内(统计日)之内,登录或使用了某个产品的用户数(去除重复登录的用...原创 2020-09-11 11:09:20 · 322 阅读 · 0 评论 -
数据分析-数据指标的构建
什么是指标体系 指标体系,就是把数据指标系统化的组织起来 指标是量化的数值,指标包括用DAU,时长,点击率,渗透率,留存率,成功率。用于评价业务的好坏 体系就是通过不同维度梳理指标的过程。梳理的过程也是业务本质思考的过程 如何设计指标体系 1.设目标 日常监控 异常监控 预测趋势 精细化运营 2.建模型 AARRR PULSE(衡量用户体验的重要指标,也经常被用来度量产品的整体表现) P-页面浏览量 U-响应时间 L-原创 2020-09-10 12:54:34 · 570 阅读 · 0 评论 -
数据分析-四大步骤
一.数据抓取方式:1.埋点:是针对特定用户行为或事件进行捕获,处理和发送的相关技术及其实施过程如何规划数据埋点 业务需求拆解,转化为数据需求 定义数据口径和指标统计方式 各类事件的分类和聚合(事件类型,页面位置..) 确定指标的数值类型,计数方式和记录规则 4W1H模型来选择数据 数据埋点的分类 点击事件(交互事件) 曝光事件 页面停留时间 案例:阅享好时光1.业务拆解促销活动(用户转化)页面访问领券查看商品购买商品新人原创 2020-09-09 16:40:51 · 3025 阅读 · 0 评论 -
数据分析-三个特点
一.业务理解能跑数,不叫数据分析,和业务结合并产生价值才是数据分析怎样去对业务了解:1.对进入的行业和产品感兴趣,有好奇心,愿意学习一切未知的知识2.能够把业务和数据结合起来,尝试用数据量化业务状态和结果,能够用数据解释潜藏的未被发现的业务逻辑3.当分析需求来的时候,要问下为什么要做这个分析,想解决什么问题二.工具使用掌握并熟练应用基本的数据分析工具,分析模型和分析方法对使用的模型能清楚其优劣势,对没用过的方法有所了解1.熟练使用各类分析模型和分析方法对使用的模.原创 2020-09-09 13:32:55 · 2197 阅读 · 0 评论 -
数据分析-大框架1
案例:老板问:“好时光”的线上活动流量情况怎么样?一.找出问题:精确使用描述性统计精确使用描述性统计可以对样本的基本情况和特征进行说明在日常业务中经常被使用的描述性统计量:中位数,平均数,分位数,方差/标准差,异常值二.分析问题:找出问题,着眼于变化,寻找异常值1.找出问题:精确使用描述性统计2.找出问题:着眼于变化,寻找异常值评估变化的方法同比:对比同期变化(和上周五比)环比:对比连续周期增长率:可以有效评估累计型的指标日常工作中的流量数据,用.原创 2020-09-06 10:48:34 · 190 阅读 · 0 评论 -
数据分析-矩阵模型:产品定位问题的数据化处理
一.什么是波士顿矩阵波士顿矩阵又称市场增长率-相对市场份额矩阵,波士顿咨询集团法,四象限分析法,产品系列结构管理法等。波士顿矩阵采用销售增长率和市场占有率两个指标来衡量产品,销售增长率与市场占有率既相互影响,又互为条件。通过以上两个因素相互影响作用,会出现四种不同性质的产品类型,形成不同的产品发展前景:销售增长率和市场占有率“双高”的产品群 销售增长率和市场占有率“双低”的产品群 销售增长率高,市场占有率低的产品群 销售增长率低,市场占有率高的产品群...原创 2020-09-04 10:52:08 · 1728 阅读 · 0 评论