文章整理 - 当指标下跌,该如何进行分析?【珍藏版】

当指标下跌,该如何进行分析?【珍藏版】
https://mp.weixin.qq.com/s/MTD31M07qA69pmOevEBPfA

数据分析在解析原因上,更大的作用是定位问题而不是解答问题。想要解答问题背后的业务逻辑,市场调查要有用得多。
解读指标才是数据分析师的看家本事,而这些年过度迷信技术,沉迷可视化,沉迷阿尔法大狗子,搞得新入行的数据分析师们的看家本事的水平越来越差。

常规指标下跌怎么看:

  1. 看数据错了没有
  2. 确定下跌程度
  3. 看下跌频率
  4. 下跌前后是否有什么时间
  5. 下跌是否聚焦到某些区域,群体或产品

总结:指标下跌时,数据分析在于快速定位问题。在数据正确的前提下。判断出下跌程度(轻重缓急)和影响范围(聚焦维度)。

解读指标波动的大原则

首先要明白一点:单纯靠数据分析,不可能100%理清所有原因。真实的原因往往需要数据分析+市场调查+一线走访+行业研究共同努力才能锁定的。数据分析在解析原因上,更大的作用是定位问题而不是解答问题。想要解答问题背后的业务逻辑,市场调查要有用得多。
其次,业务出现波动是很正常的事,哪天不动了才是见鬼了。
最后,很多时候其实真实的原因很难100%解析出来,但对业务来说,也不需要100%解析原因才能行动。

判断指标下跌的轻重缓急

第一步:确认数据没有异常。实际上因为数据源出问题,导致的指标异常非常非常多,具体的可以参见做埋点、ETL、数仓的同学们的各种吐槽。所以遇到问题第一顺位先确认数据没有错,不要报假警。
第二步:确认指标波动幅度。这是确认问题的轻重。常见的指标,比如销售额/新用户数/活跃率等等,其波动是有一定范围的,根据历史经验可以划分为轻中重。在数据真实的情况下,一般重度波动都是有明显迹象的。
第三步:确认指标波动持续时间。这是确认问题的缓急。

这三种形态本身意味着问题的严重性不同。如果是指标下跌的话,持续性下跌≥一次性下跌≥周期性下跌。如果是周期性下跌,一般都不需要大惊小怪。如果是一次性下跌,往往来得猛去得也快,要关注事件持续性。持续性下跌,特别是不见好转,一路大牛市的下跌,持续的时间越长问题越严重。
单纯看走势并不能严谨解释问题,要和波动幅度结合起来看。

不同轻重缓急,不同分析手段

重+急:赶紧打电话向相关部门确认,之后向领导汇报。
重+缓:对于长期存在的重大问题,要深入分析才能找到症结,这时候就得慢慢来,做多角度多维度的分析,而且分析结论要放回到市场调查、一线走访、行业研究里去相互验证,这样才是从根上解决问题的办法。不然分析完一版,业务并不觉得好用,最后还是白费力气。
轻+急:不严重但是突发问题,先锁定问题点。
轻+缓:这时候不用急着取一堆数据,问题本身不严重,取了也对比不出来所以然,可以再观测一段时间再说。

缩小怀疑范围,建立分析假设

角度一:事件
角度二:区域
角度三:群体

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Cnn-lstm血糖预测模型的训练包括以下步骤: 1. 数据准备:首先,收集和整理用于训练的血糖数据集。确保数据集包含足够的样本和标签,并进行必要的预处理,例如标准化或归一化。 2. 数据划分:将数据集划分为训练集、验证集和测试集。通常,训练集用于模型的训练,验证集用于调整模型的超参数和监控模型的性能,测试集用于评估最终训练出的模型的性能。 3. 模型搭建:使用Cnn-lstm模型的架构,搭建血糖预测模型。Cnn-lstm模型结合了卷积神经网络(CNN)和长短期记忆网络(LSTM),可以有效地捕捉时序信息和空间特征。 4. 模型训练:使用训练集对模型进行训练。在训练过程中,通过反向传播算法和优化器(如随机梯度下降)来更新模型的权重和偏差,使模型能够逐渐适应训练数据的特征。 5. 超参数调优:使用验证集来调整模型的超参数,例如学习率、批次大小和网络结构的层数和节点数。通过比较不同超参数设置下的模型性能,选择表现最佳的超参数组合。 6. 模型评估:使用测试集对训练好的模型进行评估。计算模型的预测准确率、召回率、F1分数等指标来评估模型的性能。 7. 模型优化:根据评估结果,如果模型的性能不理想,可以考虑进一步优化模型,例如增加训练数据、调整模型结构或使用正则化技术来减少过拟合。 8. 模型应用:将训练好的Cnn-lstm血糖预测模型应用于实际场景中进行血糖的预测。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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