七周成为数据分析师01-数据分析思维

为什么思维很重要

• What:三种核心思维
• Why:数据分析的思维技巧
• How:如何在业务时间锻炼分析能力

数据分析思维的三种核心思维

结构化

将分析思维结构化

• 将论点归纳整理
• 将论点递进和拆分
• 将论点完善和补充

结构化原则

• 核心论点
  寻找金字塔的顶端，它可以是假设，是问题，是预测，是原因
• 结构拆解
  自上而下，将核心论点层层拆分成分论点，上下之间呈因果或者依赖关系
• MECE原则
  相互独立，完全穷尽。论点之间避免交叉和重复，分论点们要尽量完善
• 验证
  不论核心论点还是分论点，都应该是可量化的，用数据说话。他们必然是可验证的

公式化

结构化是分析的思维，但是还不够数据，而且难免有发散的缺点。

• 上下互为计算
• 左右呈关联
• 一切结构皆可量化
• 最小不可分割

案例

• 销售额由什么组成？
  销售和客单价相乘
• 利润由什么组成？
  销售额收益和成本相减
• 销售额是单一的维度么？不是
  销售额是多个商品/SKU的总和
• 地区的销售由什么组成？
  不同线下渠道的累加

用法

• 加法
  不同类别的业务叠加可以用加法
• 减法
  减法常用来计算业务间的逻辑关系
• 乘法和除法
  乘法和除法是各种比率或者比例
• 例子
  用户 = 主动流量【营销、活动、推广】+被动流量【邀请、应用商城搜索】
  主动流量=不同渠道*（曝光量*转化率）
  被动流量=邀请人数 * 人均邀请量 * 转化率

业务化

如何预估上海地区的共享单车投放量

单车是有损耗的，计算公式中应该考虑单车的消耗因素

• 从城市流动人口计算
• 从人口密度计算
• 从城市交通数据计算
• 从保有自行车计算

你的分析贴不贴合业务？

• 有没有从业务方面的角度思考
• 真的分析出了原因吗？
• 能不能从分析结果落地

一家销售公司业绩没有起色，对它进行分析

• 销售人员的效率降低，因为士气低落
• 产品质量不佳，和同期竞争对手比没有优势
• 价格平平，顾客并不喜欢

总结

• 用结构化思考+公式化拆分，获得的最终分析论点。很多时候只是现象。数据是某个结果的体现，但不代表原因。
• 我是数据分析师，我会设立哪些指标？
• 换位思考，如果我是参与其中的人，我会怎么考虑/哪些行为或指标
• 结构化思维：捋顺思路
• 结构化数据：将其可数据化
• 结构化业务数据：落地，贴合业务

数据分析思维技巧

象限法

• 核心
  象限法是一种策略驱动的思维
• 优点
  直观，清晰，对数据进行人工的划分。划分结果可以直接应用于策略
• 应用
  适用范围广，战略分析，产品分析、市场分析、客户管理、用户管理、商品管理等
• 须知
  象限划分可以按中位数，也可以按平均数，或者是经验

多维法

• 核心
  象限法是一种策略驱动的思维
• 优点
  处理大数据量，维度丰富且复杂的数据有较好的效果。但是维度过多，会消耗不少时间
• 应用
  只要数据齐全且丰富，均可应用
• 须知
  对不同维度进行交叉分析时，需要注意辛普森悖论

假设法

进入一个新的领域时，数据分析没有数据可明确参考，

• 核心
  假设是一种启发思考驱动的思维
• 优点
  当没有直观数据或者线索能分析时，以假设先行的方式进行推断，这是一个论证过程。
• 应用
  它更多是一种思考方式，假设–验证–判断。
• 须知
  不止可以假设前提，也可假设概率或者比例，一切都能假设，只要自圆其说。

案例

1. 公司在节日进行了一次营销活动，APP上的销量数据整体比上周上升了20%。因为统计失误问题，拿不到明细数据，也就是说，活动效果是一个黑盒。现在的问题是，销售本身就有可能因为节日而提高，那怎么证明活动是有效或者无效的呢？
   假设活动是有效的

• 思考一下，活动有效的话，会发生什么事情？
• 会有一定数量的用户购买，如果能证明这条，那么我们有理由相信活动是有效的。
• 用户通过活动购买商品，会发生什么可预测的行为呢？假设有一些用户会评论留言，那么可以统计提及的字眼
• 用户提及了这次营销活动，接下来的问题是，有效率是多少？10%，20%？
• 假设参与活动的用户行为没有变化，那么通过历史数据的用户评论占比，反推购买人数。

2. 你是自营电商的数据分析师，现在想商品提价后，收入会不会有变化？你会怎么做？

• 假设商品提价后，销售一定会下跌，问题是销量下跌多少？
• 首先假设流量不会有变化，流量和渠道营销正相关，商品价格影响转化率，那么现在确定转化率的波动。
• 找出平时的转化率，预估提价后的转化率变化。假设各类型用户对价格敏感度不同，那么将用户划分为忠诚xxx、普通xxx、羊毛xx等
• 不同用户层次数量不同，反应不同。忠诚用户转化率变化极低，羊毛几乎不会转化…这些数据可以凭借经验做出假设。最后汇总。

指数法

核心
指数法是一种目标驱动的思维

• 优点
  目标驱动力强，直观，简洁，有效。对业务有一定的指导作用。一旦设立指数，不易变动。
• 应用
  和假设法不同，假设法是缺乏有效的数据，而指数法是无法利用数据而将其加工成可利用的。
• 须知
  指数法没有统一的指标，很多指数更依赖经验的加工。
  很多时候，我们有数据，但不知道怎么应用。就是因为缺乏了一个有效性的方向。这个方向可以成为目标指数。通过将数据加工成指数，达到聚焦的目的。

1. 线性加权
2. 反比例
3. log

案例思考

• 中国今年的经济指标如何？
• 美国NBA最佳球员是谁？
• 竞争对手产品表现如何？

二八法

• 核心
  指数法是一种抓住重点的思维
• 优点
  和业务密切相关，和KPI更紧密相关。几乎花费很少的精力就能达到不错的效果，性价比高
• 应用
  和假设法不同，假设法是缺乏有效的数据，而指数法是无法利用数据而将其加工成可利用的。
• 须知
  在条件允许的情况下，数据分析依旧不能放弃全局，否则会让思路变得狭隘

对比法

• 核心
  对比法是一种挖掘数据规律的思考方式
• 优点
  和、对比法可以发现很多数据间的规律，它可以与任何思维技巧结合，比如多维对比，象限对比，假设对比等
• 应用
  对比更多是一种习惯，是数据分析的牛角尖，一次合格的分析，一定要用到N次对比
• 须知
  在条件允许的情况下，数据分析依旧不能放弃全局，否则会让思路变得狭隘

好的数据指标，一定是比例或者比率；好的数据分析，一定会用到对比

• 竞争对手对比
• 类别对比
• 特征和属性对比
• 时间同比环比
• 转化对比
• 前后变化对比

例子

• 节假日大促，女生消费占比从60%到70%，女生节日爱消费？
• 这个结论是有问题的，占比提高了，不代表绝对值提高了。某商品平时销售额100万女生占60万，节日销售额80万女生占56万，女生真的消费变高了？
• 谁说节日销量额会提高？别忘了竞争对手

漏斗法

• 核心
  漏斗法是一种流程化思考方式
• 优点
  单一的漏斗分析没有用，转化率为20%，但能说明什么呢？他要结合其他的思维方式，比如多维，比如对比。
• 应用
  涉及到变化和流程的都能用
• 须知
  单一的转化率没有，单一的转化率没有。

如何在业务时间锻炼数据分析思维

好奇心

为什么啤酒与尿布是错的？

• 买了尿布的人会买啤酒，但是买了啤酒的人会买尿布吗？
• 尿布旁边应该摆放其他东西么？啤酒是否是最好的选择？
• 怎么摆放啤酒？部分还是全部品类？
• 场景型的摆放是否比品类摆放更好？
• 数据呢？