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
- 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。
- 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。
- 线性加权
- 反比例
- 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?