5种速成数据分析方法

　　大数据正悄然改变我们的世界，无处不在，各行各业都在使用大数据，大数据可以为政府、企业、研发等提供决策依据，因此，掌握正确的大数据分析方法，智能的、深入的、有价值的信息提取是十分有必要的!

 

　　速成数据分析——5大数据分析方法

 

　　1、公式法

 

　　所谓公式法，就是用公式，对某一指标的影响因素进行分解。在BI工具中，常用的多维分析中，“向下钻取”也是这种方法的应用。

 

　　例如分析产品销量低的原因，通过逐层分解销售，细化评估和分析的粒度。

 

　　1)第一层:找出产品销售的影响因素。销售量=销售量*产品单价。是销量太低还是价格设定不合理?

 

　　2)第二层:找出影响销量的因素。销售额=渠道A销售额+渠道B销售额+渠道C销售额+…分析各渠道的销售额，与过去相比，太低了。

 

　　3)第三层:分析影响渠道销售的因素。渠道销售=点击用户数*订单率。

 

　　4)第四层:分析影响点击的因素。点击用户数量=曝光率*点击率。是曝光量不够还是点击率太低？

 

　　2、对比法

 

　　对比法是比较两个或多个数据，这是最常见的方法，是速成数据分析中需要掌握的。

 

　　例如，与竞争对手相比，在时间维度上的同比与环比、增长率、固定比等。

 

　　3.象限方法

 

　　通过划分两个或多个维度，用坐标来表示价值。象限法是一种战略驱动的思想，通常用于产品分析、市场分析、客户管理和商品管理。

 

　　例如，经典的RFM模型，根据近期消费(近因)、消费频率(频率)、消费金额(货币)三个维度将顾客划分为八个象限。

 

　　发射的象限分析方法，可以建立不同象限的优化策略。例如，为关键的开发客户提供更多的资源。是速成数据分析中必不可少的。

 

　　4、28法/帕累托分析法

 

　　就个人财富而言，可以说世界上20%的人拥有80%的财富。在数据分析中可以理解，20%的数据产生了80%的效果，需要围绕20%的数据挖掘。

 

　　比如，用于产品分类来测量和构建ABC模型。例如，为公司贡献80%利润的客户有20%，然后在有限的资源下，要专注于维护这20%的客户。速成数据分析时，需要重视这一点。

 

　　5、漏斗法

 

　　漏斗法是一个漏斗图，有点像倒金字塔。这是一种流线型的思维方式。它经常用于开发新用户，购物转化率，这些有变化和一定流程的分析中。

 

　　整体漏斗模型的核心思想，可以分为分解和量化。例如，监视每个级别的用户转换，并为每个级别找到可优化的点。

 

　　例子是经典的黑客增长模型，AARRR模型，指用户获取、用户激活、用户留存、用户收益以及用户传播。这是产品运营中比较常见的一个模型，通过分解和量化用户的整个生命周期，可以执行数据的水平和垂直比较，以识别相应的问题，并最终优化迭代。

 

　　然而，单一的漏斗分析是没有用的，不能得出什么结果，要与其它相结合，如与历史数据的对比等。速成数据分析中，这是一个重点、难点。

 

　　选择正确的数据分析工具，在速成数据分析中有着不可忽视的作用。一般情况下，选择市场占有率较高的企业BI工具，比较容易有好的效果。