七种数据分析思维技巧
1. 象限法
- 核心:一种策略驱动的思维方式
- 优点:直观清晰,能够将数据按一定的特征进行划分
- 应用:使用范围广、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,例:
- 用户分群
- 二维坐标系内
- 经典的RFM模型
- 二维坐标系内
- 软件划分
- 用户分群
2.多维法
-
核心是以一种精细驱动的思维
-
优点:适合处理大数据,数据量越大其优越性越大
-
分析导向示例
- 用户统计维度:性别、年龄、学历
- 用户行为维度:注册用户、用户偏好、用户兴趣、用户流失
- 消费维度:消费金额、消费频率、消费水平
- 商品维度:商品品类、商品品牌、商品属性
-
应用
注:这里的学院是总称
仅从上面数据来看,女生录取人数是男生的两倍,可以得出该学院都是女多男少,但是从下面的详细数据来看,法学院的男生录取人数比女生人数多,但是由于其申请的男生多,从而拉低了男生的录取率,因此并不能从总录取男女人数而得出所有学院都是男少女多,这就是辛普森悖论。
-
缺点:容易产生辛普森悖论(可通过钻取的方法避免)
3.假设法
-
一种启发性思考驱动的思维
-
常用流程:假设-验证-判断,如,假设…成立,则…;假设…不成立,则…。
-
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导,这是一个论证的过程。
-
应用
4.指数法
1.对数据进行加工的思维
2.常用方法有线性加权、反比例、取对数
- 线性加权:按照重要程度给予权重值
- 反比例:使数据收敛到0-1
- log:让数字减小
3.优点:目标驱动性强
4.举例
-
线性加权
解读:Uvalue为都给一样的权重,UvaluePro则是按照实际情况对不同数据指标给予其重要程度值,即权重。
-
反比例计算用户忠诚度
解读:反比例函数使其收敛于0-1,再根据数据指标在实际业务中的重要程度给予权重
- log计算热度
5.二八法
1. 基于二八法则,又帕累托法则,是一种只抓重点的思维
2. 应用
- 数据中,20%的变量将直接产生80%的效果,数据分析应围绕这20%做文章
- 持续关注topN的数据,是一个非常好的习惯,尤其在部分行业,如产品中创造80%收入的20%商品
- 选择最有价值的指标
3. 值得注意的是数据分析不能摒弃全局,只是说应在20%的数据上花相对较多的投入,否则会让我们的分析思维变得狭隘。
6.对比法
-
精益数据分析一书中指出好的数据指标,一定是比例或比率;好的数据分析,一定会用到对比。
-
是一种挖掘数据规律的思考方式
-
对比方案
- 竞争对手对比
- 类别对比
- 特征与属性对比
- 时间同比环比
- 转化对比
- 前后变化对比
-
案例:孤数不证
7.漏斗法
- 是一种流程化思想
- 单一的漏斗分析没有用,它要和其它分析思维结合,比如多维,对比。。。
- 应用:涉及到变化和流程的都可用(尤其是电商行业)
如何在业务中锻炼数据思维
-
好奇心,要有探索欲和批判性思维(尤其是对待业务指标时)
- 啤酒与尿布的故事
- 啤酒与尿布的故事
-
生活中的练习
- 生活中的练习