七种数据分析思维技巧

七种数据分析思维技巧

1. 象限法

1. 核心：一种策略驱动的思维方式
2. 优点：直观清晰，能够将数据按一定的特征进行划分
3. 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
       
   • 软件划分
     

2.多维法

1. 核心是以一种精细驱动的思维

2. 优点：适合处理大数据，数据量越大其优越性越大

3. 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

4. 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。

5. 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

1. 一种启发性思考驱动的思维

2. 常用流程：假设-验证-判断，如，假设…成立，则…；假设…不成立，则…。

3. 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。

4. 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

1. 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。

2. 是一种挖掘数据规律的思考方式

3. 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

4. 案例：孤数不证
   

7.漏斗法

1. 是一种流程化思想
2. 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。。。
3. 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

1. 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
     

2. 生活中的练习

2. 生活中的练习