‘数据分析实战’——分析思路和分析视角

第2章 开启分析思路
用户行为包括产生需求，信息收集，方案比选，购买决策和购后行为

用户行为7要素：
时间，地点，人物，事件，原因，方式方法，程度；

第3章 打开分析视角
3.2 对比视角
3.2.1 对比的类型

1. 按照参照物：纵向对比与横向对比
   纵向对比：对比过去和现在，总结发展变化，形成时间序列
   横向对比：对比各自表现，判断优势和劣势，形成截面数据

2. 按照对比指标性质：频数统计与均值分析
   分类型数据：运用频数统计进行对比
   数值型数据：运用均值分析进行对比

3.2.2 对比可信度

1. 时间上的可比性
   Ex：2018年3月前10天与2017年同期增加不少，深入分析发现2018年3月前10天比2017年同期多一个星期六，进而抬高了销量

2. 空间的可比性
   Ex：海军死亡率低于居民死亡率；事实是海军死亡率统计对象是年轻人，居民死亡率统计对象是各年龄层的人

3. 数量上的可比性
   1）对比指标要定量
   2）对比对象要同量纲
   常用解决方法：变异系数（V=标准差/均值），刻画单位水平下的差异

3.3 相关视角
该视角探索的是事物间的某种联系，这种联系可能是因果关系，也可能是共存关系。

3.3.1 规模预测
利用相关视角可进行规模预测
Ex：

3.3.2 精准营销
开展精准营销前，需弄清用户特征与用户态度偏好的相关关系。

判断相关性的方法：
 对于数值型，可计算相关系数
 对于分类型，可使用方差分析
Ex: 性别和颜色偏好

方差分析涉及总体信息（SST）,组间差异（SSR）和组合差异（SSE）
三者关系为：SST=SSR+SSE

组间差异：组和组之间的差异
组内差异：每组内部的差异

3.4 分类视角
3.4.1 分类的价值

3.4.2 分类的步骤与方法

3.5 描述视角
3.5.1 集中趋势与离中趋势
平均数刻画的是一般水平，是集中趋势；
波动情况刻画的是变异程度，是离中趋势

3.5.2 个体波动的研究价值

• 研究个体能帮助企业进行问题诊断
• 研究个体能找出企业欺诈
• 只看平均数，会掩盖个体间的差异

3.6 如何在业务中选择分析视角
3.6.1 视角与方法

• 对比视角
• 相关视角
• 分类视角
• 描述视角
  

KANO模型：可用来分析重要性；将属性划分为四类
 必备属性
 一维属性
 魅力属性
 可有可无属性
属性改进的优先级可分为：必备属性>一维属性>魅力属性>可有可无属性

2. 分类视角
   对于重要性和满意度两个维度需要结合起来综合使用
   

通过重要性和满意度两个维度对各项指标进行分类，从而做出四分图模型
 优势区：重要性和满意度都高；可继续投入
 维持区：重要性不高，但满意度很高；资源有限时，只需维持就好
 忽略区：重要性和满意度都低；资源有限时可忽略
 改进区：重要性很高，但满意度很低；旅客很看重但公司没做好，急需改进的指标，优先级最高

3. 描述视角
   描述视角不仅要看集中趋势，还要看离中趋势
   Ex：
   
   

 1. 分析各站点的波动情况；可看出站点1比站点2餐饮服务更稳定
 2. 通过波动分析找出离群旅客；从图中看出旅客满意度与推荐度存在正相关关系，但红圈标注的离群点旅客满意度高，却不愿意推荐，故可对该离群点进行深度分析，挖掘该旅客总体服务很满意但却不愿推荐的原因

4. 相关视角
   相关视角：主要用于规模预测和精准营销
   方差分析（F统计）和交叉分析可探讨旅客特征和旅客偏好，态度的相关性