数据分析的七种技巧

数据分析的思维技巧：
三种核心思想是框架型的指引，实际应用中也应该借助思维的技巧工具达到四两拨千斤的效果，并且，他们应该足够简单和有效。

数据分析的七种技巧：

         1，象限法：
                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。

         2，多维法：
               多维法是一种精细驱动的思维

               优点：
                  处理大数据量，维度丰富且复杂的数据有较好的效果。但是当维度过多时，会消耗不少时间。

                应用：
                   只要数据齐全且丰富，均可以应用。

                须知：
                   对不同维度进行交叉分析时，需要注意辛普森悖论。

                用户统计维度：性别，年龄。。。。

                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。。。。。

         3，假设法（当没有具体数据的时候）
                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，这是一个论证的过程。

                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，也能假设概率或者比例，一切都能假设，只要自圆其说。

         4，指数法：（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。（即，通过将数据加工成指数，达到聚集的目的）
               常用的三种指数法：
                         1，线性加权。
                         2，反比例。(y=m-k/x   将数据进行收敛，通过k值调节收敛程度)（他是将数据收敛至0到1至间）
                         3，Log（也算将数据进行收敛，不过它是将数据进行缩小）
                         （热度公式：log(uv+5*c,2)+(time-int)/10

                 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，不易频繁变动

                  应用：
                     和假设法不同，假设法是缺乏有效的数据，指数法是无法利用数据，才将其加工成可利用的数据。

                  须知：
                     指数法没有统一的标准，很多指数指标更依赖经验进行加工。

         5，二八法（帕累托法）在数据中，20%的指标将直接产生80%的效果：
                二八法是一种只抓重点的思维

                优点：
                   和业务紧密相关，和KPI（关键绩效指标法）更紧密相关，几乎花费更少的精力就能达到不错的效果，性价比很优。

                应用：
                   二八法则存在于几乎所有的领域，所以这种分析思维没有局限。

                须知：
                   在条件允许的情况下，数据分析依旧不能放弃全局，否则会让思路变的狭隘。


                   {二八法的通常应用：1，在数据中，20%的指标将直接产生80%的效果，数据分析更应该围绕这20%进行分析。
                   2，持续关注TopN的数据，是一个非常好的习惯，尤其在部分行业，往往TopN产生了更大的价值）
                   3，虽然指标很多，但往往某些指标更有价值，二八法则不仅能分析数据，也能管理数据。}


        6，对比法：

               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

               孤数不证（单独的数据不能证明什么），要和历史数据对比，要和竞争对手数据对比，要和其他数据对比，这样才能产生一个有利的结果。


               对比法是一种挖掘数据规律的思考方式。


               优点：
                  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。


              常见的对比有：
                    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。



                  同比是指在相邻时段中的某一相同时间点进行比较，就是与不同年份的同一时期作比较，例如2018年11月份与2017年11月份相比，叫同比。环比则相      对简单，就是相邻时间段的对比，不像同比那样，是在相邻时间段内部的某个相同时间点的对比；2018年11月和2018年10月是相邻时间段，这两个时间段的数据都比，就是环比；当然我们也可以把2018年全年的数据和2017年全年的数据进行对比，这个数据也可以看成是环比。

                   同比与环比最大的区别体现为两个方面，一是对比基数不同，同比的对比基数是上年的同一期间的数据，环比的基数则是上一期间的数据；二是侧重点不同，环比侧重反映数据的短期趋势，会受到季节等因素的影响，同比更加侧重反映长期的大趋势，也就规避了季节的因素。

        7，漏斗法：
               漏斗法是一种流程化思考方式，可以用在转化率中。

               优点：
                  单一的漏斗分析是没有用的，转化率20%，这个数据能说明什么呢？他要和其他分析思维结合，比如多维，比如对比。

               应用：
                  涉及到变化和流程的都能用。

               须知：
                  单一的转化率没有用！！！