数据分析——实际应用中拆解方法
MECE法则
MECE(发音:me see)法则( Mutually、Exclusive、Collectively、 Exhaustive)即"相互独立、完全穷尽",即所谓的 “无重复、无遗漏”。
使用MECE法则进行拆分的步骤
- 明确界限
首先要明确问题的范围和边界,也就是要明确当下讨论的问题到底是什么,以及我们想要达到的目的是什么。 - 确定划分依据
即准备从哪个维度来对事物进行划分。比如,按事物的某个属性(性别)、按顺序等。同一事物可以选择不同的维度,对事物划分的结果也会截然不同;在找划分依据时,应当以原始的目的出发,寻找能够帮助分析的对应划分方式。
3.向下拆分
对于划分后的数据还可以在其内部继续进行进一步拆分,但是拆分的出发点一定是最初的分析目标。
4.检查
检查划分结果是否符合MECE
拆分方法
1.穷尽要素法
例:二分法
把事物分为两个部分,如:男、女;生、死等
2.时间流程法
例:流程分解法
按照事情发展的流程顺序进行分解,如:进行拆解用户购买商品的流程环节:看到广告–>点进商品–>点击购买–>完成支付–>订单量下降
类似于漏斗分析法,是一套流程分析,适用于流程长,环节较多,并且随着环节的进行,留存率越来越少的场景。
3.模型框架法(常用于对比)
例:象限拆解法(二维)
通过横纵坐标,将所要分析的内容分成四个象限,由高到低进行分析。
1.有利于找到问题的共性原因:通过象限分析法,将有相同特征的事件进行归因分析,总结其中的共性原因。
2.建立分组优化策略:针对投放的象限分析法,可以针对不同象限建立优化策略。
4.量化公式法
例:杜邦分析法
将若干个用以评价企业经营效率和财务状况的比率按其内在联系有机地结合起来,形成一个完整的指标体系,并最终通过权益收益率来综合反映。
ROE(净资产收益率)=NPM(销售净利率)×AU(资产周转率,资产利用率)×EM(权益乘数)
EM = (负债+总权益)/总权益
模型
AARRR(时间流程)
应用场景:研究用户增长。
Acquisition、Activation、Retention、Revenue、Refer
用户生命周期中的用户获取、用户激活、用户存留、获得收益、推荐传播这五个环节
PEST(模型框架)
应用场景:根据宏观环境指定公司战略
政治(Politics)、经济(Economic)、社会(Society)、技术(Technology)
RFM
应用场景:客户价值细分
Refency(近度):客户最近一次交易间隔时间
Frequency(频度):客户最近一段时间交易次数
Monetary(额度):客户最近一段时间交易金额
SWOT(模型框架)
应用场景:对企业内部外条件各方面进行综合和概括,指定战略,通过分析可以帮助企业把资源和行动集中在自己的强项和有最多机会的地方
Strenth(优势)、Weakness(劣势)、Opportunity(机会)、Threats(威胁)
5W1H
Who(分析谁) 确定主题
Where(取哪里的数据)进行数据集成
When(取什么时间段的数据)
What(用什么分析方法)
Why (什么原因导致的)
How (如何呈现最终结果)
(how much——做多少?做到何种程度?数量、质量如何) (5W2H)