六张图,看懂前瞻性数据分析,该如何做

本文通过实例探讨了前瞻性数据分析的重要性,指出错误的分析类型,如复读机型、惯性思维和习以为常。真正的前瞻性分析需要定性预测,通过识别影响未来的因素来判断趋势。分为宏观事件型、投入产出型和内部结构型三种类型,强调深入理解业务和影响因素以提供有价值的预测。
摘要由CSDN通过智能技术生成

有同学问:领导总让做“有前瞻性”的分析,不要说那些“大家都知道的事”。可到底什么是前瞻性?有时候明明写了预计未来情况,可还是被批判为:没啥前瞻性。真不知道咋办了。——今天系统解答一下。

问题场景

先看看一个简单的例子如下,看图回答问题:6月GMV是多少???

                        

有多少同学是脱口而出:400 的??!!

常见的问题,就从这里开始。

  1   

没有前瞻性的分析,长这样

▌错误一:复读机型。

看到上图数据,写出来的是:

● 月均GMV 720

● 最大值1000

● 最小值500

● 中间值700

 

这肯定没有任何前瞻性哈。这根本就是把图表又用文字复读了一遍,只要业务方不是瞎子,能看到数字,都会觉得这没啥意义。

▌错误二:惯性思维。

还是上图数据,你认为6月GMV是多少?

有多少同学是脱口而出:400

这就是典型的惯性思维。其实只有一年的数据完全不说明问题,但是人们就是会很惯性的认为:过去跌的就一定跌,过去涨的就一定涨,特别出现这种5432顺序排列的数据,惯性的就会认为下个数字是1……其实这正是数据分析要打倒的大敌。因为如果我们引入过往年份数据,很有可能曲线长这样:

这时候还有谁说6月是400的……很有可能1-5月的只是正常的业绩波动而已。所以单纯用惯性思维判断,完全没有体现数据分析的价值,做的结论还极有可能是错误的。

▌错误三:习以为常。

还是上图数据,很多同学看了三年趋势,然后脱口而出:因为过去6月份会涨,所以今年6月

  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值