数据分析与业务(业务数据分析和hive的相关知识点)

数据分析与业务(业务数据分析和hive)

第一部分：数据来源

1、数据来源：

2、埋点方式比较：

• 注意：可以结合使用
• 全埋点：可以分析用户的行为，在哪一块停留时间的长短；
• 代码埋点：统计分析。

3、业务数据（也叫下单数据）埋点（不走系统有漏点）

（1）自埋点

（2）借助第三方平台（友盟，艾瑞和站酷做移动端分析的，注册后可埋点）

（3）收费标准：周期和埋点数量；打电话发送接口，技术植入接口，也就是一串连接（7600-9800）

第二部分：数据分析方法论

一、数据分析流程

1、问题定位（ 3W问题）：

（1）What：确定核心指标（后续干嘛）

• 在excel中 ：涉及统计，描述性统
• 三类人接触：
  • 分析人员：搭档
  • 需求：根据目的需求要干什么来确定
  • 业务线：核心（跟他要求数据，与之搞好关系）
• 了解去干嘛，通过后续问题找出核心指标
• 比如：介绍人–>就业速度和就业薪资（考虑目的性是什么）

（2）Why：优化

• 下降问题：业务人员（别人找，别人着急）
  • 日活
  • 月活
  • 收入
• 上升问题：自己走前面，主动去找，体现自己的价值
• 目的：监控指标
  • 数据监控
  • 数据大屏
• 下降问题怎么找：（会遇到偶然问题）

  • （1）查指标字典（指标算法是否一样）

  • （2）验证是否是正常波动范围（环比，同比）：是正常问题就不用理会，不是正常问题就查找问题下降原因

      	数据分析最基础：对比分析——>与自己，与他人
    

  • （3）以上没问题之后再找数据下降原因

    • 问题拆解（逻辑树+假设）——>按公式拆解

        毛利润=销量*（价格-成本）
        销量下降——>用户下降是否正常
        价格下降——>价格
        成本上升——>增加渠道
      

（3）How：机器学习

2、量化问题（可执行性）

• What：96%——>98%，提高了2%，这样制定方案的依据（为什么这样制定方案）
• 例子：

自习时间	就业率
6h	99%
4h	96%
2h	94%

可以预估增加自习时间，可以提高就业率大概2%，不能盲目拍脑袋决定

3、目标预估：实验（由点到面）

产品不同时期的追求不同

二、流量分析

1、用户增长

• AARRR(3R是裂变/自传播）–>全新领域（可替代产品少的）最好使,只需要扩大知名度，有了替代品之后就不适用了
  

2、渠道分析

• 引流：优化自身，增加用户体验，减少用户流失
  • 漏斗分析
  • 跟上个月比，跟上上个月比，跟同行业比
• 渠道质量：找好的渠道，渠道多，数量多，流量多
• 用户质量：目标人群的转化率：注册

  • 以平均值分隔，平均数不容易受极值点的影响

  • 中位数也可以，不过中位数容易受极值点的影响

      	注意：要把指标带入指标字典才有对比性
    

3、电商的用户精细化营销（RFM）

• 目的：提高用户粘度，忠诚度
  • 短期：DAU，MAU
  • 长期：提高了多少用户
  • RFM：线性关系的别放在一起
• 航空公司：找核心指标
  • 某人经常往返两地——>留住就好

4、渠道推广过程

5、渠道的关键指标和分析方法

• 关键指标
  • 前期：有效用户数和次日留存
  • 中期；