![13825820-d5785b40de5905d6.jpg](https://i-blog.csdnimg.cn/blog_migrate/78320e873d31d6b9ee12e1557aab0dbd.jpeg)
我们在上一篇文章中给大家介绍了部分数据分析的知识,主要是数据分析建立指标,这样才能够做好数据分析工具。一般来说,在发展阶段,北极星指标是用户数和活跃率,用户数代表市场的体量和占有,活跃率代表产品的健康度;而在有一定用户基数的产品后期,商业化比活跃重要。在这篇文章中我们继续给大家介绍数据分析的知识。
我们在数据分析过程中,需要保证数据分析的全面性,比如说维度分析法,在我们确定了数据分析的核心目标,就可以着手进行分析了。数据分析大体可以分三类:第一就是利用维度分析数据。第二就是使用统计学知识如数据分布假设检验。第三就是使用机器学习。
我们首先来讲讲利用维度分析数据。我们利用维度分析数据是一种自上而下的思路,这种思路多是用于产品的数据分析体系或者模型的建立,从而保证数据分析的全面性。一般来说,维度是描述对象的参数,在具体分析中,我们可以把它认为是分析事物的角度。销量是一种角度、活跃率是一种角度,时间也是一种角度,所以它们都能算维度。当我们有了维度后,就能够通过不同的维度组合,形成数据模型。数据模型不是一个高深的概念,它就是一个数据立方体。并且根据数据模型发现问题数据。针对问题数据影响维度做相应的优化。
我们刚刚说到了维度法,我们知道单一的数据没有分析意义,只有多个数据组合才能发挥出数据的最大价值。在这里需要强调的一个分析的核心思维:对比。做不同维度的对比大概是新人快速提高分析能力的捷径之一。比如,过去和现在的时间趋势对比、不同地区维度的对比、产品类型的区别对比、不同用户的群体对比等。因此,做数据分析,要更多地关注多个数据维度之间的相关关系,而不是单个数据产生的因果关系!通过影响关键指标的数据维度间的关联关系,建立数据分析模型。
由此可见,数据分析的知识确实有很多,而且范围也很广,这就需要我们对数据分析的知识透彻的了解,只有这样我们才能够了解更多的数据分析知识,帮助自己快速入行数据分析。希望这篇文章能够给大家带来帮助,我们在下一篇文章中继续给大家带来更多的内容。